[发明专利]一种基于CNN的模糊异常视频识别方法在审
| 申请号： | 201811088546.1 | 申请日： | 2018-09-18 |
| 公开（公告）号： | CN109299687A | 公开（公告）日： | 2019-02-01 |
| 发明（设计）人： | 刘宏基 | 申请（专利权）人： | 成都网阔信息技术股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 刘东 |
| 地址： | 610041 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN的模糊异常视频识别方法，首先对视频进行关键帧截取。再将截取的图像进行预处理。然后人工对样本打“标签”，进一步，将带标签的样本按照一定比例分成训练集和样本集。再用自主研发的人工智能框架设置训练参数，搭建CNN网络，进行模糊异常视频识别训练。将训练后的网络文件对未知样本集进行识别，再辅以人工分类矫正，扩充训练数据集，进行迭代训练。解决了筛选监控模糊异常视频时极其耗费人力、覆盖度不高、精确度不高、运算效率低下等问题。 | ||
| 搜索关键词： | 异常视频 模糊 样本集 截取 样本 标签 预处理 训练数据集 人工智能 迭代训练 框架设置 人工分类 识别训练 网络文件 训练参数 运算效率 覆盖度 关键帧 训练集 研发 矫正 视频 筛选 图像 监控 网络 | ||
【主权项】：
1.一种基于CNN的模糊异常视频识别方法，其特征在于：包括以下步骤：S1、获取视频样本；S2、对S1获取的视频样本进行处理；S3、构建CNN网络结构，所述CNN网络结构为训练网络，此训练网络包括三个卷积层、两个池化层和一个输出层；S4、将步骤S2处理后的样本送入步骤S3建立的训练网络中进行识别训练，训练完成后，用测试程序把得到的网络文件对未知样本集进行分类识别，再辅以人工矫正，进行迭代训练，得到最终的CNN网络。
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成都网阔信息技术股份有限公司，未经成都网阔信息技术股份有限公司许可，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/201811088546.1/，转载请声明来源钻瓜专利网。
