买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东麦港数据系统有限公司

摘要：本发明涉及视频图像变化检测的技术领域，特别是涉及一种基于人工智能的视频图像变化检测方法，包括以下步骤：与视频流服务器建立连接、视频流图像采集、采集图像处理、变化检测配置、检测区域选取、图像变化检测、检测变化信息通知和检测信息记录与分析；其实现个性化的监控需求，同时，利用人工智能技术对监控视频进行智能感知和分析，可以提高监控系统的智能化水平，自动化地发现异常情况并进行及时通知，极大地提升了监控系统的效率和可靠性。

主权项：1.一种基于人工智能的视频图像变化检测方法，其特征在于，包括以下步骤：步骤1、与视频流服务器建立连接：步骤1-1、解析视频流地址：首先解析视频流地址，提取出服务器地址、端口号和协议类型信息；步骤1-2、建立网络连接：根据提取出的信息，通过TCP协议或UDP协议尝试与视频流服务器建立网络连接；步骤1-3、发送认证信息：如果视频流服务器需要认证，在建立连接后发送认证信息给服务器进行验证；步骤1-4、协商传输参数：连接建立后，客户端和服务器需要协商传输参数；步骤1-5、开始视频流传输：参数协商完成后，服务器开始发送视频流数据给客户端，客户端接收并解码数据；步骤2、视频流图像采集：步骤2-1、定时视频帧图像采集：（1）、设置定时器：首先，设置图像采集的时间间隔，默认为1分钟，使用Python中的APScheduler库用于安排和执行定时任务，根据图像采集的时间间隔设置定时器自动采集视频图像；（2）、捕获视频流：定时器触发后，系统开始捕获视频流；（3）、提取图像帧：从捕获到的视频流中，按照定时器设定的时间间隔使用OpenCV库read函数从视频流中捕获图像帧；（4）、保存与处理：将所有图像帧调整到统一的尺寸，使用计算机视觉库OpenCV的cv2.imwrite函数将提取出的图像帧保存到指定的存储位置，以便后续分析和处理，同时，也可以根据需要对图像帧进行预处理；步骤2-2、自动视频关键帧图像采集：（1）、视频预处理：使用OpenCV库read函数从视频流读取单独的帧，视频帧率默认为25fps，以减少计算量或适应特定的分析需求，使用滤波器进行视频帧进行降噪，所使用的降噪方法采用均值滤波、高斯滤波和中值滤波进行视频帧降噪；（2）、关键帧预测：使用三帧间差分法与循环神经网络相融合的方式进行关键帧选取，将视频预处理后的视频帧利用三帧间差分法捕获相邻帧之间的帧间差异形成三帧间差，将三帧间差图作为循环神经网络模型的输入，利用循环神经网络的循环结构来捕捉帧与帧之间的时间依赖关系，学习视频帧之间的动态变化，进行理解视频内容的演变过程，通过结合时序信息和帧间差异来提高关键帧检测的准确性；步骤3、采集图像处理：步骤3-1、图像灰度化处理：图像灰度化处理是将彩色图像转换为灰度图像，其目的是将图像从三通道转换为单通道，来简化图像处理任务并减少计算量，此方法采用最大值法和加权平均值的融合方法，对原图中的像素点进行遍历分别进行灰度化处理，通过采用最大值法和加权平均值的融合方法，对原图中的像素点进行遍历分别进行灰度化处理，采用最大值法和加权平均值的融合方法，在灰度化过程中既保留图像细节和对比度，还减少颜色偏差，并提高灰度化方法的适应性和鲁棒性，其公式为： ；其中，R、G、B为RGB模型中对应数值范围[0,255]，T是最大值法所占权重；步骤3-2、图像增强：将灰度化处理后的灰度图像以直方图均衡化法为基础进行图像均衡化变换，实现图像的增强，直方图均衡化法通过对在图像中像素个数多的灰度级进行展宽，对像素个数少的灰度级进行缩减，实现对图像的非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，能有效抑制背景噪声，减少因背景元素导致的图像模糊和质量下降，还能显著增强图像的对比度，使灰度级别更为明显，细节更为清晰，有助于后续对比和分析图像内容；步骤4、变化检测配置：步骤4-1、变化检测配置：通过检测区域配置，可进行视频的指定区域检测、最小检测面积和灵敏度设置，其指定区域默认为全部区域；灵敏度数值越大灵敏度越高，取值范围为[0,100]默认为100；步骤4-2、白名单目标训练：白名单目标训练使用YOLOv9目标检测模型，根据用户实际应用场景可通过Web应用，上传符合标准的图片集，进行自定义数据集训练模型,达到根据用户实际应用中视频图像变化检测过程中白名单目标的过滤；步骤5、检测区域选取：步骤5-1、根据检测视频对检测区域配置的检测区域像素坐标X,Y,W,H，对图像进行检测区域像素值计算，其公式如下： ；其中，x0为水平方向像素坐标，y0为垂直方向像素坐标，W为区域宽度，H为区域高度；步骤5-2、白名单目标过滤：基于白名单目标训练得到的模型库，基于YOLOv9算法对采集图像中的白名单目标进行识别，获取目标匹配度和目标所在区域；步骤6、图像变化检测：步骤6-1、图像结构相似度对比：结构相似性指数的计算基于亮度、对比度和结构三个方面，首先将原始图像和参考图像分割成大小相同的小块，然后，对于每个小块，分别计算其亮度、对比度和结构的相似度，亮度相似度使用亮度的均值和方差来计算，对比度相似度使用对比度的均值和方差来计算，通过计算原始图像和参考图像之间的协方差和两者的方差来得出而结构相似度，然后，每个小块的相似度进行加权平均，得到整个图像的相似度，结构相似性指数S1的取值范围为[-1,1]，其中1表示两个图像完全相同，-1表示两个图像完全不同，值越接近1，表示两个图像的结构相似性越高，值越接近-1，表示结构相似性越低；其公式为： ；其中，x和y为检测的两张图像，μx和μy为x和y的均值，为x和y的方差，σxy为图像x和y的协方差；步骤6-2、图像特征提取与匹配：使用基于深度学习的人工智能模型，ResNet深度卷积神经网络,进行原始图像和参考图像特征的提取与匹配；步骤6-3、计算综合相似度：通过设置融合权重α，其默认值为0.75，对图像结构相似度S1与特征向量相似度S2，通过设置权重α，进行综合相似度S的计算；其公式为： ;其中，α为融合权重，S1为结构相似度，S2为特征向量相似度；通过这种方法能够结合图像结构相似度对比的图像对比能力和人工智能模型的特征提取能力，可以提高检测变化区域信息的准确性和全面性；步骤6-4、变化区域判断及保存：根据上述步骤得到综合相似度S，对变化区域选择，当综合相似度S小于0.5时，判定该区域为发生变化区域；其公式为： ;其中，S为综合相似度，O为当数值为1时变化区域，为0时非变化区域；当判断为变化区域时，首先通过OpenCV中的函数cv2.boundingRect函数，获取变化区域坐标x1,y1,w1,h1，然后，使用OpenCV中的函数cv2.rectangle函数在原始图像上绘制矩形边界框，并使用OpenCV中的函数cv2.imwrite函数将标注后的生成标注图像，最后，将原始图片、变化后图像、标注图像、变化时间区间、变化区域像素面积、变化区域像素坐标和综合相识度信息存储到数据库中；步骤7、检测变化信息通知：当检测到视频中图像发现异常变化或者重要变化时，将原始图片、变化后图像、标注图像、变化时间区间、变化区域像素面积、变化区域像素坐标和综合相识度，根据具体业务场景设置个性化的消息通知模板和通知方式，以便在检测到变化时发送准确的通知，支持邮件、短信、电话和即时消息多种方式进行通知，可及时发现视频中的异常变化或者重要变化、快速响应、提高效率、降低风险；步骤8、检测信息记录与分析：当检测到视频中图像发现异常变化或者重要变化时，将进行变化日志记录的存储，并将日志记录于人工智能模型相结合，将人工智能模型的输出结果集成到日志系统中，将智能感知结果与传统的日志数据集成，形成完整的日志记录数据集；使用机器学习和数据挖掘技术对日志数据进行智能分析，进行异常检测分析，提取关键特征并进行深入分析，并提供交互式的可视化界面，支持用户根据需求自定义查看和分析数据，将智能分析结果以图表、仪表盘形式展示出来，便于用户直观理解和分析。

全文数据：

权利要求：

百度查询： 山东麦港数据系统有限公司 一种基于人工智能的视频图像变化检测方法