(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 202210370128.1 (22)申请日 2022.04.08 (71)申请人 平安国际智慧城市科技股份有限公 司 地址 518000 广东省深圳市前海深港合作 区妈湾兴海 大道3048号前海自贸大厦 1-34层 (72)发明人 雷田子　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 陈海云　严林 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/44(2022.01)G06V 10/50(2022.01) G06V 10/46(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的视频图像检测方法及相关 设备 (57)摘要 本申请提出一种基于人工智能的视频图像 检测方法、 装置、 电子设备及存储介质， 基于 人工 智能的视频图像检测方法包括： 采集视频图像获 取初始图像数据集； 根据图像特征筛选所述初始 图像数据集以获取显著图像数据集； 计算所述待 测图像数据集中各图像的特征指标， 并将所述特 征指标输入预设的多模态计算模型获取各图像 的显著图像评分值； 计算所有显著图像评分值的 平均值以作为评分阈值， 并将大于所述评分阈值 的所有显著 图像评分值对应的图像作为有效图 像数据集； 使用所述有效图像数据集训练网络检 测模型， 并依据训练好的网络检测模 型对视频图 像进行检测以获取检测结果。 本申请可以有效去 除大量冗余视频图像， 提高视频图像的检测效 率。 权利要求书2页 说明书15页 附图2页 CN 114973057 A 2022.08.30 CN 114973057 A 1.一种基于人工智能的视频图像 检测方法， 其特 征在于， 所述方法包括： 采集视频图像获取初始图像数据集， 所述初始图像数据集包括采集到的所有图像； 根据图像特 征筛选所述初始图像数据集以获取显著图像数据集； 计算所述显著图像数据集中各图像的特征指标， 并将所述特征指标输入预设的多模态 计算模型获取 所述显著图像数据集中各图像的显著图像评分值； 计算所有显著图像评分值的平均值以作为评分阈值， 并将大于所述评分阈值的所有显 著图像评分值对应的图像作为有效图像数据集； 使用所述有 效图像数据集训练预设的网络检测模型， 并依据训练好的网络检测模型对 视频图像进行检测以获取检测结果。 2.如权利要求1所述的基于人工智能的视频图像检测方法， 其特征在于， 所述根据图像 特征筛选所述初始图像数据集以获取显著图像数据集包括： 依据特征提取算法提取所述初始图像数据集中各图像的时空兴趣点， 并将所有提取了 时空兴趣点的图像作为图像 感兴趣点集合， 所述时空兴趣点包括静态兴趣点和非静态兴趣 点； 依据尺度选择算法滤除所述图像感兴趣点集合中的静态兴趣点， 并将滤除后保留的图 像作为显著图像数据集。 3.如权利要求1所述的基于人工智能的视频图像检测方法， 其特征在于， 所述计算所述 显著图像数据集中各图像的特征指标， 并将所述特征指标输入预设的多模态计算模型获取 所述显著图像数据集中各图像的显著图像评分值包括： 对所述显著图像数据集中的图像进行预处理， 并将预处理后的所有图像作为待测图像 数据集； 计算所述待测图像数据集中各图像的特征指标， 所述特征指标包括区域对比评分值、 清晰度评分值、 色彩饱和度评分值和注意力评分值； 将所述特征指标输入预设的多模态计算模型中进行计算获取所述显著图像数据集中 各图像的显著图像评分值。 4.如权利要求3所述的基于人工智能的视频图像检测方法， 其特征在于， 所述对所述显 著图像数据集中的图像进行 预处理， 并将预处 理后的所有图像作为待测图像数据集包括： 将所述显著图像数据集中的图像转换为灰度图像后获取 灰度图像数据集； 对所述灰度图像数据集进行低通滤波后获取 滤波图像数据集； 对所述滤波图像数据集进行重采样后获取 所述待测图像数据集。 5.如权利要求3所述的基于人工智能的视频图像检测方法， 其特征在于， 所述多模态计 算模型满足关系式： 其中， Iscore为所述显著图像评分值， C、 E、 S、 A分别表示所述区域对比评分值、 清晰度评 分值、 色彩饱和度评分值和注意力评分值， 和 ψ为预设的超参数， ψ＝0.25 。 6.如权利要求1所述的基于人工智能的视频图像检测方法， 其特征在于， 所述计算所有 显著图像评 分值的平均值以作为评 分阈值， 并将大于所述评分阈值的所有显著图像评 分值权　利　要　求　书 1/2 页 2 CN 114973057 A 2对应的图像作为有效图像数据集包括： 计算所有显著图像评分值的平均值以作为评分阈值； 对比所述评分阈值和所述显著图像评分值， 并将大于评分阈值的所有显著图像评分值 对应的图像作为有效图像数据集。 7.如权利要求1所述的基于人工智能的视频图像检测方法， 其特征在于， 所述使用所述 有效图像数据集训练预设的网络检测模型， 并依据训练好的网络检测模型对视频图像进 行 检测以获取检测结果包括： 将预设的网络检测模型部署至边缘节点， 使用所述有效图像数据集进行训练， 并将训 练好的网络检测模型作为 边缘检测模型； 基于所述边缘检测模型对实时获取到的有效图像数据集中的图像进行检测获取图像 检测结果。 8.一种基于人工智能的视频图像 检测装置， 其特 征在于， 所述装置包括： 采集单元， 用于采集视频图像获取初始图像数据集， 所述初始图像数据集包括采集到 的所有图像； 筛选单元， 用于根据图像特 征筛选所述初始图像数据集以获取显著图像数据集； 获取单元， 用于计算所述显著图像数据集中各图像的特征指标， 并将所述特征指标输 入预设的多模态计算模型获取 所述显著图像数据集中各图像的显著图像评分值； 计算单元， 用于计算所有显著图像评分值的平均值以作为评分阈值， 并将大于所述评 分阈值的所有显著图像评分值对应的图像作为有效图像数据集； 检测单元， 用于使用所述有效图像数据集训练预设的网络检测模型， 并依据训练好的 网络检测模型对视频图像进行检测以获取检测结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 存储器， 存储有计算机可读指令； 及 处理器， 执行所述存储器 中存储的计算机可读指令以实现如权利要求1至7中任意一项 所述的基于人工智能的视频图像 检测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的基于 人工智能的视频图像 检测方法。权　利　要　求　书 2/2 页 3 CN 114973057 A 3