(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211195809.5 (22)申请日 2022.09.29 (71)申请人 深圳铸泰科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区高新南七道011号高新 工业村T3 栋A座401 (72)发明人 张树贵　程茗飞　 (74)专利代理 机构 深圳市科 冠知识产权代理有 限公司 4 4355 专利代理师 王敏 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06N 20/10(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种视频图像质量检测方法、 装置、 设备及 存储介质 (57)摘要 本发明涉及视频监控技术领域， 提供了一种 视频图像质量检测方法、 装置、 设备及存储介质， 所述方法包括： 获取样本图像数据信息； 将所述 样本图像数据信息输入卷积神经网络中， 通过所 述卷积神经网络提取样本图像数据信息的图像 特征信息并生成训练数据信息； 将所述训练数据 信息输入支持向量机模型中进行训练； 通过训练 后的所述支持向量机模型对实时图像数据信息 进行预测分析， 不仅计算量小， 计算速度较快， 还 提高了计算结果的准确性， 能够 有效避免出现遗 漏和误判的问题。 权利要求书1页 说明书5页 附图2页 CN 115546135 A 2022.12.30 CN 115546135 A 1.一种视频图像质量检测方法， 其特 征在于： 包括： 获取样本图像数据信息； 将所述样本图像数据信 息输入卷积神经网络 中， 通过所述卷积神经网络提取样本图像 数据信息的图像特 征信息并生成训练数据信息； 将所述训练数据信息 输入支持向量机模型中进行训练； 通过训练后的所述支持向量机模型对实时图像数据信息进行 预测分析。 2.如权利要求1所述的方法， 其特 征在于： 所述获取样本图像数据信息， 包括： 通过公开的数据集或图像处 理软件库获取 所述样本图像数据信息 。 3.如权利要求2所述的方法， 其特征在于： 所述样本 图像数据信息包括正常图像信息、 白屏图像信息、 黑屏图像信息、 雪花图像信息和被遮挡图像信息 。 4.如权利要求3所述的方法， 其特征在于： 所述正常图像信息通过ImageNet数据集获 取； 所述白屏图像信息、 黑屏图像信息或雪花图像信息通过OpenCV按照预设 的参数和随机 性自动生成； 所述被遮挡图像信息通过OpenCV对正常图像信息进行处 理生成。 5.如权利要求1所述的方法， 其特征在于： 所述将所述样本图像数据信 息输入卷积神经 网络中， 通过所述卷积神经网络提取样本图像数据信息的图像特征信息并生成训练数据信 息， 包括： 获取所述样本图像数据信息的768维特征向量， 每一所述768维特征向量对应一标签数 据， 每一所述标签数据对应正常图像信息、 白屏图像信息、 黑屏图像信息、 雪花图像信息和 被遮挡图像信息中的一种。 6.如权利要求5所述的方法， 其特征在于： 每一所述768维特征向量和标签数据信息组 成一条训练数据信息 。 7.如权利要求1所述的方法， 其特征在于： 所述通过训练后的所述支持向量机模型对实 时图像数据信息进行 预测分析， 包括： 通过onvif协议从摄像头获取所述实时图像数据信息， 所述实时图像数据信息的获取 频率为1分钟/次。 8.一种视频图像质量检测装置， 其特 征在于： 所述装置包括： 样本图像数据信息获取 单元， 用于获取 所述样本图像数据信息； 训练数据信息生成单元， 用于将所述样本 图像数据信息输入卷积神经网络中， 通过所 述卷积神经网络提取样本图像数据信息的图像特 征信息并生成训练数据信息； 训练数据信息训练单 元， 用于将所述训练数据信息 输入支持向量机模型中进行训练； 实时预测分析单元， 用于通过训练后的所述支持向量机模型对实时图像数据信 息进行 预测分析。 9.一种视频图像质量检测设备， 包括存储器、 处理器以及存储在所述存储器中并可在 所述处理器上运行 的计算机程序， 其特征在于： 所述处理器执行所述计算机程序时实现如 权利要求1至7任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于： 所述计算机程序被处 理器执行时实现如权利要求1至7任一项所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 115546135 A 2一种视频图像质量 检测方法、 装置、 设备及存储介质 技术领域 [0001]本发明属于视频监控技术领域， 尤其涉及一种视频图像质量检测方法、 装置、 设备 及存储介质。 背景技术 [0002]摄像头在日常生活中扮演着越来越重要的角色， 为了得到有效、 清晰的视频图像， 必须保障摄像头的正常工作， 然而， 在实际运行过程中， 由于存在设备故障和环境影响等因 素， 摄像头经常会出现白屏、 黑屏， 雪花屏， 被外物遮挡等情况， 导致摄像头不能录取有效、 清晰的视频图像信息， 进而影响了很多监控工作的进 行， 因此， 实时对摄像头所拍摄的视频 图像质量进行检测就变得尤为重要， 目前普遍采用的视频图像质量检测方法通常都是通过 人工进行判断的。 [0003]然而， 由于人工检测存在较为明显的主观性， 容易造成遗漏和误判， 不仅费时费 力， 判断结果也不准确， 在视频图像质量异常时不能及时发现 并报告摄像机的情况， 非常影 响工作效率。 发明内容 [0004]本发明的目的在于提供一种视频图像质量检测方法、 装置、 设备及存储介质， 旨在 解决由于现有技术无法提供一种视频图像质量检测方法， 导致对视频图像质量检测不准 确， 容易遗漏和误判的问题。 [0005]一方面， 本发明提供了一种视频图像质量检测方法， 包括： [0006]获取样本图像数据信息； [0007]将所述样本图像数据信息输入卷积神经网络中， 通过所述卷积神经网络提取样本 图像数据信息的图像特 征信息并生成训练数据信息； [0008]将所述训练数据信息 输入支持向量机模型中进行训练； [0009]通过训练后的所述支持向量机模型对实时图像数据信息进行 预测分析。 [0010]优选的， 所述获取样本图像数据信息， 包括： [0011]通过公开的数据集或图像处 理软件库获取 所述样本图像数据信息 。 [0012]优选的， 所述样本图像数据信息包括正常图像信息、 白屏图像信息、 黑屏图像信 息、 雪花图像信息和被遮挡图像信息 。 [0013]优选的， 所述正常图像信息通过Im ageNet数据集获取； 所述白屏图像信息、 黑屏图 像信息或雪花图像信息通过OpenCV按照预设的参数和随机性自动生成； 所述被遮挡图像信 息通过OpenCV对正常图像信息进行处 理生成。 [0014]优选的， 所述将所述样本图像数据信息输入卷积神经网络中， 通过所述卷积神经 网络提取样本图像数据信息的图像特 征信息并生成训练数据信息， 包括： [0015]获取所述样本图像数据信息的768维特征向量， 每一所述768维特征向量对应一标 签数据， 每一所述标签数据对应正常图像信息、 白屏图像信息、 黑屏图像信息、 雪花图像信说　明　书 1/5 页 3 CN 115546135 A 3