(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 202210182143.3 (22)申请日 2022.02.25 (71)申请人 包头市迪迦科技有限公司 地址 014030 内蒙古自治区包头市青山区 包头装备制造产业园区管委会B座813 房间 (72)发明人 陶小芳　 (74)专利代理 机构 北京中南长风知识产权代理 事务所(普通 合伙) 11674 专利代理师 李青 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/75(2022.01) G06K 9/62(2022.01)G06N 5/00(2006.01) G06T 17/00(2006.01) (54)发明名称 一种基于三维模型的视频智能融合方法及 系统 (57)摘要 本发明提供了一种基于三维模型的视频智 能融合方法及系统， 方法包括： 遍历第一站场图 像采集装置， 获得第一视频融合素材进行特征提 取， 获得第一特征信息集包括第一特征值信息集 和第一特征类型信息集输入图像筛选模型， 获得 第一筛选结果包括一一对应的待处理图像集和 待处理特征信息集； 遍历待处理特征信息集， 匹 配第一处理模块、 第二处理模块直到第N处理模 块； 将待处理图像集依次输入第一处理模块、 第 二处理模块直到第N处理模块， 获得第一处理结 果图像集输入第一空间坐标系， 获得第一相对位 置坐标集； 根据第一处理结果图像集和第一相对 位置坐标集， 构建第一 三维全景监控图。 权利要求书3页 说明书14页 附图3页 CN 114565815 A 2022.05.31 CN 114565815 A 1.一种基于三维模型的视频智能融合方法， 其特 征在于， 所述方法包括： 遍历第一站场图像采集装置， 获得第一视频融合素 材； 对所述第 一视频融合素材进行特征提取， 获得第 一特征信 息集， 其中， 所述第 一特征信 息集包括第一特 征值信息集和第一特 征类型信息集； 将所述第一特征值信 息集和所述第 一特征类型信 息集输入图像筛选模型， 获得第 一筛 选结果， 其中， 所述第一筛 选结果包括 一一对应的待处 理图像集和待处 理特征信息集； 遍历所述待处 理特征信息集， 匹配第一处 理模块、 第二处 理模块直到第N处 理模块； 将所述待处理图像集依次输入所述第一处理模块、 所述第二处理模块直到所述第N处 理模块， 获得第一处 理结果图像集； 将所述第一处 理结果图像集输入第一空间坐标系， 获得第一相对位置坐标集； 根据所述第一处理结果图像集和所述第一相对位置坐标集， 构建第一三维全景监控 图。 2.如权利要求1所述的方法， 其特征在于， 所述遍历第一站场图像采集装置， 获得第一 视频融合素 材， 包括： 根据所述第 一站场图像采集装置， 获得第 一固定图像采集装置和第 一移动图像采集装 置； 根据所述第一固定图像采集装置， 获得第一图像采集结果； 遍历所述第 一图像采集结果和第 一站场全景设计图进行特征比对， 获得第 一图像采集 盲点； 基于所述第一图像采集盲点， 调用所述第一移动图像采集装置进行图像采集， 获得第 二图像采集结果； 将所述第一图像采集结果和所述第 二图像采集结果添加进所述第 一视频融合素材， 其 中， 所述第一视频融合素 材满足第一预设时间粒度。 3.如权利要求1所述的方法， 其特征在于， 所述对所述第一视频融合素材进行特征提 取， 获得第一特 征信息集， 包括： 获得第一预设特征提取维度， 其中， 所述第一预设特征提取维度包括一级预设维度、 二 级预设维度、 三级预设维度； 基于所述一级预设维度对所述第一视频融合素材进行特征提取， 获得聚焦特征信息 集； 基于所述 二级预设维度遍历所述聚焦特 征信息集， 获得拼接特 征信息集； 基于所述三级预设维度和所述拼接特征信息集， 遍历所述聚焦特征信息集， 获得重合 特征信息集； 将所述聚焦特征信 息集、 所述拼接特征信 息集和所述重合特征信 息集添加进所述第 一 特征信息集。 4.如权利要求2所述的方法， 其特征在于， 所述将所述第 一特征值信 息集和所述第 一特 征类型信息集输入图像筛 选模型， 获得第一筛 选结果， 包括： 获得第一特征阈值信息集， 其中， 所述第一特征阈值信息集和所述第一预设特征提取 维度一一对应； 获得第一数据集， 其中， 所述第一数据集包括多组特 征值信息、 特 征类型信息；权　利　要　求　书 1/3 页 2 CN 114565815 A 2基于所述第一特 征阈值信息集和所述第一数据集， 构建所述图像筛 选模型； 将所述第一特征值信 息集和所述第 一特征类型信 息集输入所述图像筛选模型， 获得所 述第一筛 选结果。 5.如权利要求4所述的方法， 其特征在于， 所述基于所述第 一特征阈值信 息集和所述第 一数据集， 构建所述图像筛 选模型， 包括： 将所述第一数据集分为k组， 有放回的随机单组抽取k次， 将抽取的数据设为第一训练 数据集， 将未抽取的数据设为第一验证数据集； 根据所述第一训练数据集， 构建第一初始决策树； 将所述第 一特征阈值信 息集分为j组， 遍历所述第 一初始决策树的每个节点随机抽取i 组设为第一更新信息， 其中， i≤j； 通过所述第一更新信息和所述第一验证数据集， 获得第一决策树； 重复M次， 获得第二决策树 直到第M决策树； 将所述第一决策树、 所述第二决策树直到所述第M决策树合并， 获得所述图像筛选模 型。 6.如权利要求5所述的方法， 其特征在于， 所述通过所述第 一更新信 息和所述第 一验证 数据集， 获得第一决策树， 包括： 根据所述第一初始决策树， 获得第一节点、 第二节点 直到第M节点； 遍历所述第一更新信息进行信息量分析， 获得第一特征阈值集合和第一特征类型集 合， 其中， 所述第一特征类型集合和所述第一特征阈值集合一一对应， 且所述第一特征阈值 在对应所述 i组特征阈值信息中信息量 最大； 基于所述第一特征阈值集合和所述第一特征类型集合， 遍历所述第一节点、 所述第二 节点直到所述第M节点进行 更新； 通过所述第 一验证数据集对更新后的所述第 一初始决策树进行验证， 获得所述第 一决 策树。 7.如权利要求6所述的方法， 其特征在于， 所述遍历所述第一更新信息进行信息量分 析， 获得第一特 征阈值和第一特 征类型， 包括： 获得第一正相关评估指标和第一负相关评估指标， 其中， 所述第一正相关评估指标表 征信息数量， 所述第一负相关评估指标表征信息种类； 基于所述第 一正相关评估指标和所述第 一负相关评估指标对所述i组特征阈值信 息进 行分析， 获得信息量分析 结果； 基于所述信息量分析结果对所述i组特征阈值信息进行序列化调整， 获得所述第一特 征阈值和所述第一特 征类型。 8.一种基于三维模型的视频智能融合系统， 其特 征在于， 所述系统包括： 第一获得 单元， 用于遍历第一站场图像采集装置， 获得第一视频融合素 材； 第二获得单元， 用于对所述第 一视频融合素材进行特征提取， 获得第 一特征信 息集， 其 中， 所述第一特 征信息集包括第一特 征值信息集和第一特 征类型信息集； 第三获得单元， 用于将所述第 一特征值信 息集和所述第 一特征类型信 息集输入图像筛 选模型， 获得第一筛选结果， 其中， 所述第一筛选结果包括一一对应的待处理图像集和待处 理特征信息集；权　利　要　求　书 2/3 页 3 CN 114565815 A 3