[发明专利]一种基于深度学习的图像处理方法及系统

说明书

本发明公开一种基于深度学习的图像处理方法及系统。所述方法包括：接收外部终端传输的视频文件，对外部终端进行安全检查；从视频文件中分离图像帧，并从图像帧中提取含有目标特征的重要图像帧；对重要图像帧进行校正，对校正后的重要图像帧进行清晰度调整，输出高分辨率图像；基于深度学习构建目标特征规律模型，将得到的高分辨率图像输入目标特征规律模型确定目标特征规律。采用本发明技术方案，能够提高图像处理效率，快速确定目标特征规律。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的图像处理方法及系统。

背景技术

图像处理技术是用计算机对图像信息进行处理的技术。主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等。

外部设备在请求服务器进行目标轨迹规律追踪时，要向服务器上传大量的视频文件，同时服务器每天要接收大量外部设备上传的视频文件。而在一个视频中，通常要关注的目标是有迹可循的，由此能够预测目标之后的轨迹规律。而现有的图形处理方法在进行轨迹规则判定时，一般都是人为进行大量筛查工作，效率低下。基于此，本发明提出一种基于深度学习的图像处理方法及系统，能够快速进行图像处理，以提高目标轨迹规则的筛查速率。

发明内容

本发明提供了一种基于深度学习的图像处理方法，包括：

接收外部终端传输的视频文件，对外部终端进行安全检查；

从视频文件中分离图像帧，并从图像帧中提取含有目标特征的重要图像帧；

对重要图像帧进行校正，对校正后的重要图像帧进行清晰度调整，输出高分辨率图像；

基于深度学习构建目标特征规律模型，将得到的高分辨率图像输入目标特征规律模型确定目标特征规律。

如上所述的一种基于深度学习的图像处理方法，其中，从视频文件中提取外部终端信息，计算外部终端的安全度，若外部设备的安全度高于服务器安全度，则允许对外部设备的视频文件进行图像处理，否则拒绝外部终端请求。

如上所述的一种基于深度学习的图像处理方法，其中，从图像帧中提取含有目标特征的重要图像帧，具体包括如下子步骤：

从视频分离的所有图像帧中，查找包含目标特征的首个重要图像帧；

将首个重要图像帧中的目标特征进行灰度处理，确定目标特征的灰度值；

依据目标特征的灰度分布值计算待提取图像帧与首个重要图像帧之间的帧距，根据帧距确定包含目标特征的所有重要图像帧。

如上所述的一种基于深度学习的图像处理方法，其中，对重要图像帧进行校正，具体包括如下子步骤：

从所有重要图像帧中提取目标区域，对目标区域进行反投影，比较原图像与反投影图像是否存在差异，选定差异在预定范围内的若干重要图像帧；

计算每个重要图像帧的清晰度，选择清晰度最高的图像作为参考图像帧，并对清晰度低于预设值的重要图像帧进行初始清晰度调整；

按照参考图像帧对其他重要图像帧进行像素、明暗度和特征区域调整。

如上所述的一种基于深度学习的图像处理方法，其中，从重要图像帧中提取目标区域，具体包括：获取重要图像帧中的前背景区域和未知区域，为了使未知区域中的点尽量向前背景区域靠近，以未知区域的每一个点为中心，获取其半径领域内的像素颜色与该点的像素颜色之间的距离，将该像素距离大于设定最大阈值的像素点作为前景区域，将小于设定最小阈值的像素点作为背景区域，以缩小未知区域的范围。

本发明还提供一种基于深度学习的图像处理系统，包括：

安全检查模块，用于接收外部终端传输的视频文件，对外部终端进行安全检查；