(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 202210190701.0 (22)申请日 2022.02.28 (71)申请人 合肥指南针电子科技有限责任公司 地址 230000 安徽省合肥市高新区望江西 路800号合肥创新产业园C4楼707- 710 室 (72)发明人 石晔　党连坤　 (74)专利代理 机构 合肥市长 远专利代理事务所 (普通合伙) 34119 专利代理师 孙丽丽 (51)Int.Cl. G06T 5/00(2006.01) G06T 3/40(2006.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06V 10/80(2022.01) G06N 3/04(2006.01) G06Q 50/26(2012.01) (54)发明名称 一种基于监控视频图像质 量增强算法的智 能防控方法 (57)摘要 本发明公开了一种基于监控视频图像质量 增强算法的智能防控方法， 涉及智能防控领域， 特别涉及一种基于监控视频图像质量增强算法 的智能防控 方法， 其中方法包 括以下步骤： S1， 通 过智能的监控视频构建安防系统； S2， 通过所述 安防系统全天候无死角的监控被监控对象的行 为； S3， 通过内置所述安防系统中的基于超分重 建的监控视频图像质量增强算法， 对被监控对象 的行为进行记录。 本发明可以对3 ×2＝6路监控 视频内容进行有效增强， 帮助有效发现被监控对 象危险行为和积极行为， 提高不同应用场景下， 被监控对象危险行为和积极改造的事件或行为 检测分析的准确率。 权利要求书1页 说明书5页 附图2页 CN 114897707 A 2022.08.12 CN 114897707 A 1.一种基于监控视频图像质量增强算法的智能防控方法， 其特 征在于， 包括以下步骤： S1， 通过智能的监控视频构建安防系统； S2， 通过所述安防系统全天候无 死角的监控被监控 对象的行为； S3， 通过内置所述安防系统中的基于超分重建的监控视频图像质量增强算法， 对被监 控对象的行为进行记录 。 2.根据权利要求1所述的方法， 其特征在于： 步骤3中的图像质量增强算法采用基于参 考图像纹理相似性的深度学习 转换网络SRNTT， 进行监控视频图像质量增强； 所述SRNTT包 括特征交换和纹 理交换。 3.根据权利要求2所述的方法， 其特 征在于， 所述特 征交换的步骤 包括： a1， 将LR图像和Ref图像分成固定大小的图像块； a2， 在神经特征空间φ(I)中计算LR图像和Ref图像每个块之间的特征相似度， 对于相 似度高的图像块则进行 特征替换； a3， 给定LR图像ILR和Ref图像IRef， ILR将上采样到与IRef相同大小得到ILR↑； a4， 对IRef进行三线性下采样和上采样的退化处理， 从而模拟模糊的图像效果得到IRef ↓ ↑； a5， 采用内积方法计算相似度， 第i个LR图像块和第j个Re f图像块之间的相似度可以被 表示为特征图之间的内积 其中Pi表示第i个图像块 的特征图； a6， 基于步骤a5计算的相似度， 构建一个交换特征图M， 用来代表增强纹理后的LR图像 的特征， 该操作表示为 w(x,y)指的 是索引， 即以(x,y)为中心的块的索引， M是交换后得到的特 征图。 4.根据权利要求3所述的方法， 其特征在于： 所述纹理交换是将经过特征交换后得到交 换特征图M和纹理特征融合并解码生成最终图像； 第l层的纹理迁移网络结构， 它需要两个 输入， 分别为第l ‑1层输出的纹理特征 ψl和交换特征图Ml， 为了更好地融合两者， 先将Ml和 ψl 在特征通道维度叠加在一起， 再输入到卷积残差块中生成残差的纹理特征， 最后使用跳跃 连接将该残差特征和 ψl相加得到融合后的纹理特征并上采样为ψl+1， 经过多次纹理迁移和 上采样， 最终得到包 含精细纹 理的生成结果。 5.一种计算机可读存储介质， 其特征在于： 介质上存有计算机程序， 计算机程序运行 后， 执行如权利要求1至4中任一项所述的基于监控视频图像质量增强算法的智能防控方 法。 6.一种计算机系统， 其特征在于： 包括处理器、 存储介质， 存储介质上存有计算机程序， 处理器从存储介质上读取并运行计算机程序以执行如权利要求1至4中任一项所述的基于 监控视频图像质量增强算法的智能防控方法。权　利　要　求　书 1/1 页 2 CN 114897707 A 2一种基于监控视频图像质量增强算法的智能防控方 法 技术领域 [0001]本发明涉及智能防控领域， 特别涉及一种基于监控视频图像质量增强算法的智能 防控方法。 背景技术 [0002]传统的监管场所监控系统通常拥有多个视频采集前端， 采用监视器实现画面轮 巡， 轮巡周期称为监控空白区， 即这段时间里， 监管人员无法观察到画 面的时间长达数十分 钟， 监控有效性低， 其次很多监控场所在日常工作中把视频图像系统仅仅定位在日常监控 和事后倒查上， 视频应用与现实业务贴合程度不够， 没有深度挖掘图像信息化数据， 通过视 频技术简化业务流程的应用程度也不高， 没有最大限度地解放监管人员的人力 资源， 不能 将监管人员从低端重复的工作中解 放出来。 发明内容 [0003]为了解决现有问题， 本发明提供了一种基于监控视频图像质量增强算法的智能防 控方法， 具体方案如下： [0004]一种基于监控视频图像质量增强算法的智能防控方法， 包括以下步骤： [0005]S1， 通过智能的监控视频构建安防系统； [0006]S2， 通过所述安防系统全天候无 死角的监控被监控 对象的行为； [0007]S3， 通过内置所述安防系统中的基于超分重建的监控视频图像质量增强算法， 对 被监控对象的积极行为和危险行为进行记录 。 [0008]优选的， 步骤3中的图像质量增强算法采用基于参考图像纹理相似性的深度学习 转换网络SRNT T， 进行监控视频图像质量增强； 所述SRNT T包括特征交换和纹 理交换。 [0009]优选的， 所述特 征交换的步骤 包括： [0010]a1， 将LR图像和Ref图像分成固定大小的图像块； [0011]a2， 在神经特征空间φ(I)中计算LR图像和Ref图像每个块之间的特征相似度， 对 于相似度高的图像块则进行 特征替换； [0012]a3， 给定LR图像ILR和Ref图像IRef， ILR将上采样到与IRef相同大小得到ILR↑； [0013]a4， 对IRef进行三线性下采样和上采样的退化 处理， 从而模拟模糊的图像效果得到 IRef↓ ↑； [0014]a5， 采用内积方法计算相似度， 第i个LR图像块和第j个 Ref图像块之间的相似度可 以被表示为特征图之间的内积 其中 Pi表示第i个 图像块的特 征图； [0015]a6， 基于步骤a5计算的相似度， 构建一个交换特征图M， 用来代表增强纹理后的LR说　明　书 1/5 页 3 CN 114897707 A 3