[发明专利]基于深度神经网络的视频序列丢失帧预测恢复方法在审
| 申请号： | 201810027925.3 | 申请日： | 2018-01-11 |
| 公开（公告）号： | CN108184128A | 公开（公告）日： | 2018-06-19 |
| 发明（设计）人： | 李泽瑞;杨钰潇;杜晓冬;吕文君 | 申请（专利权）人： | 安徽优思天成智能科技有限公司 |
| 主分类号： | H04N19/65 | 分类号： | H04N19/65 |
| 代理公司： | 北京和信华成知识产权代理事务所(普通合伙) 11390 | 代理人： | 胡剑辉 |
| 地址： | 230000 安徽省合肥市高新区*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的基于深度神经网络的视频序列丢失帧预测恢复方法，运用深度学习相关理论，利用深度卷积网络自动抽取图像特征以及LSTM长短时记忆网络对时间序列的记忆学习能力，用固定数量的视频帧图像数据作为训练样本训练该网络，进而进行视频序列中丢失帧的恢复预测，本发明极大程度上利用了视频帧图像的内在特征以及帧间图像的相似性与连贯性，提高了预测精度与效率，同时具有较强的泛化能力，具有一定的社会价值和现实意义。 | ||
| 搜索关键词： | 视频序列 丢失帧 视频帧图像 预测 神经网络 恢复 记忆网络 记忆学习 时间序列 图像特征 现实意义 训练样本 帧间图像 自动抽取 连贯性 卷积 网络 学习 | ||
【主权项】：
1.基于深度神经网络的视频序列丢失帧预测恢复方法，其特征在于，具体包括以下步骤：步骤S1，收集视频序列中预定数量的连续视频帧图像，构造数据集；步骤S2，构造基于卷积编码解码器的LSTM深度神经网络结构；步骤S3，根据步骤S1构造的数据集，构造基于LSTM的深度神经网络结构的训练数据集、验证数据集和测试数据集；步骤S4，将步骤S3中的训练数据集送入步骤S2中构造的基于卷积编码解码器的LSTM深度神经网络结构中，进行网络训练，然后采用步骤S3中的验证数据集和测试数据集对训练所得的参数进行调整，逐步提高预测精度；步骤S5，将经过步骤S4中网络训练、验证、测试后的基于卷积编码解码器的LSTM深度神经网络结构作为视频序列丢失帧的预测恢复模型，将位于丢失帧之前的视频帧图像，输入基于卷积编码解码器的LSTM深度神经网络中，经过模型对输入数据的自主学习，最终可得到该丢失帧的预测恢复图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽优思天成智能科技有限公司，未经安徽优思天成智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810027925.3/，转载请声明来源钻瓜专利网。
