CN116506741A - 监控视频去闪烁方法、装置、电子设备和计算机可读介质 - Google Patents
监控视频去闪烁方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116506741A CN116506741A CN202310474389.2A CN202310474389A CN116506741A CN 116506741 A CN116506741 A CN 116506741A CN 202310474389 A CN202310474389 A CN 202310474389A CN 116506741 A CN116506741 A CN 116506741A
- Authority
- CN
- China
- Prior art keywords
- monitoring video
- pixel point
- video frame
- initial
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 372
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 21
- 238000007781 pre-processing Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000013135 deep learning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本公开的实施例公开了监控视频去闪烁方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频;将所述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合;对于所述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:基于所述初始监控视频帧和对应所述初始监控视频帧的下一初始监控视频帧,生成所述下一初始监控视频帧的动态区域集合;基于所述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧;根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。该实施方式提高了监控视频的去闪烁效果且提升了去闪烁后的监控视频的可视性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及监控视频去闪烁方法、装置、电子设备和计算机可读介质。
背景技术
监控视频去闪烁,是对监控视频中出现的闪烁现象进行去处理的一项技术。目前,在对监控视频的闪烁现象进行去处理时,通常采用的方式为:通过视频处理软件调整监控视频参数进行调整,或是采用深度学习的方式对监控视频闪烁进行去处理操作。
然而,当采用上述方式对监控视频进行去闪烁操作时,经常会存在如下技术问题:
第一,通过视频处理软件调整监控视频参数进行调整,由于软件对视频参数的调整方式较为单一,从而导致监控视频的去闪烁效果较差且去闪烁后的监控视频可视性较差。
第二,采用深度学习的方式对监控视频进行去闪烁处理操作,由于深度学习对系统的要求较高且需要的算力较大,承载监控视频的去闪烁的系统配置和算力较弱,导致承载监控视频的去闪烁的系统对监控视频的去闪烁效果较差且去闪烁后的监控视频可视性较差。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了监控视频去闪烁方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种监控视频去闪烁方法,该方法包括:获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频;将上述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合;对于上述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:基于上述初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合;基于上述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧;根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
第二方面,本公开的一些实施例提供了一种监控视频去闪烁装置,装置包括:获取单元,被配置成获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频;确定单元,被配置成将上述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合;执行单元,被配置成对于所述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:基于所述初始监控视频帧和对应所述初始监控视频帧的下一初始监控视频帧,生成所述下一初始监控视频帧的动态区域集合;基于所述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧;生成单元,被配置成根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的监控视频去闪烁方法,提高了监控视频的去闪烁效果且提升了去闪烁后的监控视频的可视性。具体来说,造成监控视频去闪烁效果较差且去闪烁后监控视频可视性差的原因在于:通过视频处理软件调整监控视频参数进行调整,由于软件对视频参数的调整方式较为单一,监控视频的去闪烁效果较差且去闪烁后的监控视频可视性较差。基于此,本公开的一些实施例的监控视频去闪烁方法,首先,获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频。然后,将上述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合。由此,可以得到待处理的初始监控视频帧集合。然后,对于上述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:第一步,基于上述初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合。由此,可以得到下一初始监控视频帧的动态区域集合。第二步,基于上述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧。由此,可以依据所生成的动态区域集合,得到去闪烁后的监控视频帧。最后,根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。由此,可以由去闪烁后的各个监控视频帧得到去闪烁后的监控视频。也因为监控视频中闪烁现象往往是由于视频中动态物体的灯光频率与摄像头的帧率不匹配,导致出现闪烁现象。因此采用了对动态区域进行去闪烁的方式,可以对监控视频的动态区域的亮度进行调节。进而,可以减少由于灯光频率与摄像头帧率不匹配造成的曝光对视频的影响,提高了监控视频的去闪烁效果。进而提升了去闪烁后的监控视频的可视性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的监控视频去闪烁方法的一些实施例的流程图;
图2是根据本公开的监控视频去闪烁装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的监控视频去闪烁方法的一些实施例的流程100。该监控视频去闪烁方法,包括以下步骤:
步骤101,获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频。
在一些实施例中,监控视频去闪烁方法的执行主体(例如计算设备)可以通过有线连接方式或者无线连接方式获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频。其中,上述预设时间段可以是指预先设定的时间范围。例如,上述预设时间段可以是2023年4月11日12时00分00秒-2023年4月11日12时00分10秒。上述监控区域通常指被视频监控系统覆盖和监视的特定区域。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。其中,上述初始监控视频可以包括由至少两个视频帧组成的监控视频。
步骤102,将初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合。
在一些实施例中,上述执行主体可以将上述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合。实践中,上述执行主体可以将监控视频的每一帧图像确定为初始监控视频帧,将所确定的各个初始监控视频帧确定为初始监控视频帧集合。
步骤103,对于初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:
步骤1031,基于初始监控视频帧和对应初始监控视频帧的下一初始监控视频帧,生成下一初始监控视频帧的动态区域集合。
在一些实施例中,上述执行主体可以基于上述初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合。其中,上述动态区域集合可以是指图像中运动物体区域的集合。上述运动区域集合可以包括所检测到的各个运动像素信息所组成的各个区域。例如,上述动态区域集合可以是下一初始监控视频帧中行驶的车辆和路上的行人所处区域所组成的集合。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤基于上述初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合:
第一步,对于上述初始监控视频帧中的每个像素点,执行以下步骤:
第一子步骤,将上述初始监控视频帧的上述像素点确定为第一像素点。实践中,上述执行主体可以将上述像素点标记为第一像素点。
第二子步骤,将上述第一像素点与上述初始监控视频帧中各个预设位置的像素点的灰度平均值确定为第一灰度平均值。其中,上述预设位置可以是上述第一像素点的上下左右各个方向上的与该像素点相邻的位置。实践中,上述执行主体可以将上述第一像素点的灰度值和其相邻的各个的像素点的灰度值的平均值确定为第一灰度平均值。
第三子步骤,将上述灰度平均值确定为对应上述第一像素点的灰度值,以对上述第一像素点的灰度值进行更新。实践中,上述执行主体可以将上述第一像素点的灰度值更新为上述灰度平均值。
第二步,将灰度值更新后的各个第一像素点确定为第一像素点集合。
第三步,对于上述下一初始监控视频帧中的每个像素点,执行以下步骤:
第一子步骤,将上述下一初始监控视频帧的上述像素点确定为第二像素点。
第二子步骤,将上述第二像素点与上述下一初始监控视频帧中各个预设位置的像素点的灰度平均值确定为第二灰度平均值。其中,上述预设位置可以是上述第二像素点的上下左右各个方向上与该像素点相邻的位置。实践中,上述执行主体可以将上述第二像素点的灰度值和其相邻的各个的像素点的灰度值进行平均值计算,将计算结果确定为第二灰度平均值。
第三子步骤,将上述第二灰度平均值确定为对应上述下一初始监控视频帧的像素点的灰度值,以对上述第二像素点的灰度值进行更新。实践中,上述执行主体可以将上述灰度平均值赋值给上述第二像素点。
第四步,将灰度值更新后的各个第二像素点确定为第二像素点集合。
第五步,根据上述第一像素点集合,确定灰度值处理后初始监控视频帧。实践中,上述执行主体可以对上述第一像素点集合中的每个第一像素点执行以下步骤:将上述第一像素点对应上述初始监控视频帧中的位置确定为第一位置;将上述初始监控视频帧中第一位置的像素点为上述第一像素点。之后,可以将根据各个第一像素点更新后得到的初始监控视频帧确定为灰度值处理后初始监控视频帧。
第六步,根据上述第二像素点集合,确定灰度值处理后下一初始监控视频帧。实践中,上述执行主体可以对上述第二像素点集合中的每个第二像素点执行以下步骤:将上述第二像素点对应上述下一初始监控视频帧中的位置确定为第二位置,将上述下一初始监控视频帧中第二位置的像素点更新为上述第二像素点,将每个像素点更新后的初始监控视频帧确定为灰度值处理后下一初始监控视频帧。
第七步,基于上述灰度值处理后初始监控视频帧和上述灰度值处理后下一初始监控视频帧,生成对应上述下一初始监控视频帧的各个运动像素信息。其中,运动像素信息可以是指随着时间的推移相邻两个视频帧中物体运动的区域中像素点的像素点信息。上述像素点信息可以包括像素点的颜色信息、位置信息。
第八步,将上述各个运动像素点信息确定为第二运动像素信息集合。
第九步,将上述第二运动像素信息集合中每个运动像素信息所对应的像素点位置确定为第二运动区域像素点位置,得到第二运动区域像素点位置集合。
第十步,将上述第二运动区域像素点位置集合中的每个第二运动区域像素点位置所对应的上述下一初始监控视频帧中的像素点确定为目标运动区域像素点,得到目标运动区域像素点集合。
第十一步,根据上述目标运动区域像素点集合,确定运动区域集合。实践中,上述执行主体可以将上述目标运动区域像素点集合中的各个相邻的对应下一初始监控视频帧中像素点位置的目标运动区域像素点确定为运动区域,将上述下一初始监控视频帧中各个运动区域确定为运动区域集合。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤基于上述灰度值处理后初始监控视频帧和上述灰度值处理后下一初始监控视频帧,生成对应上述下一初始监控视频帧的各个运动像素信息:
第一步,将上述灰度值处理后初始监控视频帧中的每个像素点确定为第一像素点,得到第一像素点集合。
第二步,将上述灰度值处理后下一初始监控视频帧中的每个像素点确定为第二像素点,得到第二像素点集合。
第三步,将上述第二像素点集合中的每个第二像素点的像素值和上述第一像素点集合中的对应上述第二像素点的第一像素点的像素值的差值确定为灰度差值,得到灰度差值集合。
第四步,将上述灰度差值集合中每个灰度差值确定为上述第二像素点集合中对应上述灰度差值的第二像素点的像素值,得到灰度差分像素点集合。
第五步,将上述灰度差分像素点集合确定为灰度值差分图像。
第六步,对于上述灰度值差分图像中的每个像素点,响应于上述像素点的像素值大于预设灰度值阈值,将上述像素点确定为特征点。其中,上述预设灰度值阈值可以是指预先设定的灰度值,其表征像素点运动情况。例如,上述预设灰度值阈值可以是24。上述特征点可以是指具有特定特征的像素点。
第七步,将上述第一像素点集合中对应所确定的每个特征点的像素点确定为第一灰度像素点,得到第一灰度像素点集合。
第八步,将上述第二像素点集合中对应所确定的每个特征点的像素点确定为第二灰度像素点,得到第二灰度像素点集合。
第九步,确定上述第一灰度像素点集合中的每个第一灰度像素点和上述第二灰度像素点集合中对应上述第一灰度像素点的第二灰度像素点的像素运动向量,得到像素运动向量集合。实践中,上述执行主体可以确定上述第一灰度像素点集合中的每个第一灰度像素点和上述第二灰度像素点集合中对应上述第一灰度像素点的第二灰度像素点的像素点位移,得到像素点位移结果,将像素点位移结果确定为像素运动向量。
第十步,将上述像素运动向量集合中的每个像素运动向量所对应的第二灰度像素点集合中的第二灰度像素点确定为下一初始监控视频帧的运动像素信息,得到上述下一初始监控视频帧的各个运动像素信息。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤基于上述初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合:
第一步,确定对应上述初始监控视频帧的预设历史时间段内的动态区域组集合。其中,上述预设历史时间段可以是指上述初始监控视频帧对应时间段之前的时间段。实践中,首先,上述执行主体可以获取上述预设历史时间段内的初始监控视频作为历史监控视频。然后,可以将历史监控视频中的每一帧初始监控视频帧图像确定为历史监控视频帧,得到历史监控视频帧集合。之后,对于历史监控视频帧集合中的每个历史监控视频帧,可以基于历史监控视频帧和下一历史监控视频帧得到下一历史监控视频帧的动态区域组。最后,可以将得到的各个历史监控视频帧的动态区域组确定为上述历史监控视频的动态区域组集合;其中,上述基于历史监控视频帧和下一历史监控视频帧得到下一历史监控视频帧的动态区域组的方式可以参考步骤1031,在此不再赘述。
第二步,将上述预设历史时间段的上述动态区域组集合输入至预先训练的动态区域集合预测模型,得到目标时间段的预测动态区域组集合。其中,上述动态区域集合预测模型可以是以历史时间段内的运动区域组集合为输入数据,以预测时间段内的运动区域组集合为输出数据的神经网络模型。例如,上述神经网络模型可以是LSTM模型或RNN模型。
第三步,对于上述预测动态区域组集合中的每个预测运动区域中的中每个像素点,根据目标图像,执行以下步骤:
第一子步骤,将上述像素点的位置信息确定为预测运动像素点位置信息。其中,上述位置信息可以是指上述像素点在目标图像中的坐标信息。例如,上述位置信息可以是(1,1)。
第二子步骤,对目标图像中对应上述预测运动像素点位置信息的像素点的像素信息进行更新。其中,上述目标图像是与监控视频帧大小形状相同的一种具有一颜色通道的用于表征预测时间段内各个像素点可能的运动情况的图像。例如,上述目标图像可以是1920*1080像素的各个像素点的颜色值均为0的灰度图。实践中,上述执行主体可以将上述目标图像中对应上述预测运动像素点位置信息的像素点的颜色值增加预设颜色值。其中,上述预设颜色值可以是一。
第四步,将更新后的目标图像确定为运动预测图像。
第五步,对于上述运动预测图像中的每个预测运动像素点,执行以下步骤:
第一子步骤,将上述预测运动像素点的像素信息确定为预处理像素信息。其中,上述像素信息可以包括上述预测运动像素点的颜色值信息。例如,上述像素信息可以是上述预测运动像素点的一通道颜色值。
第二子步骤,响应于确定上述预处理像素信息大于预设区域运动阈值,将上述预处理像素信息对应的预测运动像素点确定为预处理像素点。其中,上述预设区域运动阈值可以是指预先设定的灰度值,以表征该像素点在预测目标时间段内的运动情况的判断标准。例如,上述预设区域运动阈值可以是24。
第六步,将所确定的各个上述预处理像素点确定为预处理像素点集合。
第七步,将上述预处理像素点集合确定为预处理区域。
第八步,基于上述目标时间段内的初始监控视频帧中对应上述预处理区域的区域和上述目标时间段内的下一初始监控视频帧中对应上述预处理区域的区域,生成上述目标时间段内的下一初始监控视频帧的动态区域集合。实践中,基于上述目标时间段内的初始监控视频帧中对应上述预处理区域的区域和上述目标时间段内的下一初始监控视频帧中对应上述预处理区域的区域,生成上述目标时间段内的下一初始监控视频帧的动态区域集合的方式可以参考步骤1031,在此不再赘述。
可选地,上述动态区域集合预测模型可以是通过以下步骤训练得到的:
第一步,获取样本集,其中,上述样本集中的样本可以包括预设时间的样本运动区域组集合,以及与预设时间的样本运动区域集合所对应的目标时间段内的的样本预测运动区域组集合。
第二步,基于样本集执行以下训练步骤:
第一子步骤,将样本集中的至少一个样本的样本运动区域集合输入至初始神经网络,得到上述至少一个样本中的每个样本对应的样本目标运动区域组集合。
第二子步骤,将上述至少一个样本中的每个样本对应的样本目标运动区域组集合与对应的样本预测运动区域组集合进行比较。
第三子步骤,根据比较结果确定初始神经网络是否达到预设的优化目标。其中,上述优化目标可以是指上述初始神经网络生成的样本目标运动区域组集合的准确率大于预设的准确率阈值。
第四子步骤,响应于确定初始神经网络达到上述优化目标,将初始神经网络作为训练完成的动态区域检测模型。
第五子步骤,响应于确定初始神经网络未达到上述优化目标,调整初始神经网络的网络参数,以及使用未用过的样本组成样本集,使用调整后的初始神经网络作为初始神经网络,再次执行上述训练步骤。作为示例,可以采用反向传播算法(Back PropagationAlgorithm,BP算法)和梯度下降法(例如小批量梯度下降算法)对上述初始神经网络的网络参数进行调整。需要说明的是,反向传播算法和梯度下降法是目前广泛研究和应用的公知技术,在此不再赘述。
上述技术方案及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“采用深度学习的方式对监控视频进行去闪烁处理操作,由于深度学习对系统的要求较高且需要的算力较大,承载监控视频的去闪烁的系统配置和算力较弱,导致承载监控视频的去闪烁的系统对监控视频的去闪烁效果较差且去闪烁后的监控视频可视性较差”。导致监控视频去闪烁效果不佳且去闪烁后监控视频可视性差因素往往如下:采用深度学习的方式对监控视频进行去闪烁处理操作,由于深度学习对系统的要求较高且需要的算力较大,承载监控视频的去闪烁的系统配置和算力较弱,导致承载监控视频的去闪烁的系统对监控视频的去闪烁效果较差且去闪烁后的监控视频可视性较差。如果解决了上述因素,就能达到提高了监控视频的去闪烁效果且提升了去闪烁后的监控视频的可视性的效果。为了达到这一效果,本公开通过以下步骤根据初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合:首先,确定对应上述初始监控视频帧的预设历史时间段内的动态区域组集合。由此,可以得到历史时间段内的动态区域组集合。然后,将上述预设历史时间段和上述动态区域组集合输入至预先训练的动态区域集合预测模型,得到目标时间段的预测动态区域组集合。由此,可以得到预测的动态区域组集合。之后,对于上述预测动态区域组集合中的每个预测运动区域中的中每个像素点,对目标图像进行更新。由此,可以将目标图像更新为运动预测图像。进而,将各个预测图像中大于预设区域运动阈值的像素点确定为预处理像素点集合,得到预处理区域。由此,可以得到预处理区域。最后,基于上述目标时间段内的初始监控视频帧中对应上述预处理区域的区域和上述目标时间段内的下一初始监控视频帧中对应上述预处理区域的区域,生成上述目标时间段内的下一初始监控视频帧的动态区域集合。由此,可以得到上述目标时间段内的下一初始监控视频帧的动态区域集合。还因为在生成动态区域组集合时采用了预测运动区域的方法。可以减少在生成运动区域时对不必要区域的判断。进而可以减少运动区域计算时的时间和算力开销,提高了监控视频的去闪烁效果且提升了去闪烁后的监控视频的可视性的效果。
步骤1032,基于动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧。
在一些实施例中,上述执行主体可以基于上述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤基于上述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧:
第一步,确定上述动态区域集合中的每个动态区域的每个像素点的像素数据,得到像素数据组集合作为动态区域像素数据组集合,其中,上述动态区域像素数据组集合中的动态区域像素数据组对应动态区域。其中,上述像素数据可以是指表征上述像素点特征的数据。例如,上述像素数据可以是像素点的颜色值。
第二步,确定上述动态区域集合中的每个动态区域所对应的上述初始监控视频帧中的每个像素点的像素数据,得到像素数据组集合作为初始像素数据组集合,其中,上述初始像素数据组集合中的初始像素数据组对应动态区域。
第三步,对于上述动态区域像素数据组集合中每个动态区域像素数据组中的每个动态区域像素数据,执行以下步骤:
第一子步骤,将上述动态区域像素数据对应的像素点确定为目标像素点。
第二子步骤,将上述初始像素数据组集合中对应上述目标像素点的初始像素数据确定为目标初始像素数据。
第三子步骤,根据上述动态区域像素数据,将对应上述目标像素点的亮度值确定为第二亮度值。
第四子步骤,根据上述目标初始像素数据,将对应上述目标像素点的亮度值确定为第一亮度值。
第五子步骤,基于上述第一亮度值和上述第二亮度值,生成对应上述目标像素点的调整后像素点亮度值。实践中,上述执行主体可以将上述第一亮度值与第一预设系数的乘积确定为加权第一亮度值。例如,上述第一预设系数可以为三分之一。然后,可以将上述第二亮度值与第二预设系数的乘积确定为加权第二亮度值。例如,上述第二预设系数可以为三分之二。之后,可以将上述加权第一亮度值和上述加权第二亮度值的和确定为调整后像素点亮度值。
第六子步骤,将上述下一初始监控视频帧中上述目标像素点的亮度值调整为上述调整后像素点亮度值。
第三步,将亮度值调整后的上述下一初始监控视频帧确定为去闪烁后监控视频帧。
步骤104,根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
在一些实施例中,上述执行主体可以根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频:
第一步,将上述初始监控视频中的各帧图像确定为初始监控视频帧序列。
第二步,对于上述各个去闪烁后监控视频帧中的每个去闪烁后监控视频帧,确定上述去闪烁后监控视频帧对应的初始监控视频帧在上述初始监控视频帧序列中的视频帧号信息。
第三步,根据所确定的各个视频帧号信息,对上述各个去闪烁后监控视频帧进行排序,得到去闪烁后监控视频帧序列。
第四步,将上述去闪烁后监控视频帧序列确定为对应上述初始监控视频的去闪烁后监控视频。实践中,上述执行主体可以将上述去闪烁后监控视频帧序列进行编码生成视频格式输出,得到上述初始监控视频的去闪烁后监控视频。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的监控视频去闪烁方法,提高了监控视频的去闪烁效果且提升了去闪烁后的监控视频的可视性。具体来说,造成监控视频去闪烁效果较差且去闪烁后监控视频可视性差的原因在于:通过视频处理软件调整监控视频参数进行调整,由于软件对视频参数的调整方式较为单一,监控视频的去闪烁效果较差且去闪烁后的监控视频可视性较差。基于此,本公开的一些实施例的监控视频去闪烁方法,首先,获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频。然后,将上述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合。由此,可以得到待处理的初始监控视频帧集合。然后,对于上述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:第一步,基于上述初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合。由此,可以得到下一初始监控视频帧的动态区域集合。第二步,基于上述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧。由此,可以依据所生成的动态区域集合,得到去闪烁后的监控视频帧。最后,根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。由此,可以由去闪烁后的各个监控视频帧得到去闪烁后的监控视频。也因为监控视频中闪烁现象往往是由于视频中动态物体的灯光频率与摄像头的帧率不匹配,导致出现闪烁现象。因此采用了对动态区域进行去闪烁的方式,可以对监控视频的动态区域的亮度进行调节。进而,可以减少由于灯光频率与摄像头帧率不匹配造成的曝光对视频的影响,提高了监控视频的去闪烁效果。进而提升了去闪烁后的监控视频的可视性。
进一步参考图2,作为对各图所示方法的实现,本公开提供了一种监控视频去闪烁装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的监控视频去闪烁装置200包括:获取单元201、确定单元202、执行单元203和生成单元204。其中,获取单元201被配置成获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频;确定单元202被配置成将上述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合;执行单元203被配置成对于所述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:基于所述初始监控视频帧和对应所述初始监控视频帧的下一初始监控视频帧,生成所述下一初始监控视频帧的动态区域集合;基于所述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧;生成单元204被配置成根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
可以理解的是,该装置200中记载的诸单元与参考图1述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306。包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307。包括例如磁带、硬盘等的存储装置308。以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
计算机可读介质可以是电子设备中所包含的。也可以是单独存在,而未装配入该电子设备中。计算机可读介质承载有一个或者多个程序,当一个或者多个程序被该电子设备执行时,使得该电子设备:获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频;将上述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合;对于上述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:基于上述初始监控视频帧和对应上述初始监控视频帧的下一初始监控视频帧,生成上述下一初始监控视频帧的动态区域集合;基于上述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧;根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、确定单元、执行单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,生成单元还可以被描述为“根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离发明构思的情况下,由技术特征或其等同特征进行任意组合而形成的其它技术方案。例如特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种监控视频去闪烁方法,包括:
获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频;
将所述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合;
对于所述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:
基于所述初始监控视频帧和对应所述初始监控视频帧的下一初始监控视频帧,生成所述下一初始监控视频帧的动态区域集合;
基于所述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧;
根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
2.根据权利要求1所述的方法,其中,所述基于所述初始监控视频帧和对应所述初始监控视频帧的下一初始监控视频帧,生成所述下一初始监控视频帧的动态区域集合,包括:
对于所述初始监控视频帧中的每个像素点,执行以下步骤:
将所述初始监控视频帧的所述像素点确定为第一像素点;
将所述第一像素点与所述初始监控视频帧中各个预设位置的像素点的灰度平均值确定为第一灰度平均值;
将所述灰度平均值确定为对应所述第一像素点的灰度值,以对所述第一像素点的灰度值进行更新;
将灰度值更新后的各个第一像素点确定为第一像素点集合;
对于所述下一初始监控视频帧中的每个像素点,执行以下步骤:
将所述下一初始监控视频帧的所述像素点确定为第二像素点;
将所述第二像素点与所述下一初始监控视频帧中各个预设位置的像素点的灰度平均值确定为第二灰度平均值;
将所述第二灰度平均值确定为对应所述下一初始监控视频帧的像素点的灰度值,以对所述第二像素点的灰度值进行更新;
将灰度值更新后的各个第二像素点确定为第二像素点集合;
根据所述第一像素点集合,确定灰度值处理后初始监控视频帧;根据所述第二像素点集合,确定灰度值处理后下一初始监控视频帧;
基于所述灰度值处理后初始监控视频帧和所述灰度值处理后下一初始监控视频帧,生成对应所述下一初始监控视频帧的各个运动像素信息;
将所述各个运动像素点信息确定为第二运动像素信息集合;
将所述第二运动像素信息集合中每个运动像素信息所对应的像素点位置确定为第二运动区域像素点位置,得到第二运动区域像素点位置集合;
将所述第二运动区域像素点位置集合中的每个第二运动区域像素点位置所对应的所述下一初始监控视频帧中的像素点确定为目标运动区域像素点,得到目标运动区域像素点集合;
根据所述目标运动区域像素点集合,确定运动区域集合。
3.根据权利要求1所述的方法,其中,所述基于所述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧,包括:
确定所述动态区域集合中的每个动态区域的每个像素点的像素数据,得到像素数据组集合作为动态区域像素数据组集合,其中,所述动态区域像素数据组集合中的动态区域像素数据组对应动态区域;
确定所述动态区域集合中的每个动态区域所对应的所述初始监控视频帧中的每个像素点的像素数据,得到像素数据组集合作为初始像素数据组集合,其中,所述初始像素数据组集合中的初始像素数据组对应动态区域;
对于所述动态区域像素数据组集合中每个动态区域像素数据组中的每个动态区域像素数据,执行以下步骤:
将所述动态区域像素数据对应的像素点确定为目标像素点;
将所述初始像素数据组集合中对应所述目标像素点的初始像素数据确定为目标初始像素数据;
根据所述动态区域像素数据,将对应所述目标像素点的亮度值确定为第二亮度值;
根据所述目标初始像素数据,将对应所述目标像素点的亮度值确定为第一亮度值;
基于所述第一亮度值和所述第二亮度值,生成对应所述目标像素点的调整后像素点亮度值;
将所述下一初始监控视频帧中所述目标像素点的亮度值调整为所述调整后像素点亮度值;
将亮度值调整后的所述下一初始监控视频帧确定为去闪烁后监控视频帧。
4.根据权利要求1所述的方法,其中,所述根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频,包括:
将所述初始监控视频中的各帧图像确定为初始监控视频帧序列;
对于所述各个去闪烁后监控视频帧中的每个去闪烁后监控视频帧,确定所述去闪烁后监控视频帧对应的初始监控视频帧在所述初始监控视频帧序列中的视频帧号信息;
根据所确定的各个视频帧号信息,对所述各个去闪烁后监控视频帧进行排序,得到去闪烁后监控视频帧序列;
将所述去闪烁后监控视频帧序列确定为对应所述初始监控视频的去闪烁后监控视频。
5.根据权利要求2所述的方法,其中,所述基于所述灰度值处理后初始监控视频帧和所述灰度值处理后下一初始监控视频帧,生成对应所述下一初始监控视频帧的各个运动像素信息,包括:
将所述灰度值处理后初始监控视频帧中的每个像素点确定为第一像素点,得到第一像素点集合;
将所述灰度值处理后下一初始监控视频帧中的每个像素点确定为第二像素点,得到第二像素点集合;
将所述第二像素点集合中的每个第二像素点的像素值和所述第一像素点集合中的对应所述第二像素点的第一像素点的像素值的差值确定为灰度差值,得到灰度差值集合;
将所述灰度差值集合中每个灰度差值确定为所述第二像素点集合中对应所述灰度差值的第二像素点的像素值,得到灰度差分像素点集合;
将所述灰度差分像素点集合确定为灰度值差分图像;
对于所述灰度值差分图像中的每个像素点,响应于所述像素点的像素值大于预设灰度值阈值,将所述像素点确定为特征点;
将所述第一像素点集合中对应所确定的每个特征点的像素点确定为第一灰度像素点,得到第一灰度像素点集合;
将所述第二像素点集合中对应所确定的每个特征点的像素点确定为第二灰度像素点,得到第二灰度像素点集合;
确定所述第一灰度像素点集合中的每个第一灰度像素点和所述第二灰度像素点集合中对应所述第一灰度像素点的第二灰度像素点的像素运动向量,得到像素运动向量集合;
将所述像素运动向量集合中的每个像素运动向量所对应的第二灰度像素点集合中的第二灰度像素点确定为下一初始监控视频帧的运动像素信息,得到所述下一初始监控视频帧的各个运动像素信息。
6.一种监控视频亮度调整装置,包括:
获取单元,被配置成获取预设时间段内监控摄像头所采集的监控区域的监控视频作为初始监控视频;
确定单元,被配置成将所述初始监控视频中每一帧图像确定为初始监控视频帧,得到初始监控视频帧集合;
执行单元,被配置成对于所述初始监控视频帧集合中的每个初始监控视频帧,执行以下步骤:基于所述初始监控视频帧和对应所述初始监控视频帧的下一初始监控视频帧,生成所述下一初始监控视频帧的动态区域集合;基于所述动态区域集合,调整对应初始监控视频帧的亮度,得到去闪烁后监控视频帧;
生成单元,被配置成根据所得到的各个去闪烁后监控视频帧,生成对应初始监控视频的去闪烁后监控视频。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至5中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310474389.2A CN116506741A (zh) | 2023-04-27 | 2023-04-27 | 监控视频去闪烁方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310474389.2A CN116506741A (zh) | 2023-04-27 | 2023-04-27 | 监控视频去闪烁方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116506741A true CN116506741A (zh) | 2023-07-28 |
Family
ID=87328045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310474389.2A Pending CN116506741A (zh) | 2023-04-27 | 2023-04-27 | 监控视频去闪烁方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116506741A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116743978A (zh) * | 2023-08-14 | 2023-09-12 | 深圳思谋信息科技有限公司 | 视频处理方法、装置、计算机设备及计算机可读存储介质 |
-
2023
- 2023-04-27 CN CN202310474389.2A patent/CN116506741A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116743978A (zh) * | 2023-08-14 | 2023-09-12 | 深圳思谋信息科技有限公司 | 视频处理方法、装置、计算机设备及计算机可读存储介质 |
CN116743978B (zh) * | 2023-08-14 | 2023-11-03 | 深圳思谋信息科技有限公司 | 视频处理方法、装置、计算机设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3605394A1 (en) | Method and apparatus for recognizing body movement | |
WO2020093724A1 (zh) | 生成信息的方法和装置 | |
CN112801907B (zh) | 深度图像的处理方法、装置、设备和存储介质 | |
CN112381717A (zh) | 图像处理方法、模型训练方法、装置、介质及设备 | |
CN116506741A (zh) | 监控视频去闪烁方法、装置、电子设备和计算机可读介质 | |
CN111310815A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN115272182B (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
CN114964296A (zh) | 车辆行驶路径规划方法、装置、设备和计算机可读介质 | |
CN112330788A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN116597430A (zh) | 物品识别方法、装置、电子设备和计算机可读介质 | |
CN110135517B (zh) | 用于获取车辆相似度的方法及装置 | |
CN110555861B (zh) | 光流计算方法、装置及电子设备 | |
CN115170714A (zh) | 一种扫描图像渲染方法、装置、电子设备及存储介质 | |
CN111737575B (zh) | 内容分发方法、装置、可读介质及电子设备 | |
CN114120423A (zh) | 人脸图像检测方法、装置、电子设备和计算机可读介质 | |
CN112766190B (zh) | 对抗样本生成方法、装置、存储介质及电子设备 | |
CN114494574A (zh) | 一种多损失函数约束的深度学习单目三维重建方法及系统 | |
CN114429602A (zh) | 语义分割方法、装置、电子设备及存储介质 | |
CN113222050A (zh) | 图像分类方法、装置、可读介质及电子设备 | |
CN116824348B (zh) | 隐患信息生成方法、装置、电子设备和计算机可读介质 | |
CN116993637B (zh) | 用于车道线检测的图像数据处理方法、装置、设备和介质 | |
CN115841151B (zh) | 模型训练方法、装置、电子设备和计算机可读介质 | |
CN112862110B (zh) | 模型生成方法、装置和电子设备 | |
CN116758275A (zh) | 目标识别信息生成方法、装置、电子设备和可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |