[发明专利]一种基于神经网络的视频片段自动抽取系统及方法

说明书

本发明公开了一种基于神经网络的视频片段自动抽取系统及方法，系统包括：多个检测服务器，其用于检测输入的原始视频数据，通过机器学习视觉识别算法识别出违规操作视频数据；第一数据库，其用于存储所述多个检测服务器识别出的违规操作视频数据；第二数据库，其用于呈现和筛选所述多个检测服务器识别出的违规操作视频数据的条目。本发明提供的基于神经网络的视频片段自动抽取系统及方法，通过机器学习视觉识别算法自动识别出违规操作视频数据，节省了安监人员筛选违规操作视频数据需要耗费的人力，并且可以呈现和筛选违规操作视频数据的条目，能够更加直观地展示违规操作情况，通过神经网络模型提取出精准图像，更为直观地展示违规操作行为。

技术领域

本发明涉及视频识别处理领域，尤其涉及一种基于神经网络的视频片段自动抽取系统及方法。

背景技术

目前，传统的码头在不断往自动化码头的方向发展，其中堆场内集卡将逐渐被替换成无人驾驶卡车，而无人驾驶卡车的行进过程需要桥吊驾驶员集中注意力及逆行操作，所以对桥吊驾驶员的行为进行规范变得非常重要。

桥吊驾驶员的违规操作包括违规操作电子设备、抽烟、打瞌睡、不佩戴安全带等行为，由此可能会影响桥吊驾驶员的判断和注意力，造成无人驾驶卡车的错误配合，影响整体调度。

现有技术中对于人员的行为规范通常由码头的安监部门安排人员对桥吊驾驶员的行为进行实时监控，需要负责监控的人员手动记录下违规操作的时间和摄像头地址来截取视频片段进行留档。如果负责监控的人员数量不够，容易造成视频数据遗漏的不良后果，如果增加人员数量又会因为人力成本的提高而造成资源的浪费。

因此有必要提供一种基于神经网络的视频片段自动抽取的系统及方法，可以对人员的行为规范的视频片段进行自动抽取。

发明内容

本发明所要解决的技术问题是提供基于神经网络的视频片段自动抽取系统，通过机器学习视觉识别算法自动识别出违规操作视频数据，节省了安监人员筛选违规操作视频数据需要耗费的人力，并且可以呈现和筛选违规操作视频数据的条目，能够更加直观地展示违规操作情况。

本发明为解决上述技术问题而采用的技术方案是提供一种基于神经网络的视频片段自动抽取系统，包括：

多个检测服务器，其用于检测输入的原始视频数据，通过机器学习视觉识别算法识别出违规操作视频数据；

第一数据库，其用于存储所述多个检测服务器识别出的违规操作视频数据；

第二数据库，其用于呈现和筛选所述多个检测服务器识别出的违规操作视频数据的条目。

优选地，所述通过机器学习视觉识别算法识别出违规操作视频数据包括获取所述原始视频数据的帧数信息，在预设帧数之内，若连续检测到无违规图像的数量达到第一数值则记录为无违规判断点，若累计检测违规图像的数量达到第二数值则记录为违规判断点，从开始检测的第一帧开始保存帧数，从第一帧开始到所述违规判断点之间的帧数组成所述违规操作视频数据。

优选地，所述预设帧数为123帧，所述第一数值为15帧，所述第二数值为78帧。

优选地，所述帧数信息是由分布式数据库fastDFS存储的。

优选地，所述违规操作视频数据包括违规操作电子设备、抽烟、打瞌睡、不佩戴安全带的行为。

优选地，所述呈现和筛选所述多个检测服务器识别出的违规操作视频数据的条目包括从所述违规操作视频数据中通过神经网络模型提取出精准图像，用于快速判断所述违规操作。

优选地，还包括：

违规操作视频数据预览模块，其用于从所述第一数据库获取所述违规操作视频数据，每隔预设的帧数进行循环展示；

搜索模块，其用于对所述违规操作视频数据进行搜索，搜索类目包括：仓位、时间以及违规类别；