[发明专利]一种基于神经网络算法的智能内后视镜实时去模糊方法

摘要

本发明公开了一种基于神经网络算法的智能内后视镜实时去模糊方法。本发明采集道路交通视频产生模糊帧与清晰帧，之后重复训练时空递归的CNN去模糊神经网络，得到最优去模糊模型，然后将摄像头采集到的后方路面视频图像作为输入，获得的输出便是去模糊处理后的动态视频。本发明提供了一种替代传统外后视镜的智能内后视镜实现，可以在减小风阻、消除大货车视觉盲区、适用于恶劣天气等方面有很好的表现；使用深度神经网络生成的网络，与传统图像处理方法比去模糊效果更佳；改进传统CNN网络去模糊架构，提出基于时空递归的思想，在不增加网络参数的情况下扩大网络接受域，使得去模糊的效率大大提高，可以实现实时性，达到与传统外后视镜一致的效果。

主权项

1.一种基于神经网络算法的智能内后视镜实时去模糊方法，其特征在于，所述方法包括：获得数据集，并划分训练集和测试集。获得数据集方法：采集道路交通视频，对间隔时间非常短的清晰图像求平均来获得模糊图像，合成交通运动模糊视频，产生模糊帧与清晰帧对；将合成的交通视频按帧输入到时空递归的CNN去模糊神经网络中，即前向传播依次通过编码器、动态时域混合网络以及解码器，获得去模糊处理后的去模糊帧；计算通过该时空递归CNN去模糊网络后的去模糊帧与清晰帧间的差距，得到损失值；根据损失值，利用反向传播算法对生成式CNN网络进行反向传播，更新网络权重，接着更新当前帧为下一帧图像；利用下一个模糊帧重复训练该网络，定期计算测试集数据的损失值大小，观察效果。直到训练集视频所有帧去模糊化完成或者测试集达到最小损失值，便得到最优去模糊模型；得到最优去模糊模型后，将摄像头采集到的后方路面视频图像作为输入，获得的输出便是去模糊处理后的动态视频。