基于深度学习的视频监控质量诊断方法及系统

专利主权项内容

1.一种基于深度学习的视频监控质量诊断方法，其特征在于，包括以下步骤：获取目标监控设备的视频流信息，利用所述视频流信息进行解码提取视频图像帧，将所述视频图像帧进行预处理，根据预设基础评价特征提取预处理后视频图像帧的初级图像特征；根据所述初级图像特征进行视频图像帧的异常检测，并构建异常分类模型，当视频图像帧为异常视频图像帧时，利用异常分类模型提取复杂图像特征，并进行异常类别回归；获取视频图像帧的异常类别，根据所述异常类别及复杂图像特征进行异常程度评价，通过所述异常程度评价结果判断是否满足目标监控设备当前监控目的；根据所述异常类别进行目标监控设备的故障溯源，利用故障溯源结果及异常程度评价结果生成运维优先级，并将所述运维优先级通过预设方式进行发送；获取目标监控设备的视频流信息，利用所述视频流信息进行解码提取视频图像帧，具体为：获取目标视频监控设备的监控目的，基于所述监控目的在所述视频流信息中筛选可能包含监控目标的候选视频段，将所述候选视频段进行预处理，获取候选视频段中相邻两帧的图像的灰度矩阵；将相邻两帧图像划分为若干子区域，获取各子区域中的灰度均值，并计算不同子区域之间的互信息熵，根据所述互信息熵提取候选视频段中的突变图像帧；根据所述突变图像帧的灰度值生成特征时序序列，并利用监控目标的特征信息与所述特征时序序列进行特征匹配，选取能够表征目标视频监控设备对应视频流信息的目标特征；根据所述目标特征在所述视频流信息中计算相邻两帧图像的互信息熵，获取视频流信息中相邻两帧图像的互信息熵标准差，当所述互信息熵标准差大于预设阈值时，则证明相邻两帧图像之间偏差显著，标记为视频图像帧。。 （来自 马克数据网）