基于深度學習的監(jiān)控視頻干擾檢測的應(yīng)用與研究.pdf

1、隨著視頻監(jiān)控技術(shù)的高速發(fā)展，用戶對于視頻監(jiān)控產(chǎn)品在功能完善度、畫質(zhì)清晰度和性能穩(wěn)定度等方面提出了迫切需求。然而由于視頻源的采集系統(tǒng)內(nèi)外部環(huán)境的變化，實際感知噪聲的干擾均會導致視頻質(zhì)量不同程度的退化。針對上述需求，本文以安防監(jiān)控視頻中的樹葉遮擋現(xiàn)象以及清晰度異常為典型研究對象，結(jié)合深度學習技術(shù)開展對實際監(jiān)控視頻中干擾檢測的相關(guān)工作。論文的工作包括以下兩方面:
　　首先，介紹了深度學習的相關(guān)理論和發(fā)展，重點介紹了卷積神經(jīng)網(wǎng)絡(luò)及相關(guān)應(yīng)用

2、，分析了卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺領(lǐng)域的應(yīng)用優(yōu)勢。其次，回顧了安防視頻監(jiān)控領(lǐng)域中常見的視頻干擾檢測方法，介紹了目前圖像質(zhì)量評價檢測算法的國內(nèi)外研究現(xiàn)狀，總結(jié)了有關(guān)圖像干擾檢測的主要算法和其優(yōu)缺點。最后概括了監(jiān)控視頻干擾的種類，并著重分析了樹葉遮擋檢測和視頻清晰度評價的相關(guān)問題。
　　針對監(jiān)控領(lǐng)域的樹葉遮擋問題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和統(tǒng)計分類模型相結(jié)合的二步式檢測框架。該框架的第一步使用了卷積神經(jīng)網(wǎng)絡(luò)來定位樹葉出現(xiàn)的區(qū)域，再利用

3、先驗性統(tǒng)計得到的視頻中不同區(qū)域樹葉出現(xiàn)的概率，結(jié)合貝葉斯最大后驗概率模型完成對樹葉遮擋的檢測。對于清晰度異常檢測問題，由于清晰度或者銳利度缺乏一個較為精確的標準定義，所以對于模糊干擾的檢測難以采取二分類的方法解決。模糊干擾檢測問題本質(zhì)上是清晰度質(zhì)量評價問題。針對清晰度質(zhì)量評價的方法大多基于自然圖像統(tǒng)計數(shù)據(jù)，如基于邊緣的方法、基于頻域信息的方法等。本文使用卷積神經(jīng)網(wǎng)絡(luò)方法，通過改變卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)完成對視頻圖像清晰度的質(zhì)量評價。