CN108347612B - 一种基于视觉注意机制的监控视频压缩与重构方法 - Google Patents
一种基于视觉注意机制的监控视频压缩与重构方法 Download PDFInfo
- Publication number
- CN108347612B CN108347612B CN201810087340.0A CN201810087340A CN108347612B CN 108347612 B CN108347612 B CN 108347612B CN 201810087340 A CN201810087340 A CN 201810087340A CN 108347612 B CN108347612 B CN 108347612B
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- reconstructed
- compression
- key
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000006835 compression Effects 0.000 title claims abstract description 74
- 238000007906 compression Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 230000000007 visual effect Effects 0.000 title claims abstract description 35
- 230000007246 mechanism Effects 0.000 title claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 230000000694 effects Effects 0.000 claims abstract description 20
- 230000000903 blocking effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/167—Position within a video image, e.g. region of interest [ROI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/583—Motion compensation with overlapping blocks
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种基于视觉注意机制的监控视频压缩与重构方法,其步骤如下:先将监控视频分为多个视频帧组,每个视频帧组确定一关键帧,同时在每个视频帧中确定感兴趣区域;再先后对关键帧和非关键帧进行压缩与重构,其中对非关键帧进行压缩与重构是指将非关键帧与对应重构关键帧两者的像素值相减得到的图像残差,然后根据感兴趣区域和非感兴趣区域进行不同程度的分块压缩后,对不同区域的图像残差的压缩块用不同的算法重构,再与对应的重构关键帧相加得重构非关键帧;最后将重构关键帧和重构非关键帧按照重构前的顺序排列重构得到监控视频。本发明基于残差应用视觉注意机制分块对监控视频进行不同测量比的压缩,既保证了重构效果又降低了压缩率。
Description
技术领域
本发明涉及视频压缩与重构领域,特别是涉及一种基于视觉注意机制的监控视频压缩与重构方法。
背景技术
视觉信息具有准确、直观、生动、高效、广泛存在和容量大等特点。目前对视觉图像处理主要是静态处理,视频分析与处理技术包括对某一帧静态图像的处理和相关多帧图像的处理。
视频技术在各行各业获得了广泛的应用,视频监控是其中最重要的一个方面。一系列基于监控视频的目标检测与跟踪、动作分割与识别、人脸识别和异常检测等研究得到不断的发展和实际应用,其广泛应用于交通监控管理、安防和无线传感等系统中。随着社会的不断发展进步,公共设施正在逐步数字化,当前人力资源成本的不断攀升,而与之形成鲜明对比的是视频监控的成本不断降低。因此视频监控正越来越广泛应用于公共管理、教育、医疗、居住和娱乐等新领域,崭新的应用模式和市场机遇的不断涌现,这使得视频监控系统有着非常大的发展前景和重要的市场价值。
如今对视频监控系统的网络化和智能化的需求越来越大。虽然存储技术和容量的不断改善和提高,对海量监控视频的传输和存储与资源限制的矛盾有所缓解。但监控视频的不断发展和其特殊用途,系统对监控网络中视频信息的传输和存取提出了更高的要求。故对监控视频的压缩与重构的研究,在学术上和应用上都有着重要的意义。
目前国内外针对视频编码压缩和解码重构做了许多研究。对于基于预测编码基本模型进行的压缩重构方法,交通大学提出了一种基于视频时空相关性约束的分布式视频编码重构方法,在解码端完成Wvner-Ziv帧码流的解码后结合边信息、梯度信息和相邻帧间运动场等信息建模求解马尔科夫随机场的最优问题来实现重构;腾讯公司公开了一种视频预测编码方法和装置,首先从当前帧中取出像素块并将像素块划为主集像素和余集像素,通过主集像素的编码和重构来预测帧内和帧间余集像素,提高压缩效率,节省了内存占用;艾莉森电话股份有限公司提供了一种用于视频编码的改进像素预测的方法及设备同样将视频帧分解为多个像素块,通过当前块减去预测块产生残留块,根据残留块来产生编码视频帧。
对于基于视频空间特点进行的压缩重构方法,华为软件技术有限公司提供了一种监控视频压缩方法,将视频帧中的每个宏块分别进行内容识别,根据识别结果和编码类型得到每个宏块的QP值。然后采用对应的QP值进行量化编码;融创天下科技股份有限公司公开了一种针对背景和前景采用不同码率进行编码的视频压缩方法,且该方法对解码器不需做任何修改;李策等人提供了一种基于视觉潜在注意力目标区域的JPEG2000图像编解码方法,在小波变换基础上针对目标采用相应目标码率进行编码,该方法在网络带宽不足时,可以牺牲部分较小目标区域的码率为代价,换取人们更关注目标区域的图像重构质量;湖南大学公开了一种基于压缩感知的图像编码方法,对图像进行小波变换分解的低频系数和高频系数采用不同的码率压缩,可以在提高压缩程度的同时获得高质量的重构图像。上述诸多方法都通过减少空间冗余或者时间冗余信息来提高压缩程度,虽然其能显著提高视频压缩程度并保证一定的重构质量,但上述方法仍然保留了较多的冗余信息,其重构图像质量也相对较差,还有进一步提升的空间。
视觉注意机制是在人眼成像的过程中视觉系统根据颜色、亮度、方向、形状和运动等信息筛选出一些有用信息,去除不重要的信息的机制。在监控视频的压缩中应用此种机制能有效减少冗余信息,提高视频压缩程度。
因此,开发一种进一步提高压缩程度和重构效果的基于视觉注意机制的监控视频压缩与重构方法极具现实意义。
发明内容
本发明的目的是针对现有技术的不足,提供一种进一步提高压缩程度和重构效果的监控视频压缩与重构方法。本发明的监控视频压缩与重构方法,通过将视频分组并确定关键帧,对于关键帧进行高质量的压缩重构,对于非关键帧基于视觉注意机制进行分块压缩并结合该组的关键帧进行重构,减少了大量的冗余信息,实现了视频的高效压缩,提高了压缩程度,降低了压缩率,并保证了视频重构效果。本发明利用视觉注意机制能很好地提取监控视频中的运动目标及其周围部分区域作为感兴趣区域,对感兴趣区域及不感兴趣区域进行不同测量比的压缩以实现压缩程度与重构效果的均衡提高。感兴趣区域的测量比大于不感兴趣区域,这是由于人类的视觉注意机制总能迅速注意到场景中的显著区域与观察任务相关的部分,对于视频监控系统的很多应用场景,对监控视频关注更多的是其中的运动目标。
为实现上述目的,本发明采用如下技术方案:
一种基于视觉注意机制的监控视频压缩与重构方法,首先,将监控视频分为多个视频帧组,在每个视频帧组中确定一个关键帧,同时在每个视频帧中确定感兴趣区域;如某组出现多个关键帧则对该组继续分组直至每个视频帧组仅有一个关键帧;
然后,先后对关键帧和非关键帧进行压缩与重构,其中,对非关键帧进行压缩与重构是指将非关键帧与对应重构关键帧两者的像素值相减得到的图像残差根据感兴趣区域和非感兴趣区域进行不同程度的分块压缩后,对不同区域的图像残差的压缩块利用不同的算法进行重构,再与对应的重构关键帧相加得到重构非关键帧;
最后,将重构关键帧和重构非关键帧按照重构前的顺序依次排列重构得到监控视频。
作为优选的技术方案:
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,具体步骤如下:
(1)将监控视频每连续10帧分为一组形成多个视频帧组,在每个视频帧组中确定一个视频帧为关键帧,其余的视频帧为非关键帧,;
(2)结合视觉注意机制利用背景差分法提取运动前景,对每个视频帧进行分块处理后根据运动前景确定感兴趣区域,视频帧中感兴趣区域以外的区域为非感兴趣区域;
(3)对关键帧进行压缩与重构得到重构关键帧;
(4)将每个视频帧组中非关键帧的像素值分别与该组的重构关键帧的像素值相减得到图像残差;
(5)对图像残差按区域进行分块压缩,感兴趣区域的图像残差压缩的测量比大于非感兴趣区域的图像残差压缩的测量比,分块压缩是基于分区域增强分块压缩感知算法(REBCS)进行的,对图像残差进行分块压缩,能显著提高视频帧的稀疏性,减少其冗余信息进一步提高可压缩程度;
(6)分别利用SPL算法和OMP算法对感兴趣区域和非感兴趣区域的图像残差的压缩块进行重构,再与同组的重构关键帧相加得到重构非关键帧;
(7)将重构关键帧和重构非关键帧按照重构前的顺序依次排列重构得到监控视频。
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,所述关键帧是每个视频帧组中的指定某一帧或者基于图像内容、聚类提取、运动分析或镜头边界提取得到的。
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,所述确定感兴趣区域的具体步骤如下:
(1)根据视频帧建立动态背景模型;
(2)利用背景差分法得到视频帧的运动前景及包括运动前景的最小矩形框;
(3)将视频帧进行等大小分块处理,图像分块不够的块用零补充;
(4)逐块判断分块是否与最小矩形框的位置重叠,满足条件的分块组成感兴趣区域,不满足条件的分块组成非感兴趣区域。
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,所述分块处理是指将每个视频帧分为32×32的视频帧块。
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,对关键帧进行压缩编码与重构解码采用的视频编码方式为H.264、MPEG或JPEG,对关键帧的压缩后重构得到高质量的重构关键帧。
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,采用压缩感知法对图像残差进行压缩,对图像残差进行压缩后重构再与重构关键帧相加得到质量较差的重构非关键帧。
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,感兴趣区域的图像残差压缩的测量比为0.2~0.8,非感兴趣区域的图像残差压缩的测量比为 0.05~0.15。
如上所述的一种基于视觉注意机制的监控视频压缩与重构方法,非关键帧与对应关键帧的图像残差提高视频帧的稀疏性,减少冗余信息,分区域不同程度压缩进一步有效提高视频的压缩程度,所述基于视觉注意机制的监控视频自适应压缩与重构方法对视频的压缩率达0.1~0.2,重构效果达40~48dB。
有益效果:
(1)本发明的一种基于视觉注意机制的监控视频压缩与重构方法,可根据监控视频的特点及其应用背景特点,显著减少其空间冗余和时间冗余信息;
(2)本发明的一种基于视觉注意机制的监控视频压缩与重构方法,对感兴趣区域进行较大测量比的压缩与较好重构,这在保证了该区域的重构效果的同时,减少系统对视频信号传输的带宽和存储的内存限制。
附图说明
图1是本发明的流程图;
图2是本发明确定感兴趣区域的流程图;
图3是BCS-OMP和BCS-SPL算法的峰值信噪比对比示意图;
图4是本发明与REBCS法的整体峰值信噪比对比示意图;
图5是本发明与其他算法感兴趣区域峰值信噪比对比示意图。
具体实施方式
下面结合具体实施方式,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
实施例1
一种基于视觉注意机制的监控视频压缩与重构方法,如图1所示,其具体步骤如下:
(1)将监控视频每连续10帧分为一组形成多个视频帧组,在每个视频帧组中确定一个视频帧为关键帧,其余的视频帧为非关键帧,关键帧是每个视频帧组中的指定某一帧或者基于图像内容、聚类提取、运动分析或镜头边界提取得到的;
(2)结合视觉注意机制利用背景差分法提取运动前景,对每个视频帧进行分块处理即将视频帧分为32×32的视频帧块后根据运动前景确定感兴趣(ROI) 区域,视频帧中感兴趣区域以外的区域为非感兴趣区域,确定感兴趣区域的具体步骤如图2所示:
(i)根据视频帧建立动态背景模型;
(ii)利用背景差分法得到视频帧的运动前景及包括运动前景的最小矩形框;
(iii)将视频帧进行等大小分块处理,图像分块不够的块用零补充;
(iv)逐块判断分块是否与最小矩形框的位置重叠,满足条件的分块组成感兴趣区域,不满足条件的分块组成非感兴趣区域;
(3)对关键帧以H.264、MPEG或JPEG的编码方式进行压缩与重构得到重构关键帧;
(4)将每个视频帧组中非关键帧的像素值分别与该组的重构关键帧的像素值相减得到图像残差;
(5)对图像残差按区域应用压缩感知法进行分块压缩,感兴趣区域的图像残差压缩的测量比MR1大于非感兴趣区域的图像残差压缩的测量比MR2,感兴趣区域的图像残差压缩的测量比为0.2~0.8,非感兴趣区域的图像残差压缩的测量比为0.05~0.15;
在压缩感知法中,
y=Φx=ΦΨS=ΘS(2)
x为N维原始信号即为视频帧块,为变换矩阵(离散小波变换), S为变换后的稀疏信号,Φ为M×N观测矩阵,Θ为传感矩阵,y为M压缩信号。由于视频帧之间的时间相关性,非感兴趣区域的残差多为零。通过残差提高了离散小波变换后稀疏信号S的稀疏性,从而可以降低观测矩阵的维数M达到提高压缩程度的目标。在此基础上分区域选择不同的观测矩阵维度即测量比,可以在保证重构质量的同时进一步提高整个视频帧的压缩程度;
(6)分别利用SPL算法和OMP算法对感兴趣区域和非感兴趣区域的图像残差的压缩块进行重构,再与同组的重构关键帧相加得到重构非关键帧;
针对压缩感知后的压缩信号传统的重构算法主要有贪婪算法、凸优化算法、组合算法和基于统计优化和学习理论算法,本发明对分区域不同的重构算法选择比较典型的算法,分别为正交匹配追踪算法(BCS-OMP)和平滑投影Landweber (BCS-SPL)算法,BCS-OMP算法步骤如下:
其中在同样的测量比下BCS-OMP重构效果没有BCS-SPL重构效果好,但 BCS-SPL分块重构具有块效应,利用客观的峰值信噪比性能指标对两种算法进行不同测量比下的重构效果进行比较,重构效果峰值信噪比性能指标如图3所示,可以发现BCS-SPL的重构效果整体优于BCS-OMP,但OMP的重构速率更好,故感兴趣区域选用SPL重构算法,非感兴趣区域用OMP重构算法,最后对重构信号进行离散小波逆变换得到最终的重构视频帧;
(7)将重构关键帧和重构非关键帧按照重构前的顺序依次排列重构得到监控视频,最终得到的监控视频的压缩率达0.1~0.2,重构效果达40~48dB。
为了凸显本发明高压缩程度和重构效果,将本发明与区域增强分块压缩感知算法(REBCS)比较,分别对同一个视频帧组进行压缩与重构,并以重构视频帧的峰值信噪比(PSNR)作为性能衡量指标。实验参数如下表所示。
表一实验参数
两种方法的重构视频帧的峰值信噪比(PSNR)对比结果如附图4所示,由图可知虽然本发明的非感兴趣区域测量比MR2=0.1低于REBCS中非感兴趣区域测量比MR2=0.2,但重构后的性能指标更好,这说明本发明所提的压缩重构算法具有更好的压缩率和重构效果,这因为在监控视频中关注更多的是感兴趣区域的重构效果。另外,基于分块压缩感知的正交匹配追踪(BCS-OMP)、平滑投影 Landweber(BCS-SPL)、结合OMP和SPL重构算法的区域增强压缩感知(REBCS) 和本发明在同样的测量比压缩后重构,得到感兴趣区域最终的峰值信噪比性能指标对比如图5。
从图4和图5可以看出,对于峰值信噪比性能指标,本发明的压缩重构无论是视频帧的整体还是感兴趣区域都有更好的压缩率和重构效果,可以很好应用于监控视频的压缩传输和存储等过程,也说明了本发明的基于视觉注意机制的监控视频压缩与重构方法(R-REBCS)在保证监控视频重构效果的前提下,提高对视频帧的压缩程度。
Claims (7)
1.一种基于视觉注意机制的监控视频压缩与重构方法,其特征在于,具体步骤如下:
(1)将监控视频每连续10帧分为一组形成多个视频帧组,在每个视频帧组中确定一个视频帧为关键帧,其余的视频帧为非关键帧;
(2)结合视觉注意机制利用背景差分法提取运动前景,对每个视频帧进行分块处理后根据运动前景确定感兴趣区域,视频帧中感兴趣区域以外的区域为非感兴趣区域;
(3)对关键帧进行压缩与重构得到重构关键帧;
(4)将每个视频帧组中非关键帧的像素值分别与该组的重构关键帧的像素值相减得到图像残差;
(5)对图像残差按区域进行分块压缩,感兴趣区域的图像残差压缩的测量比大于非感兴趣区域的图像残差压缩的测量比,感兴趣区域的图像残差压缩的测量比为0.2~0.8,非感兴趣区域的图像残差压缩的测量比为0.05~0.15;
(6)分别利用SPL算法和OMP算法对感兴趣区域和非感兴趣区域的图像残差的压缩块进行重构,再与同组的重构关键帧相加得到重构非关键帧;
(7)将重构关键帧和重构非关键帧按照重构前的顺序依次排列重构得到监控视频。
2.根据权利要求1所述的一种基于视觉注意机制的监控视频压缩与重构方法,其特征在于,所述关键帧是每个视频帧组中的指定某一帧或者基于图像内容、聚类提取、运动分析或镜头边界提取得到的。
3.根据权利要求1所述的一种基于视觉注意机制的监控视频压缩与重构方法,其特征在于,所述确定感兴趣区域的具体步骤如下:
(1)根据视频帧建立动态背景模型;
(2)利用背景差分法得到视频帧的运动前景及包括运动前景的最小矩形框;
(3)将视频帧进行等大小分块处理,图像分块不够的块用零补充;
(4)逐块判断分块是否与最小矩形框的位置重叠,满足条件的分块组成感兴趣区域,不满足条件的分块组成非感兴趣区域。
4.根据权利要求3所述的一种基于视觉注意机制的监控视频压缩与重构方法,其特征在于,所述分块处理是指将每个视频帧分为32×32的视频帧块。
5.根据权利要求1所述的一种基于视觉注意机制的监控视频压缩与重构方法,其特征在于,对关键帧进行压缩编码与重构解码采用的视频编码方式为H.264、MPEG或JPEG。
6.根据权利要求1所述的一种基于视觉注意机制的监控视频压缩与重构方法,其特征在于,采用压缩感知法对图像残差进行压缩。
7.根据权利要求1和4~6任一项所述的一种基于视觉注意机制的监控视频压缩与重构方法,其特征在于,所述基于视觉注意机制的监控视频压缩与重构方法对视频的压缩率达0.1~0.2,重构效果达40~48dB。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810087340.0A CN108347612B (zh) | 2018-01-30 | 2018-01-30 | 一种基于视觉注意机制的监控视频压缩与重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810087340.0A CN108347612B (zh) | 2018-01-30 | 2018-01-30 | 一种基于视觉注意机制的监控视频压缩与重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108347612A CN108347612A (zh) | 2018-07-31 |
CN108347612B true CN108347612B (zh) | 2020-09-15 |
Family
ID=62960753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810087340.0A Expired - Fee Related CN108347612B (zh) | 2018-01-30 | 2018-01-30 | 一种基于视觉注意机制的监控视频压缩与重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108347612B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872377B (zh) * | 2019-02-28 | 2023-01-20 | 上海交通大学 | 用于磁共振导航的脑组织快速成像与图像重建方法 |
CN110008904A (zh) * | 2019-04-08 | 2019-07-12 | 万维科研有限公司 | 生成基于视频文件格式的形状识别列表的方法 |
CN110035289B (zh) * | 2019-04-24 | 2022-04-01 | 润电能源科学技术有限公司 | 一种屏幕图像的分层压缩方法、系统及相关装置 |
CN110287993A (zh) * | 2019-05-22 | 2019-09-27 | 广东精点数据科技股份有限公司 | 一种基于图像特征细化的数据预处理方法及系统 |
CN111193928B (zh) * | 2019-10-28 | 2023-08-11 | 腾讯科技(深圳)有限公司 | 用于传递视频中的感兴趣区域信息的方法和设备 |
CN111669589B (zh) * | 2020-06-23 | 2021-03-16 | 腾讯科技(深圳)有限公司 | 图像编码方法、装置、计算机设备以及存储介质 |
CN112104869B (zh) * | 2020-11-10 | 2021-02-02 | 光谷技术有限公司 | 一种视频大数据存储及转码优化系统 |
CN112616052B (zh) * | 2020-12-11 | 2023-03-28 | 上海集成电路装备材料产业创新中心有限公司 | 一种视频压缩信号的重建方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764280A (zh) * | 2004-10-21 | 2006-04-26 | 三星电子株式会社 | 基于多层在视频编码器中有效压缩运动矢量的方法和装置 |
CN101202903A (zh) * | 2006-12-11 | 2008-06-18 | 谢剑斌 | 监视视频编解码方法 |
CN105451019A (zh) * | 2015-11-25 | 2016-03-30 | 中国地质大学(武汉) | 一种面向无线视频传感器网络的图像压缩传输方法 |
CN105554502A (zh) * | 2015-12-07 | 2016-05-04 | 天津大学 | 基于前景背景分离的分布式压缩感知视频编解码方法 |
CN107124612A (zh) * | 2017-04-26 | 2017-09-01 | 东北大学 | 基于分布式压缩感知的高光谱图像压缩方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2483294B (en) * | 2010-09-03 | 2013-01-02 | Canon Kk | Method and device for motion estimation of video data coded according to a scalable coding structure |
-
2018
- 2018-01-30 CN CN201810087340.0A patent/CN108347612B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764280A (zh) * | 2004-10-21 | 2006-04-26 | 三星电子株式会社 | 基于多层在视频编码器中有效压缩运动矢量的方法和装置 |
CN101202903A (zh) * | 2006-12-11 | 2008-06-18 | 谢剑斌 | 监视视频编解码方法 |
CN105451019A (zh) * | 2015-11-25 | 2016-03-30 | 中国地质大学(武汉) | 一种面向无线视频传感器网络的图像压缩传输方法 |
CN105554502A (zh) * | 2015-12-07 | 2016-05-04 | 天津大学 | 基于前景背景分离的分布式压缩感知视频编解码方法 |
CN107124612A (zh) * | 2017-04-26 | 2017-09-01 | 东北大学 | 基于分布式压缩感知的高光谱图像压缩方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108347612A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108347612B (zh) | 一种基于视觉注意机制的监控视频压缩与重构方法 | |
Zhao et al. | Real-time moving object segmentation and classification from HEVC compressed surveillance video | |
CN111355956B (zh) | 一种hevc帧内编码中基于深度学习的率失真优化快速决策系统及其方法 | |
CN108989802B (zh) | 一种利用帧间关系的hevc视频流的质量估计方法及系统 | |
CN107197297B (zh) | 一种检测基于dct系数隐写的视频隐写分析方法 | |
Zhang et al. | Video compression artifact reduction via spatio-temporal multi-hypothesis prediction | |
CN100502507C (zh) | 视频数据压缩编码方法 | |
Yu et al. | Detection of fake high definition for HEVC videos based on prediction mode feature | |
Chen et al. | Learning to compress videos without computing motion | |
CN103533353B (zh) | 一种近似视频编码系统 | |
CN110677624B (zh) | 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 | |
CN112218078A (zh) | 面向监控视频的高效视频编码标准量化参数级联方法 | |
Zhang et al. | Macro-block-level selective background difference coding for surveillance video | |
KR100289054B1 (ko) | 매크로블록 단위 영역 분할 및 배경 모자이크구성방법 | |
Yang et al. | Graph-convolution network for image compression | |
CN112911298A (zh) | 一种基于边界效应的hevc视频双压缩检测方法及系统 | |
Jie et al. | A novel scene change detection algorithm for H. 264/AVC bitstreams | |
Ning et al. | Video Reversible Data Hiding Based on Motion Vector | |
CN116437102B (zh) | 可学习通用视频编码方法、系统、设备及存储介质 | |
Chen et al. | Image Compression Algorithm Based on Time Series | |
Gopalan | Exploiting Region Of Interest For Improved Video Coding | |
CN102333220A (zh) | 一种选择在变换域完成预测编码的视频编解码方法 | |
Xu et al. | State-of-the-art video coding approaches: A survey | |
Singla et al. | A Review on HEVC Video Forensic Investigation under Compressed Domain | |
Fu et al. | A new video compression algorithm for very low bandwidth using curve fitting method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200915 |