[发明专利]一种适用于视频监控设备的视频图像处理方法

权利要求书

1.一种适用于视频监控设备的视频图像处理方法，其特征在于，所述方法包括以下步骤：

S100，获取图像帧序列；

S200，将图像帧序列拆分为训练集和测试集，通过训练集对神经网络模型进行训练获得训练好的神经网络；

S300，通过训练好的神经网络提取图像帧序列中的各个图像帧的前景图像，或者，通过差分法提取前景图像提取各个图像帧的前景图像；

S400，依次生成各个图像帧的前景图像的模糊序列；

S500，根据对应模糊序列依次判断各个图像帧是否存在模糊区域，若是，则删除存在模糊区域的图像帧，否则，保存没有模糊区域的图像帧。

2.根据权利要求1所述的一种适用于视频监控设备的视频图像处理方法，其特征在于，在S100中，获取图像帧序列的方法具体为：通过视频监控设备的摄像头获取视频或连续的图像帧，将视频的各个视频帧或图像帧作为图像帧序列, 图像帧为图像格式。

3.根据权利要求1所述的一种适用于视频监控设备的视频图像处理方法，其特征在于，在S200中，将图像帧序列拆分为训练集和测试集，通过训练集对神经网络模型进行训练获得训练好的神经网络的方法具体为：将图像帧序列拆分为训练集和测试集的方法为留出法、交叉验证法或者自助法中任意一种；所述神经网络模型包括LSTM网络，GAN网络、ResNet网络、VGG网络或者DenseNet网络中任意一种。

4.根据权利要求1所述的一种适用于视频监控设备的视频图像处理方法，其特征在于，在S400中，依次生成各个图像帧的前景图像的模糊序列的方法包括以下步骤：

S301，以当前的前景图像对应的图像帧为当前图像帧，令当前的前景图像对应的图像帧的采集时刻为tA0，令当前的图像帧之前连续的两个采集图像帧的时刻为tA1、tA2，其中tA1时刻为tA0-T时刻，tA2时刻为tA0-2T时刻，T为图像帧的采集间隔，分别获取图像帧序列中tA2、tA1、tA0对应的 3张图像帧m0、m1和m2，将图像帧m0与图像帧m2标记为对比图像帧mc；

S302，为图像帧m1各个像素设置一个初始值为0的亮度漂移积极因子标记数，每个像素的亮度漂移积极因子标记数最大为2；

计算图像帧m1各个像素的亮度漂移积极因子标记数的具体方法为：依次遍历图像帧m1各个像素，在图像帧m1的像素(x,y)的两个对比图像帧mc对应(x,y)坐标位置的像素的灰度值中，如果没有灰度值大于图像帧m1的像素(x,y)的灰度值则将图像帧m1的像素(x,y)的亮度漂移积极因子标记数设置为0，如果有1个灰度值大于或等于图像帧m1的像素(x,y)的灰度值则将图像帧m1的像素(x,y)的亮度漂移积极因子标记数设置为1，如果有2个灰度值大于或等于图像帧m1的像素(x,y)的灰度值则将图像帧m1的像素(x,y)的亮度漂移积极因子标记数设置为2；

S303，如果在图像帧m1中像素的亮度漂移积极因子标记数大于或等于2，则认为该像素为模糊像素，根据图像帧m1中各个像素是否为模糊像素将图像二值化获得模糊特征图，具体为：如果像素是模糊像素，则为该像素的像素值赋值255，否则赋值0；

S3041，将模糊特征图纵向平均分成AJ片纵向现象观测域，AJ为[5,10]范围内的正整数，依次从AJ片纵向现象观测域中选取纵向现象观测域Jarea_j，将Jarea_j作为待测纵向现象观测域，以Jarea_j代表第j块纵向现象观测域，j在[1,AJ]范围内取值；计算待测纵向现象观测域Jarea_j的模糊像素总量n_G以及可识别模糊总量Ln_flag；其中所述模糊像素总量n_G为待测纵向现象观测域内像素值为255的像素的数量；所述可识别模糊是指一系列紧密相连的模糊像素的集合，用模糊标记Ln区分不同的可识别模糊，可识别模糊总量Ln_flag为待测纵向现象观测域内像素值为0的像素的数量，

S3042，获取从S3041获得的各个待测纵向现象观测域的模糊像素总量n_G₁, n_G₂,…n_G_j，以及可识别模糊总量Ln_flag₁, Ln_flag₂,…Ln_flag_j，其中n_G_j以及Ln_flag_j分别表示第j个待测纵向现象观测域的模糊像素总量以及可识别模糊总量，计算纵向因子特征值Tn_G：

；

计算纵向可识别模糊特征值TLn_flag：

；

S305，生成模糊序列Fea=(Tn_G,TLn_flag)。