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！

龙图腾网获悉南京师范大学申请的专利一种面向异常检测的监控视频数据实时筛选方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117315527B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311178826.2，技术领域涉及：G06V20/40；该发明授权一种面向异常检测的监控视频数据实时筛选方法是由杨曦晨;李能鑫;陈天海;刘存设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本一种面向异常检测的监控视频数据实时筛选方法在说明书摘要公布了：本发明公开了一种面向异常检测的监控视频数据实时筛选方法，包括：在监控图像上添加混合失真，分析不同失真等级数据之间的质量差异，确定各个失真类型对应的筛选阈值；通过建立好的失真分类网络模块判断出输入的视频帧的失真类型；通过建立好的图像质量评价模块获取到输入的视频帧的质量分数；对输入的视频帧进行筛选和分流处理，对于质量分数高于筛选阈值的视频帧，将其排除并存储，对于质量分数低于筛选阈值的视频帧，输入到异常检测网络进行异常检测。本发明能够准确筛选并存储质量较低的视频帧，并且将筛选方法应用到异常检测，具有客观、实时性好、稳定性强的优势，有效提升视频异常检测算法在数据质量存在波动的实际应用场景中的性能。

本发明授权一种面向异常检测的监控视频数据实时筛选方法在权利要求书中公布了：1.一种面向异常检测的监控视频数据实时筛选方法，其特征在于，包括如下步骤： S1：在监控图像上添加混合失真，分析不同失真等级数据之间的质量差异，确定各个失真类型对应的筛选阈值； S2：通过建立好的失真分类网络模块判断出输入的视频帧的失真类型； 通过建立好的图像质量评价模块获取到输入的视频帧的质量分数； S3：根据步骤S2的质量分数以及失真类型对应的筛选阈值，对输入的视频帧进行筛选和分流处理，对于质量分数高于筛选阈值的视频帧，将其排除并存储至本地文件夹，对于质量分数低于筛选阈值的视频帧，输入到异常检测网络进行异常检测； 步骤S2中图像质量评价模块采用基于卷积神经网络的无参考图像质量评价方法，具体过程为： B1：对图像进行局部归一化，假设位置i,j的像素强度为Ii,j，计算其归一化值 其中：C是一个正常数，P和Q是归一化窗口大小； B2：对局部归一化的图像块采用50个卷积核进行卷积，每个卷积核生成一张特征图，对每张特征图进行最大池化和最小池化；假设表示第k个卷积核在特征图中i,j处的响应： 其中：uk，vk分别为最大值和最小值； B3：将池化结果输入两个全连接层，在全连接层中使用非线性形式的ReLU，得到最终的质量分数： g＝max0,∑iwiai 其中：g为全连接层的输出，wi为ReLU权重，ai为之前一层的输出； 步骤S2中采用基于卷积神经网络的无参考图像质量评价方法对混合失真数据集进行评价，得到每个失真类型不同失真等级数据的质量分数，质量分数的取值范围是[1,5]，从低到高表示画面质量逐渐降低，质量分数为1时表示画面质量好，几乎不存在失真，质量分数为5时表示画面质量极差，画面中目标无法辨识；分别计算每个失真组合，综合视频异常检测算法在各个失真组合、不同失真等级的数据上的测试结果，将对算法性能影响较大的失真等级4数据与失真等级3数据的质量分数平均值作为该失真组合的筛选阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京师范大学，其通讯地址为：210024 江苏省南京市鼓楼区宁海路122号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。