[发明专利]基于机器学习的视频图像模糊异常检测方法在审
| 申请号： | 201610534676.8 | 申请日： | 2016-07-08 |
| 公开（公告）号： | CN106203501A | 公开（公告）日： | 2016-12-07 |
| 发明（设计）人： | 王国栋 | 申请（专利权）人： | 青岛大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京国智京通知识产权代理有限公司 11501 | 代理人： | 孙文彬 |
| 地址： | 266071 *** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于机器学习的视频图像模糊异常检测方法，属于智能交通技术领域；它包含以下步骤：首先对高清视频彩色图像转换为灰度图像；对转换后的灰度图像按照模糊和非模糊人工分为两个类别，对每个图像计算梯度直方图特征；把梯度直方图特征作为分类特征，利用支撑向量机进行训练，保存训练后的参数；利用训练的参数对新输入的图像计算梯度直方图特征，然后利用训练的参数计算支撑向量机的输出结果；支撑向量机为正判定为视频图像模糊，支撑向量机为负则判断为视频图像不模糊。本发明提出的基于机器学习的视频图像模糊检测算法具有很强的鲁棒性，能够很好的应用于视频图像是否存在模糊问题。 | ||
| 搜索关键词： | 基于 机器 学习 视频 图像 模糊 异常 检测 方法 | ||
【主权项】：
基于机器学习的视频图像模糊异常检测方法，其特征在于它包含以下步骤：1）、首先对高清视频彩色图像转换为灰度图像；2）、对转换后的灰度图像按照模糊和非模糊人工分为两个类别，对每个图像计算梯度直方图特征；3）、把梯度直方图特征作为分类特征，利用支撑向量机进行训练，保存训练后的参数；4）、利用训练的参数对新输入的图像计算梯度直方图特征，然后利用训练的参数计算支撑向量机的输出结果；支撑向量机为正判定为视频图像模糊，支撑向量机为负则判断为视频图像不模糊。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于青岛大学，未经青岛大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610534676.8/，转载请声明来源钻瓜专利网。
