(19)中华 人民共和国 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 202111651686.7 (22)申请日 2021.12.3 0 (71)申请人 山东土地集团数字科技有限公司 地址 250014 山东省济南市历下区奥体西 路2666号铁建大厦C座2516 (72)发明人 陈亮　杜金亮　杨熳　 (74)专利代理 机构 济南舜科知识产权代理事务 所(普通合伙) 37274 代理人 张帅 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种深度学习监控视频遮挡的识别系统及 方法 (57)摘要 本发明设计图像处理技术领域， 具体公开了 一种深度学习监控视频遮挡的识别系统及方法， 包括图像采集设备、 图像处理服务器和图像分析 平台， 所述图像采集设备设有若干摄像机， 摄像 机连接网络模块， 用于将实时监控视频和截取图 片传输至图像处理服务器， 图像处理服务器上安 装有图像预处理平台， 图像预处理平台对采集的 截取图片进行对比、 删除和分类存储， 图像处理 服务器上还安装有图像分析平台， 用于对图像预 处理后的截 取图片进行分析判断遮挡率； 本发明 通过直方图和训练深度学习模型， 对存储器中的 图片做双重遮挡率检测， 先检测遮挡图片的占 比， 再检测直方图中像素值的占比， 使检测更加 准确， 提高对摄 像机遮挡率检测的准确率。 权利要求书2页 说明书5页 附图1页 CN 114299451 A 2022.04.08 CN 114299451 A 1.一种深度 学习监控视频遮挡的识别系统， 其特征在于， 包括图像采集设备、 图像处理 服务器和图像分析平台， 所述图像采集设备设有若干摄像机， 摄像机连接网络模块， 用于将 实时监控视频和截取图片传输至图像处理服务器， 图像处理服务器上安装有图像预处理平 台， 图像预处理平台对采集的截取图片进 行对比、 删除和分类存储， 图像处理服务器上还安 装有图像分析平台， 用于对图像预处 理后的截取图片进行分析判断遮挡率。 2.根据权利要求1所述的深度 学习监控视频遮挡的识别系统， 其特征在于， 所述图像处 理服务器内设有存储器， 用于存储摄像机采集的监控视频和截取图片， 存储器内设定视频 文件和图片文件的保存时间为1个月。 3.根据权利要求1所述的深度 学习监控视频遮挡的识别系统， 其特征在于， 所述图像处 理服务器上还安装有视频截图软件， 视频截图软件内设有预置点， 每到一个预置点截取一 张图片， 截 取图片的时间为15 ‑20秒， 预置点的设置间隔为2分钟， 用于对摄像机采集的监控 视频进行图像截取 形成截取图片。 4.根据权利要求1 ‑3任一所述的深度学习监控视频遮挡的识别方法， 其特征在于， 包括 以下步骤： 1)摄像机进行编号录入图像预处理平台和图像分析平台上， 摄像机安装后7天内的监 控视频和截取图片全保存在存 储器中， 用于作为训练图集的素 材， 并训练深度学习模型； 2)摄像机实时监控视频通过网络模块传输至图像处理服务器， 形成两分钟一段的短视 频， 视频截图软件将短视频进行截取成两分钟一张的图片， 短视频直接进入 存储器； 3)截取图片通过网络模块传输 至图像处 理服务器中， 并进入图像预处 理平台； 4)图像预处理平台将按时间前后顺序的截取图片分别与训练图集中的图片进行对比， 截取图片与训练图集中的图片的相似度达到100％， 则将截 取图片删除到存放箱中， 存放箱 中存放7天自动删除， 截取图片与训练 图集中的图片的相似度不到100％， 则将截取图片均 保存在存 储器中； 5)图像分析平台对存储器 中的图片进行分析判断遮挡率， 存储器 中的截取图片与已训 练好的深度学习模型进行对比， 以确定差别区域在截取图片 中的位置和颜色， 若是差别区 域为黑色， 且黑色面积占截 取图片的比例超过设定的阈值 10％， 则说明发生近距离遮挡， 若 是其他颜色， 则判断区别区域在截取图片上的位置和颜色； 6)存储器中的截取图片进行量化后在RGB颜色空间计算直方图， 通过直方图计算截取 图片中不同区域的像素值比例， 与训练图集中图片的直方图进行对比， 确定差别区域的在 截取图片中的位置； 7)若是截取图片与训练图集中图片的差别区域的位置相同颜色不同， 则是监控区域内 土地使用状态发生变化； 8)若是截取图片与训练图集中图片的差别区域的位置不同， 颜色不是黑色， 且差别区 域的像素值所占比例超过设定的阈值10％， 则是发生 其他色彩物品遮挡。 5.根据权利要求4所述的深度 学习监控视频遮挡的识别方法， 其特征在于， 所述步骤1) 中的深度学习模型采用摄像机前期拍摄的图片作为训练图集， 训练 图集通过PPYOLO  v2软 件进行训练， 通过软件的初始模型使用COCO数据集进行训练， 得到摄像机拍摄图片的深度 学习模型。 6.根据权利要求4所述的深度 学习监控视频遮挡的识别方法， 其特征在于， 所述步骤4)权　利　要　求　书 1/2 页 2 CN 114299451 A 2中的截取图片与训练图集中的图片的相似度采用直接生成的原始直方图进 行匹配， 分别计 算两幅图片的直方图， HistA和HistB， 然后计算两个直方图的归一化相关系数， 归一化相关 系数包括巴氏距离和直方图相交距离 。 7.根据权利要求4所述的深度 学习监控视频遮挡的识别方法， 其特征在于， 所述步骤6) 中的RGB颜色空间计算直方图一般由R、 G、 B三个通道构成， 每一个通道由8位构成， 最大为 255， 如果直接根据三个通道每一个不同的值构造直方图数据量非常大， 为256*256*256＝ 256三次方个bins， 为简单起见， 每一个通道设置8个bins， 这样一来， 每一个通道最大值 256/8＝32， 即每一个通道划分8bins， 每一个bins里面存放32个数， 0 ‑31， 32‑63， 64‑ 127， ......224‑255， RGB颜色空间转 化为一维总共8*8*8＝512个bi ns。权　利　要　求　书 2/2 页 3 CN 114299451 A 3