买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于深度学习的面向监控视频的前景和背景并行压缩方法_浙江大学_201911000556.X 

申请/专利权人:浙江大学

申请日:2019-10-21

公开(公告)日:2020-01-10

公开(公告)号:CN110677624A

主分类号:H04N7/18(20060101)

分类号:H04N7/18(20060101);H04N19/42(20140101);H04N19/176(20140101);H04N19/87(20140101);H04N19/142(20140101);G06N3/04(20060101);G06N3/08(20060101)

优先权:

专利状态码:有效-授权

法律状态:2020.09.18#授权;2020.02.11#实质审查的生效;2020.01.10#公开

摘要:本发明公开了一种基于深度学习的面向监控视频的前景和背景并行压缩方法。视频前景和背景分离步骤;自适应背景模板更新步骤:通过比较判断是否更新背景模板;图像帧分块压缩步骤:对整幅图像帧进行分块、分割、压缩;两阶由粗到精的解码步骤:将图像帧分块压缩获得的各个块代码依次输入经过复合网络和重构网络;构建对抗网络结构结合压缩和解码步骤进行训练:采用训练后的图像帧分块压缩步骤对需压缩的监控视频的每帧图像帧进行并行压缩。本发明在保证视频压缩质量的前提下,大大提高了视频的压缩比,具有较好的实时性,具有更快的编码和解码时间,具有更广阔的应用场景。

主权项:1.一种基于深度学习的面向监控视频的前景和背景并行压缩方法,包括:1视频前景和背景分离步骤;2自适应背景模板更新步骤:初始以第一图像帧的背景作为背景模板,通过比较图像帧背景与背景模板的多尺度结构相似性值来判断是否更新背景模板,由当前图像帧的背景和当前的背景模板共同计算得到多尺度结构相似性值,再与预设的背景阈值进行比较;若多尺度结构相似性值小于等于背景阈值,则将当前的背景模板更新为当前图像帧的背景,并输出更新后的背景模板;若多尺度结构相似性值大于背景阈值,则不对当前的背景模板进行更新;3图像帧分块压缩步骤:对整幅图像帧进行分块,分成相同形状的若干矩形块,然后利用视频前景和背景分离步骤中获得的前景掩模对各个矩形块进行前景部分和背景部分的分割,判断前景部分所占整个矩形块的比例是否大于前景阈值:若矩形块的该比例大于等于前景阈值,则矩形块为前景块;若矩形块的该比例小于前景阈值,则矩形块为背景块;由此判断得到每个矩形块是背景块还是前景块;最后,将所有前景块逐块通过块压缩网络,以块为单位处理获得每个块的压缩结果,将每个块的压缩结果和块的位置信息结合保存为块代码;4两阶由粗到精的解码步骤:将图像帧分块压缩获得的各个块代码依次输入经过复合网络和重构网络;5构建对抗网络结构结合压缩和解码步骤进行训练:将解码图像和原始的图像帧分别输入到各自的鉴定器中,处理获得各自的鉴定结果,由重构网络和鉴定器组成了生成对抗网络结构,利用两个鉴定结果反向传播采用梯度下降法进行求解优化由块压缩网络、复合网络、重构网络、鉴定器构成整体网络结构中的参数;不断迭代以输入图像和解码图像之间的均方差最小化为目标进行训练;6采用训练后的图像帧分块压缩步骤对需压缩的监控视频的每帧图像帧进行并行压缩。

全文数据:

权利要求:

百度查询: 浙江大学 基于深度学习的面向监控视频的前景和背景并行压缩方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。