技术新讯 > 计算推算,计数设备的制造及其应用技术 > 视频去模糊方法、装置、计算机设备、计算机可读存储介质和计算机程序产品与流程  >  正文

视频去模糊方法、装置、计算机设备、计算机可读存储介质和计算机程序产品与流程

  • 国知局
  • 2024-07-31 22:44:13

本申请涉及人工智能,特别是涉及一种视频去模糊方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术:

1、目前人们办理金融业务需要到金融机构中进行处理,例如到银行中处理银行业务。为保证金融机构的场地安全以及机构中的用户的安全,以及对金融机构中发生的事件进行回溯,需要对金融机构进行视频监控记录,记录得到的监控视频的清晰度是反映监控记录的质量的重要指标。因此需要对监控视频进行去模糊处理。目前去模糊处理的方式通常是通过光流方法进行计算,然而,通过光流的方法去模糊,计算量大,导致去模糊的效率下降。

2、因此,目前的去模糊方法存在效率低的缺陷。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够提高效率的视频去模糊方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面,本申请提供了一种视频去模糊方法,所述方法包括:

3、获取待处理的监控视频,根据所述监控视频确定待处理的视频图像集合;

4、将所述视频图像集合输入经训练的去模糊模型,由所述去模糊模型基于特征提取层中的多个通道提取所述视频图像集合对应的特征图,通过多个采样层对将所述特征图进行采样处理后,输出去模糊后的目标视频图像;

5、根据多个所述目标视频图像,得到去模糊后的监控视频。

6、在其中一个实施例中,所述由所述去模糊模型基于特征提取层中的多个通道提取所述视频图像集合对应的特征图,包括:

7、将所述视频图像集合输入经训练的去模糊模型,由所述去模糊模型基于特征提取层中的各个通道提取所述视频图像集合对应的各个特征以及各个所述通道对应的各个权重;

8、根据各个所述权重与各个所述通道对应的各个所述特征,生成所述特征图。

9、在其中一个实施例中,所述由所述去模糊模型基于特征提取层中的各个通道提取所述视频图像集合对应的各个特征以及各个所述通道对应的各个权重,包括:

10、由所述去模糊模型基于特征提取层提取所述视频图像集合对应的各个原始特征;

11、对各个所述原始特征进行全局平均池化处理,得到处理后的各个特征;

12、将处理后的各个所述特征输入各个所述通道,基于自适应局部连接网络确定各个所述通道对应的各个权重。

13、在其中一个实施例中,所述根据各个所述权重与各个所述通道对应的各个所述特征,生成所述特征图,包括:

14、根据各个所述特征生成原始特征图;

15、对所述原始特征图进行全局平均池化处理,得到处理后的特征图;

16、将处理后的所述特征图与对应的各个所述权重进行元素相乘,得到所述特征图。

17、在其中一个实施例中,多个所述采样层包括第一采样层和第二采样层;

18、所述通过多个采样层对将所述特征图进行采样处理,包括:

19、将所述特征图输入所述第一采样层,通过所述第一采样层对所述特征图进行下采样,得到下采样后的特征图;

20、将所述下采样后的特征图输入所述第二采样层,通过所述第二采样层对所述下采样后的特征图进行上采样处理,得到去模糊后的目标视频图像。

21、在其中一个实施例中,所述根据所述监控视频确定待处理的视频图像集合,包括:

22、获取所述监控视频中的每帧视频图像;

23、根据每帧所述视频图像对应的时间顺序,获取目标数量帧的待处理的多个视频图像;

24、根据多个所述视频图像,得到待处理的视频图像集合。

25、第二方面,本申请提供了一种视频去模糊装置,所述装置包括:

26、获取模块,用于获取待处理的监控视频,根据所述监控视频确定待处理的视频图像集合;

27、输入模块,用于将所述视频图像集合输入经训练的去模糊模型,由所述去模糊模型基于特征提取层中的多个通道提取所述视频图像集合对应的特征图,通过多个采样层对将所述特征图进行采样处理后,输出去模糊后的目标视频图像;

28、生成模块,用于根据多个所述目标视频图像,得到去模糊后的监控视频。

29、第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:

30、获取待处理的监控视频,根据所述监控视频确定待处理的视频图像集合;

31、将所述视频图像集合输入经训练的去模糊模型,由所述去模糊模型基于特征提取层中的多个通道提取所述视频图像集合对应的特征图,通过多个采样层对将所述特征图进行采样处理后,输出去模糊后的目标视频图像;

32、根据多个所述目标视频图像,得到去模糊后的监控视频。

33、第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:

34、获取待处理的监控视频,根据所述监控视频确定待处理的视频图像集合;

35、将所述视频图像集合输入经训练的去模糊模型,由所述去模糊模型基于特征提取层中的多个通道提取所述视频图像集合对应的特征图,通过多个采样层对将所述特征图进行采样处理后,输出去模糊后的目标视频图像;

36、根据多个所述目标视频图像,得到去模糊后的监控视频。

37、第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:

38、获取待处理的监控视频,根据所述监控视频确定待处理的视频图像集合;

39、将所述视频图像集合输入经训练的去模糊模型,由所述去模糊模型基于特征提取层中的多个通道提取所述视频图像集合对应的特征图,通过多个采样层对将所述特征图进行采样处理后,输出去模糊后的目标视频图像;

40、根据多个所述目标视频图像,得到去模糊后的监控视频。

41、上述视频去模糊方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,通过从监控视频中确定待处理的视频图像集合,将视频图像集合输入经训练的去模糊模型,由去模糊模型基于特征提取层中的多个通道提取视频图像对应的特征图,通过多个采样层对特征图进行采样处理后,输出去模糊后的目标视频图像,根据多个目标视频图像,得到去模糊后的监控视频。相较于传统的通过光流法进行去模糊的方式,本方案通过在去模糊模型中对监控视频的视频图像集合进行多个通道的特征提取,以及多个采样层的采样处理,形成去模糊后的视频图像,提高了对监控视频进行去模糊的效率。

技术特征:

1.一种视频去模糊方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述由所述去模糊模型基于特征提取层中的多个通道提取所述视频图像集合对应的特征图,包括:

3.根据权利要求2所述的方法,其特征在于,所述由所述去模糊模型基于特征提取层中的各个通道提取所述视频图像集合对应的各个特征以及各个所述通道对应的各个权重,包括:

4.根据权利要求2所述的方法,其特征在于,所述根据各个所述权重与各个所述通道对应的各个所述特征,生成所述特征图,包括:

5.根据权利要求1所述的方法,其特征在于,多个所述采样层包括第一采样层和第二采样层;

6.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述监控视频确定待处理的视频图像集合,包括:

7.一种视频去模糊装置,其特征在于,所述装置包括:

8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结本申请涉及一种视频去模糊方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,涉及人工智能技术领域。通过从监控视频中确定待处理的视频图像集合,将视频图像集合输入经训练的去模糊模型,由去模糊模型基于特征提取层中的多个通道提取视频图像对应的特征图,通过多个采样层对特征图进行采样处理后,输出去模糊后的目标视频图像,根据多个目标视频图像,得到去模糊后的监控视频。相较于传统的通过光流法进行去模糊的方式,本方案通过在去模糊模型中对监控视频的视频图像集合进行多个通道的特征提取,以及多个采样层的采样处理,形成去模糊后的视频图像,提高了对监控视频进行去模糊的效率。技术研发人员:蒲泽栋,吴念桓受保护的技术使用者:中国工商银行股份有限公司技术研发日:技术公布日:2024/7/29

本文地址:https://www.jishuxx.com/zhuanli/20240730/194371.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。