[发明专利]一种基于大数据的网络视频图像分析方法

说明书

技术领域

本发明涉及一种分析方法，具体是一种基于大数据的网络视频图像分析方法。

背景技术

图像中感兴趣的物体或区域(即，目标)，通常称为图像的前景。相关技术中，常用的前景分割方法，通常是利用图像区域的颜色、纹理等图像特征将图像前景分割出来。利用颜色、纹理等特征分割图像前景，通常将图像中纹理较复杂、颜色丰富的区域确定为图像前景。但是，图像背景所包含的物体的纹理可能也比较复杂、颜色也比较丰富。因此，利用此种方法分析得到的图像前景和图像背景的准确率低。

发明内容

本发明的目的在于提供一种基于大数据的网络视频图像分析方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的网络视频图像分析方法，去除所述视频中的背景以获取待分析区域；对所述待分析区域进行头肩检测以获取头肩跟踪轨迹；对所述待分析区域跳帧进行可变形人形检测以获取人形区域，对所获得的人形区域图像进行清晰度估计，得到清晰度估计图像；逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；确定所述清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像，采用阈值法，根据预先标记的高亮像素点为定位基准点来定位生物芯片，然后根据预先设定的生物芯片属性信息，确定每个检测点的有效区域，进而，采用阈值法，根据预先标记的高亮像素点得到每个有效区域的子定位基准点，依据有效区域的子定位基准点定位标识待测物质的光斑位置，最后检测所确定的光斑位置，对光斑位置使用目标检测算法检测至少一个图像中目标的存在，所述目标检测算法使用训练图像数据来训练检测算法至少部分地基于图像的第一区域中的图像数据与至少部分地从所述训练图像数据得出的数据的外观相似性来检测目标。

作为本发明进一步的方案：所述定位基准点和子定位基准点位于对应所标识区域的右下角。

作为本发明进一步的方案：寻找定位基准点的方法如下：a）以不小于两个像素且不大于四个像素为步长遍历所述数字图像；b）针对每个遍历到的像素点，在以该像素点为中心的邻域内，计算依据预先确定的生物芯片属性对应的各统计参数，统计参数包括所述数字图像的平均亮度值、边缘加强所述数字图像后的平均亮度值，以及统计方差；c）若某个像素点满足以下条件，确认为一个基准点：c1）以该像素点为中心的邻域内的边缘加强图像的平均光斑内的信号平均值＞整个区域内的边缘阀值×0.6；c2）灰度值在边缘加强图像的以平均亮度值0.8至1.4倍为半径的邻域内的像素点的数量与其他半径相比为最多；d）计算步骤c）所得所有基准点的位置权重；e）找出位置权重最小或出现次数最多的基准点作为定位基准点。

作为本发明进一步的方案：所述对所述待分析图片进行清晰度估计，得到清晰度估计图像，包括：将所述待分析图片划分预设大小的图像区域；对于每个图像区域，在预先获得的基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵；确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量；根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。

作为本发明再进一步的方案：生物芯片定位是在定位基准点确定的情况下，按照预设的生物芯片与定位基准点的位置关系依据确定的定位基准点进行偏置得出。

与现有技术相比，本发明的有益效果是：本发明方法获得的前景图像准确率较高，适用范围广，具有很强的现实意义。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。