[发明专利]一种适用于视频监控设备的视频图像处理方法

说明书

本发明公开了一种适用于视频监控设备的视频图像处理方法，使用通过获取图像帧序列；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；提取前景图像提取各个图像帧的前景图像依次生成各个图像帧的前景图像的模糊序列，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，能够压缩视频或者多张图像构成的图像序列的体积，使得在视频监控设备上，能够极大地压缩服务器端所需要的存储空间，提高有效数据的占比，清理掉无效的模糊数据，提高使用的用户的体验。

技术领域

本发明属于图像处理技术领域、移动视频处理技术领域，具体涉及一种适用于视频监控设备的视频图像处理方法。

背景技术

在视频监控设备采集高速运动目标的视频时，获取到的大部分图像都是非常模糊的，或者是在光线昏暗的环境的图像，或者强光之下的曝光图像，在长时间的连续视频数据采集以后，累积了大量的这些无效数据，视频监控设备在服务器端的所耗费的存储空间是海量的，如果能去除掉这些相对模糊的图像，则能够压缩视频或者多张图像构成的图像序列的体积，使得在视频监控设备上，能够极大地压缩服务器端所需要的存储空间，提高有效数据的占比，清理掉无效的模糊数据，提高使用的用户的体验，然而现有的图像处理方法中并没有同类技术解决以上问题，单纯的靠人工清理不需要的图像或者剪辑视频帧无法辨识的图像很操作起来很是费时费力。

发明内容

本发明的目的在于提出一种适用于视频监控设备的视频图像处理方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为了实现上述目的，根据本发明的一方面，提供一种适用于视频监控设备的视频图像处理方法，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。

进一步地,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。

进一步地,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。

进一步地,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；