[发明专利]一种面向公交巡检视频的关键帧获取方法

说明书

本发明提供一种，具体包括：对公交巡检视频利用改进的YOLOX算法对每一帧进行目标检测；根据步骤一获得的检测结果，去除其中的无效数据；根据步骤二所得的处理后的检测结果，利用可用帧查找算法，获得可用帧序列；将可用帧序列输入DGoogLeNet网络，获得公交巡检视频中的关键帧。本发明提出的关键帧获取算法可以帮助我们大幅提高对公交站牌的异常检测效率。

技术领域

本发明涉及图像处理领域，具体涉及一种面向公交巡检视频的关键帧获取方法。

背景技术

随着人工智能领域的飞速发展，计算机视觉技术逐渐融入到人们的生活中并且正在改变着人们的生活、经营、生产方式，为各行各业的发展提供了更有力的支撑。

然而，对于企业而言，在大数据时代的背景下，如何处理和利用好在生产活动中收集到的海量数据，对企业提高效率起到至关重要的作用。

在视频领域中存在着大量冗余信息，使得在视频中寻找含有特定目标的帧时，浪费大量算力。如果对视频提取关键帧，则能减少很多的时间。

伴随公共交通飞速发展，大量智能站牌存在被破坏的情况，当前大多数公交公司仍然通过人工对站牌进行检查。由于目前公交车上大都装有摄像头，会采集大量站牌视频。因此通过对公交巡检视频进行分析处理，并判断异常情况，则可以提高企业的工作效率。本发明可以帮助我们在公交巡检视频中获取包含站牌的关键帧，提高分析处理速度。

计算机视觉技术的出现，大大提高了生产作业的效率，避免了因主观判断等影响检测结果的准确性，也节省大量人力。

发明内容

根据现有技术的不足以及公交巡检视频的特点，本发明的目的在于提供一种面向特定场景视频的关键帧获取方法。本发明采用如下技术方案：首先基于目标检测技术(例如YOLO算法)，通过可用帧查找算法获取视频中的可用帧序列；进一步再利用卷积神经网络在视频中寻找关键帧。该方法极大地提升了生产过程中对公交巡检视频的分析处理效率。

实现本发明目的的技术方案是：一种面向公交巡检视频的关键帧获取方法，包括如下步骤：

步骤一、对公交巡检视频利用改进的YOLOX算法对每一帧进行目标检测；

步骤二、根据步骤一获得的检测结果，去除其中的无效数据；

步骤三、根据步骤二所得的处理后的检测结果，利用可用帧查找算法，获得可用帧序列；

步骤四、将可用帧序列输入DGoogLeNet网络，获得公交巡检视频中的关键帧。

本发明进一步的改进在于，步骤一中将YOLOX的损失函数更换为Focal Loss 损失函数，在训练过程中，数据集中容易分类的样本的准确率可以达到99％，而那些难分类的样本的准确率则很差。Focal loss减小了正确分类的样本的权值，而不是给所有的样本同样的权值。这和给与训练样本更多的难分类样本时一样的效果。因此我们将YOLOX中的损失函数替换为Focal Loss损失函数；

本发明进一步的改进在于，步骤二中利用交并比策略去除无效的检测结果，以免影响后续的处理结果。

本发明进一步的改进在于，步骤三中提出可用帧查找算法，该算法根据步骤二检测结果中必要部分的参数对帧进行分类，并将可用帧序列作为步骤四中模型的输入。

本发明进一步的改进在于，步骤四中利用GoogLeNet构建DGoogLeNet孪生网络实现一个图片质量评估模型，该孪生网络共享权值，在经过预训练与IQA数据集微调后，借助该模型获取关键帧。

本发明的有益效果为：