【技术实现步骤摘要】
本申请涉及视频背景检测，特别是涉及一种背景的检测方法、会议的背景检测方法、设备及介质。
技术介绍
1、随着计算机信息技术的发展，目前许多人会利用人工智能技术能对视频进行制作或处理。
2、但是在一些特殊场景下，视频作为一种记录形式来提供有效证明，此时就需要强调视频的真实性与完整性，以保证视频传输的信息有效性。
3、但是现有的视频识别技术还不够完善，在复杂场景与细节识别方面仍需要依赖人工进行识别，识别效率不高。
技术实现思路
1、本申请主要解决的技术问题是提供一种背景的检测方法、设备及计算机可读存储介质，能够更全面和深入地评估视频背景的真实性与完整性，能够识别复杂场景，提高视频检测准确率与检测效率。
2、为解决上述技术问题，本申请第一方面提供了一种背景的检测方法，检测方法包括：
3、获取待检测图像的颜色通道数据、特征数据以及属性数据；其中，特征数据包括待检测图像的结构特征数据以及深度信息；属性数据包括环境信息；对颜色通道数据、特征数据以及属性数据进行融合处理；基于处理结果确定待检测图像的背景是否为真实背景。
4、其中，对颜色通道数据、特征数据以及属性数据进行融合处理的步骤，包括：对颜色通道数据的一致性，以及结构特征数据和深度信息的一致性进行融合检测，得到检测结果；基于检测结果以及属性数据得到所述处理结果。
5、其中，基于处理结果确定待检测图像的背景是否为真实背景的步骤，包括：若颜色通道数据的一致性和/或结构特征数据
6、其中，若颜色通道数据中存在一种或多种颜色占比大于最大设定值或小于最小设定值，确定颜色通道数据的一致性存在异常。
7、其中，待检测图像为视频图像，获取待检测图像的颜色通道数据、特征数据以及属性数据的步骤包括：对视频图像中的图像帧分别进行颜色分类，得到不同颜色的通道数据；基于不同颜色的通道数据生成图像帧的颜色直方图；对颜色直方图中各颜色的占比进行分析，若存在一种或多种颜色占比大于最大设定值或小于最小设定值，将颜色在图像中对应的区域标注为异常区域；比较图像帧相邻的至少两帧图像中异常区域中的各颜色占比；若异常区域在相邻的至少两帧图像对应的颜色直方图中也为异常区域，确定视频图像的颜色通道数据的一致性存在异常。
8、其中，获取待检测图像的颜色通道数据、特征数据以及属性数据包括：对待检测图像进行语义识别，得到结构特征数据；利用深度学习模型对结构特征数据进行深度信息提取，得到待检测图像的深度信息。
9、其中，对颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：基于时间对颜色通道数据、特征数据以及属性数据进行动态加权处理，并将加权结果确定为处理结果；其中，颜色通道数据的加权系数与属性数据中的光线条件或/和背景模式呈相关关系。
10、其中，对颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：将颜色通道数据、特征数据以及属性数据整合到同一个数据集，并进行冗余处理；将冗余处理后的数据集的数据按照相同的标准进行归一化处理，以使数据调整为相同的尺度范围；利用处理后的数据进行融合处理。
11、其中，对颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：将颜色通道数据、特征数据以及属性数据输入到异常检测模型中；利用异常检测模型对颜色通道数据、特征数据以及属性数据进行融合处理，以确定是否存在异常。
12、其中，利用异常检测模型对颜色通道数据、特征数据以及属性数据进行融合处理，以确定是否存在异常的步骤之前，还包括：获取到不同的样本图像数据，其中样本图像数据包括篡改过背景的样本数据；其中，各样本图像数据标注有是否存在异常；分别采集样本图像数据中各帧图像分别提取颜色通道数据、特征数据以及属性数据，并对各帧图像的颜色通道数据、特征数据以及属性数据是否存在异常进行标注；将标注有是否异常的颜色通道数据、特征数据以及属性数据以及对应标注有是否异常的样本图像数据输入到初始模型中；利用初始模型基于颜色通道数据、特征数据以及属性数据对样本图像数据是否存在异常进行预测；利用预测结果与标注结果对初始模型进行训练，并将训练完成后得到的模型确定为异常检测模型。
13、其中，获取待检测图像的颜色通道数据、特征数据以及属性数据的步骤之前还包括：对待检测图像进行预处理；将预处理后的图像进行初步特征提取，得到初步特征信息；其中，初步特征信息包括待检测图像的便于信息、纹理模式以及光照信息中的至少一种；获取待检测图像的颜色通道数据、特征数据以及属性数据的步骤，包括：基于预处理后的图像提取颜色通道数据、特征数据；对颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：对初步特征信息、颜色通道数据、特征数据以及属性数据进行融合处理。
14、为解决上述技术问题，本申请第二方面提供了一种会议的背景检测方法，检测方法包括：
15、实时监测当前网络会议的颜色通道数据、特征数据以及属性数据；其中，特征数据包括待检测图像的结构特征数据以及深度信息；属性数据至少包括网络会议的类型、参加人数以及场地的环境信息；对颜色通道数据、特征数据以及属性数据进行融合处理；基于处理结果确定网络会议的背景是否为真实背景。
16、为解决上述技术问题，本申请第三方面提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有程序指令，处理器从存储器调取程序指令以执行上述任一的检测方法。
17、为解决上述技术问题，本申请第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有程序数据，程序数据能够被处理器执行以实现上述任一的检测方法。
18、区别于现有技术的情况，本申请一种背景的检测方法、设备及计算机可读存储介质，能够基于颜色通道数据、特征数据和属性数据，更全面和深入地评估视频背景的真实性与完整性，能够识别复杂场景，提高视频背景检测准确率与检测效率，视频传输的信息有效性与安全性。
本文档来自技高网...【技术保护点】
1.一种背景检测方法，其特征在于，所述背景检测方法包括：
2.根据权利要求1所述的背景检测方法，其特征在于，所述对所述颜色通道数据、特征数据以及属性数据进行融合处理的步骤，包括：
3.根据权利要求2所述的背景检测方法，其特征在于，所述基于处理结果确定所述待检测图像的背景是否为真实背景的步骤，包括：
4.根据权利要求3所述的背景检测方法，其特征在于，所述背景检测方法还包括：
5.根据权利要求3或4所述的背景检测方法，其特征在于，所述待检测图像为视频图像，所述获取待检测图像的颜色通道数据、特征数据以及属性数据的步骤包括：
6.根据权利要求1～4任一项所述的背景检测方法，其特征在于，所述获取待检测图像的颜色通道数据、特征数据以及属性数据包括：
7.根据权利要求1～4任一项所述的背景检测方法，其特征在于，所述对所述颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：
8.根据权利要求1～4任一项所述的背景检测方法，其特征在于，所述对所述颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：>
9.根据权利要求1所述的背景检测方法，其特征在于，所述对所述颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：
10.根据权利要求9所述的背景检测方法，其特征在于，所述利用所述异常检测模型对所述颜色通道数据、特征数据以及属性数据进行融合处理，以确定是否存在异常的步骤之前，还包括：
11.根据权利要求1～4任一项所述的背景检测方法，其特征在于，所述获取待检测图像的颜色通道数据、特征数据以及属性数据的步骤之前还包括：
12.一种会议的背景检测方法，其特征在于，所述背景检测方法包括：
13.一种电子设备，其特征在于，所述电子设备包括：存储器和处理器，所述存储器存储有程序指令，所述处理器从所述存储器调取所述程序指令以执行如权利要求1～12任一项所述的检测方法。
14.一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存储有程序数据，所述程序数据能够被处理器执行以实现如权利要求1～12任一项所述的检测方法。
...【技术特征摘要】
1.一种背景检测方法，其特征在于，所述背景检测方法包括：
2.根据权利要求1所述的背景检测方法，其特征在于，所述对所述颜色通道数据、特征数据以及属性数据进行融合处理的步骤，包括：
3.根据权利要求2所述的背景检测方法，其特征在于，所述基于处理结果确定所述待检测图像的背景是否为真实背景的步骤，包括：
4.根据权利要求3所述的背景检测方法，其特征在于，所述背景检测方法还包括：
5.根据权利要求3或4所述的背景检测方法，其特征在于，所述待检测图像为视频图像，所述获取待检测图像的颜色通道数据、特征数据以及属性数据的步骤包括：
6.根据权利要求1～4任一项所述的背景检测方法，其特征在于，所述获取待检测图像的颜色通道数据、特征数据以及属性数据包括：
7.根据权利要求1～4任一项所述的背景检测方法，其特征在于，所述对所述颜色通道数据、特征数据以及属性数据进行融合处理的步骤包括：
8.根据权利要求1～4任一项所述的背景检测方法，其特征在于，所述对所述颜色通道数据、...
【专利技术属性】
技术研发人员：吕少卿，俞鸣园，王克彦，曹亚曦，费敏健，
申请(专利权)人：浙江华创视讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。