摘要
本发明属于视频图像处理技术领域,具体的说是一种基于深度学习的视频分析提取方法及系统,包括以下步骤:S1、通过神经网络模型对经过自适应降噪和增强之后的待处理的视频图像的目标特征进行提取;S2、基于S1提取的待处理视频图像的特征使用YOLOv5对待处理的视频帧进行目标物检测;S3、采用无监督学习方法对S2得到的目标物进行标注;S4、根据S3得到目标物标注的结果,计算目标物在视频帧中的位置信息,并将计算得到的位置信息与根据目标中其他类型计算信息得到的位置信息进行对比得到差值,并根据差值验证结果;在对目标物进行标注时引入了反馈机制对每一帧的处理结果进行评估和校正,并以此提高位置信息的准确性。
技术关键词
视频分析
无监督学习方法
输出特征
神经网络模型
同步记录系统
视频图像处理技术
卡尔曼滤波
模块
视频帧
状态空间模型
网格
组合深度
自动编码器
误差
噪声
数据校正
系统为您推荐了相关专利信息
多尺度形态学
缺陷检测方法
生成融合图像
深度学习网络模型
像素点
动作识别方法
动作识别模型
视频流
神经网络模型
人体重识别
眼底彩照
病理性近视
模型构建方法
金字塔池化模块
特征提取器
特征表征方法
代表
视频
深度卷积网络
双线性插值
历史运行状态
故障诊断模型
在线监测预警方法
风电机组运行状态
深度神经网络模型