CN111641830B - 用于视频中的人体骨架的多模态无损压缩实现方法和系统 - Google Patents

用于视频中的人体骨架的多模态无损压缩实现方法和系统 Download PDF

Info

Publication number
CN111641830B
CN111641830B CN201910157792.6A CN201910157792A CN111641830B CN 111641830 B CN111641830 B CN 111641830B CN 201910157792 A CN201910157792 A CN 201910157792A CN 111641830 B CN111641830 B CN 111641830B
Authority
CN
China
Prior art keywords
frame
skeleton
human
coding
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.)
Active
Application number
CN201910157792.6A
Other languages
English (en)
Other versions
CN111641830A (zh
Inventor
林巍峣
刘鸣洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201910157792.6A priority Critical patent/CN111641830B/zh
Publication of CN111641830A publication Critical patent/CN111641830A/zh
Application granted granted Critical
Publication of CN111641830B publication Critical patent/CN111641830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • 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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • 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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • 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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • 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
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • H04N19/463—Embedding additional information in the video signal during the compression process by compressing encoding parameters before transmission
    • 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
    • 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
    • H04N19/513—Processing of motion vectors
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种用于视频中的人体骨架的多模态无损压缩实现方法，通过选取关键帧并对视频中的每一帧中的各个人体骨架区分是否为变化的人体骨架，然后对变化的人体骨架进行特殊标记标注，根据每帧图像是否为关键帧以及该帧中各个骨架是否为变化的人体骨架进行选择性编码。本发明通过三种编码方法的相互有机协作结合，对一段视频序列中的人体骨架信息进行无损压缩编码，从而获得可供传输的小体积编码比特流，显著提高了人体骨架信息的压缩效率。

Description

用于视频中的人体骨架的多模态无损压缩实现方法和系统
技术领域
本发明涉及的是一种图像处理领域的技术，具体是一种用于视频中的人体骨架的多模态无损压缩实现方法。
背景技术
视频中人体骨架的多模态无损压缩编码是一种针对一段视频中已有的人体骨架信息通过多种编码模态相结合进行无损压缩的方法。人体骨架信息在行为识别等视频内容分析任务中发挥着重要的作用，因此如何利用无损压缩编码方法，将摄像头拍摄、提取出的人体骨架信息以最低的传输代价上传到云服务中心进行内容分析有着重大意义。
现有通过基于帧间差分的矩形框编码方法和基于预测模型的矩形框编码方法，取得了比较好的效果，但这种方法难以对人体骨架信息这样复杂的视频特征进行高压缩率编码。
发明内容
本发明针对现有技术存在的上述不足，提出一种用于视频中的人体骨架的多模态无损压缩实现方法，利用帧内空间差分方法、基于运动矢量的帧间差分方法和基于预测模型的帧间差分方法相互有机协作结合，对一段视频序列中的人体骨架信息进行无损压缩编码，从而获得可供传输的小体积编码比特流，显著提高了人体骨架信息的压缩效率。
本发明是通过以下技术方案实现的：
本发明涉及一种用于视频中的人体骨架的多模态无损压缩实现方法，通过选取关键帧并对视频中的每一帧中的各个人体骨架区分是否为变化的人体骨架，然后对变化的人体骨架进行特殊标记标注，根据每帧图像是否为关键帧以及该帧中每个骨架是否为变化的人体骨架进行选择性编码。
所述的选取，关键帧的数目少于非关键帧；优选采用1：31或其他任意比例选定关键帧和非关键帧，其中：关键帧独立解码，非关键帧依赖参考帧，即之前的关键帧或非关键帧解码。
所述的变化的人体骨架是指：与相邻前一帧具有相反的状态，即当前帧中出现但在前一帧中未出现人体骨架或前一帧中出现但在当前帧中未出现人体骨架。
所述的特殊标记标注是指：针对变化的人体骨架中当前帧不存在人体骨架时用一个比特 1标记当前帧中该人体骨架消失并存入编码比特流中，针对当前帧中存在人体骨架时用一个比特0标记当前帧中该人体骨架新出现并存入编码比特流中。
所述的人体骨架在每一帧中对应设有标识符(ID值)，优选针对一系列帧中连续出现的人体骨架的标识符相同。
所述的标识符，采用但不限于以下方式进行编码：对于关键帧中第i个人体骨架的ID 值IDi，采用非定长熵编码编码：当i＝1时IDi-1，当i＞1时IDi-IDi-1-1；针对非关键帧由于采用了特殊标记标注，根据标识符规则不需要将标识符信息存入编码比特流中。
所述的选择性编码是指：针对关键帧采用帧内空间差分方法进行编码；对于非关键帧则选择性采用帧内空间差分方法、基于运动矢量的帧间差分方法或基于预测模型的帧间差分方法中的任一进行编码。
所述的选择性采用是指：当当前帧当前为变化的人体骨架且新出现人体骨架时采用帧内空间差分方法编码，当当前帧该人体骨架不是变化的骨架时，当该人体骨架在前面帧中出现的帧数满足基于预测模型的帧间差分方法中预测模型的要求时，则比较基于预测模型的帧间差分方法与基于运动矢量的帧间差分方法二者对当前帧该人体骨架的压缩率大小并选择压缩率较小的编码方法，当次数不满足基于预测模型的帧间差分方法中预测模型的要求时则采用基于运动矢量的帧间差分方法。
所述的选择性采用，优选在采用基于运动矢量的帧间差分方法时在编码该人体骨架的比特流中写入一个比特1，在采用基于预测模型的帧间差分方法时在编码在编码该人体骨架的比特流中写入一个比特0。
所述的帧内空间差分方法是指：仅对一个人体骨架关键点采用完全定长编码，其他点则采用非定长熵编码其与关键点或已编码非关键点的坐标差分值。
所述的基于运动矢量的帧间差分方法是指：非定长熵编码该人体骨架在当前帧和前一帧间的运动矢量和通过运动矢量计算得到的人体骨架各点运动残差，其中运动矢量为
Figure GDA0003473238020000021
其中：
Figure GDA0003473238020000022
和
Figure GDA0003473238020000023
分别指当前帧和前一帧中该人体骨架，ij分别是它们的ID值；
Figure GDA0003473238020000024
和
Figure GDA0003473238020000025
是指当前帧中该人体骨架2号点的坐标值，
Figure GDA0003473238020000026
和
Figure GDA0003473238020000027
是指前一帧中该人体骨架2号点的坐标值，其中：各点运动残差为
Figure GDA0003473238020000028
Figure GDA0003473238020000029
其中：
Figure GDA00034732380200000210
和
Figure GDA00034732380200000211
分别指当前帧和前一帧该人体骨架的第k个点的坐标。
所述的基于预测模型的帧间差分方法是指：非定长熵编码当前帧中该人体骨架实际位置与其预测位置的差分值，预测位置由预测模型根据该人体骨架在前几帧的运动情况给出，具体为：预测模型给出的当前帧ID为i的人体骨架的第k号点的预测位置坐标
Figure GDA00034732380200000212
Figure GDA00034732380200000213
其中：Model是预测模型，N是预测模型给出预测所需的之前的帧数目，
Figure GDA00034732380200000214
是前第n帧同一人体骨架第k号点的位置坐标。
本发明涉及一种实现上述方法的系统，包括：骨架筛选模块、编码方式选择模块以及编码模块，其中：骨架筛选模块根据包含人体骨架的视频输出关键帧和特殊骨架的筛选信息至编码方式选择模块，编码方式选择模块根据关键帧和特殊骨架的筛选信息输出各帧的最佳编码方法至编码模块，编码模块与输出模块相连并传输最终编码比特流信息。
技术效果
与现有技术相比，本发明多模态无损压缩编码方法在多个测试人体骨架序列上可以实现平均约74.4％的压缩率，使用该方法对摄像头提取的人体骨架信息进行编码后传输将显著降低了从摄像机端向云服务中心传输人体骨架信息的成本，可以较好地适应运动特点不同、尺寸大小不同、出现早晚不同、骨架坐标标注精度不同的各种人体骨架，具有更好的鲁棒性。
附图说明
图1为本发明涉及的人体骨架的典型形态示意图。
图2为本发明采用的多模态无损压缩编码的示意图。
图3为帧内空间差分方法示意图。
图4为基于运动矢量的帧间差分方法示意图。
图5时基于预测模型的帧间差分方法示意图。
具体实施方式
如图2所示，为本实施例涉及的一种用于视频的人体骨架的多模态无损压缩实现方法，具体包括以下步骤：
A：获取视频序列中的人体骨架信息，其中每个人体骨架均为如图1所示的结构，由14 个骨骼点及之间的连线组成。对于每一帧的骨架数据，需标明本帧中人体骨架的个数，对于每个人体骨架标明其标识符(ID)。
因而，第t帧中骨架数据的格式为：
Figure GDA0003473238020000031
其中：
Figure GDA0003473238020000032
代表第t帧第i个人体骨架，其具体的格式为：
Figure GDA0003473238020000033
Figure GDA0003473238020000034
其中：li代表该人体骨架的ID值，当出现某些人体骨架在视频序列中消失时，其ID值将不再被使用。
其后，按照一定比例选定关键帧和非关键帧，在测试序列中，可以按照每32帧为一组，每组首帧为关键帧，其他帧为非关键帧。每组帧均独立可解，各组帧之间相互独立，组内的关键帧要求不依赖其它帧即可解码，组内的非关键帧则需要依赖之前的组内参考帧(可能是关键帧或非关键帧)才可解码，。
B：对于关键帧，要求不依赖其它帧即可单独解码，采用帧内空间差分的方法对本帧的人体骨架信息进行编码。帧内空间差分方法是指定长编码一个人体骨架关键点，其它点则非定长熵编码其与关键点或邻近已编码非关键点的位置坐标差分值。
如图1和图3所示，帧内空间差分方法编码时，先用定长编码人体骨架1号点的坐标(x1，y1)，其后用非定长熵编码2号点与1号点坐标的差分值{(x2，y2)-(x1，y1)}；之后按照相同的方法，用非定长熵编码3、6号点与2号点坐标的差分值，并按照图3所示的顺序依次编码4、 5、9、10、11和7、8、12、13、14号点与其邻近点坐标的差分值。
C：对于非关键帧，按照每一个人体骨架的特点采用特殊标记标注、帧内空间差分方法、基于运动矢量的帧间差分方法和基于预测模型的帧间差分方法中的某一个进行编码。
D：对于非关键帧中，相对前一帧新出现的人体骨架，采用帧内空间差分方法进行编码，编码后用一个特殊标记比特1存入编码比特流中，代表是新出现的人体骨架。
在前一帧存在但当前帧中消失的人体骨架，直接用一个特殊标记比特1存入编码比特流中，代表是消失的骨架，应停止对其编码。
E：对于非关键帧中，前一帧和当前帧中均存在的人体骨架。首先考察基于预测模型的帧间差分方法能否使用：
这里为了便于说明问题，预测模型采用简单的线性模型，要求已知当前第t帧的前两帧 t-1帧和t-2帧中该人体骨架的位置数据，模型才能给出当前帧该人体骨架的预测值。因此，若该人体骨架没有在t-1帧和t-2帧中均出现，则只能采用基于运动矢量的帧间差分方法进行编码。
若满足上述条件，则比较二者压缩率大小并选择压缩率小的编码方法。对每一个人体骨架，需在其数据序列中加入一个标记，比特0代表使用了基于线性预测模型的帧间差分方法，比特1代表使用了基于运动矢量的帧间差分方法。
基于运动矢量的帧间差分方法是指非定长编码该人体骨架在当前t帧和前一帧t-1帧间的运动矢量和通过运动矢量计算得到的人体骨架各点运动残差。即，首先计算该人体骨架从t-1 帧到t帧的运动矢量
Figure GDA0003473238020000041
之后利用t-1帧该人体骨架的位置坐标和运动矢量计算出该人体骨架在第t帧位置坐标的估测值
Figure GDA0003473238020000042
得到估测值后计算出当前第t帧该人体骨架位置坐标的估测值与其真实值的残差，并将 13个残差和运动矢量一起用非定长熵编码。
基于线性预测模型的帧间差分方法是指非定长熵编码当前帧中该人体骨架位置坐标与其线性预测位置坐标的差分值，即
Figure GDA0003473238020000043
Figure GDA0003473238020000044
其中：
Figure GDA0003473238020000045
是线性预测模型根据第t-1帧和第t-2帧该人体骨架的坐标位置给出的预测值。
Figure GDA0003473238020000051
实施例的测试是基于AVS2 RD7.0编码系统，测试的人体骨架序列共有7段，其中前三段来自PosTrack数据集，其特点是运动情况剧烈，单帧人体骨架数目较少；后四段是从十字路口、公共场所等处监控视频中采集人工标注的人体骨架，其特点是运动较为缓和但形式多样，单帧人体骨架数目较多。此外，为了测试编码方法对人体骨架位置坐标的鲁棒性，每段测试序列还通过骨架提取技术自动标注了人体骨架，并进行了测试；为了测试编码方法在不同帧间隔人体骨架序列上的效果，设置了跳帧数目为1的测试序列，即仅编码第1,3,5等奇数帧。
在测试集上的测试结果如下表所示，表格的左侧4列说明了对应序列的特征，GT是人工标注的人体骨架，ES是利用骨架提取技术自动标注的人体骨架，CM1,CM2,CM3,CM4分别是指帧内空间差分方法编码全部序列、基于运动矢量的帧间差分方法编码全部序列、基于线性预测模型的帧间差分方法编码全部序列和多模态选择性编码全部序列，表格中的CM1,CM2,CM3,CM4列中百分号均是指对应方法的压缩率。
Figure GDA0003473238020000052
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (6)

1.一种用于视频中的人体骨架的多模态无损压缩实现方法，其特征在于，通过选取关键帧并对视频中的每一帧中的各个人体骨架区分是否为变化的人体骨架，然后对变化的人体骨架进行特殊标记标注，根据每帧图像是否为关键帧以及该帧中各个骨架是否为变化的人体骨架进行选择性编码；
所述的变化的人体骨架是指：与相邻前一帧具有相反的状态，即当前帧中出现但在前一帧中未出现人体骨架或前一帧中出现但在当前帧中未出现人体骨架；
所述的人体骨架在每一帧中对应设有标识符，针对一系列帧中连续出现的人体骨架的标识符相同；
对于关键帧采用以下方式进行编码，以不依赖其它帧即可单独解码，采用帧内空间差分方法对本帧的人体骨架信息进行编码，即定长编码一个人体骨架关键点，其它点则非定长熵编码其与关键点或邻近已编码非关键点的位置坐标差分值，所述的标识符，采用以下方式进行编码：针对关键帧中第i个人体骨架的ID值IDi，采用非定长熵编码编码：当为第一个人体骨架，即i＝1时，编码IDi-1；当为后续人体骨架，即i＞1时编码IDi-IDi-1-1；
对于非关键帧，按照每一个人体骨架的特点采用帧内空间差分方法、基于运动矢量的帧间差分方法和基于预测模型的帧间差分方法中的某一个进行编码，不需要将标识符信息存入编码比特流中；
当当前帧为非人体骨架变化帧且存在人体骨架时，当该人体骨架在前面帧中出现的帧数满足基于预测模型的帧间差分方法中预测模型的要求时，则比较基于预测模型的帧间差分方法与基于运动矢量的帧间差分方法二者对当前帧该人体骨架的压缩率大小并选择压缩率较小的编码方法，当帧数不满足基于预测模型的帧间差分方法中预测模型的要求时则采用基于运动矢量的帧间差分方法；
当当前帧为变化的人体骨架且为新出现的人体骨架时采用帧内空间差分方法编码。
2.根据权利要求1所述的方法，其特征是，所述的选取，关键帧的数目少于非关键帧，其中：关键帧独立解码，非关键帧依赖参考帧，即之前的关键帧或非关键帧解码。
3.根据权利要求1所述的方法，其特征是，所述的特殊标记标注是指：针对变化的人体骨架：用一个比特1标记当前帧中该人体骨架消失并存入编码比特流中，针对当前帧中存在人体骨架：用一个比特0标记当前帧中该人体骨架新出现并存入编码比特流中。
4.根据权利要求1所述的方法，其特征是，当采用基于运动矢量的帧间差分方法时在编码比特流中写入一个比特1；当采用基于预测模型的帧间差分方法时在编码比特流中写入一个比特0。
5.根据权利要求1～4中任一所述的方法，其特征是，所述的基于运动矢量的帧间差分方法是指：非定长编码该人体骨架在当前帧和前一帧间的运动矢量和通过运动矢量计算得到的人体骨架各点运动残差，其中运动矢量为
Figure FDA0003477109240000021
其中：
Figure FDA0003477109240000022
和
Figure FDA0003477109240000023
分别指当前帧和前一帧中该人体骨架，ij分别是它们的ID值；
Figure FDA0003477109240000024
和
Figure FDA0003477109240000025
是指当前帧中该人体骨架2号点的坐标值，
Figure FDA0003477109240000026
和
Figure FDA0003477109240000027
是指前一帧中该人体骨架2号点的坐标值，其中：各点运动残差为
Figure FDA0003477109240000028
Figure FDA0003477109240000029
其中：
Figure FDA00034771092400000210
和
Figure FDA00034771092400000211
分别指当前帧和前一帧该人体骨架的第k个点的坐标；
所述的基于预测模型的帧间差分方法是指：非定长熵编码当前帧中该人体骨架实际位置与其预测位置的差分值，预测位置由预测模型根据该人体骨架在前几帧的运动情况给出，具体为：预测模型给出的当前帧ID为i的人体骨架的第k号点的预测位置坐标
Figure FDA00034771092400000212
Figure FDA00034771092400000213
其中：Model是预测模型，N是预测模型给出预测所需的之前的帧数目，
Figure FDA00034771092400000214
是前第n帧同一人体骨架第k号点的位置坐标。
6.一种实现权利要求1～5中任一所述所述方法的多模态无损压缩系统，其特征在于，包括：骨架筛选模块、编码方式选择模块以及编码模块，其中：骨架筛选模块根据包含人体骨架的视频并输出关键帧和变化的人体骨架的特殊标记至编码方式选择模块，编码方式选择模块根据关键帧和变化的人体骨架的特殊标记输出各帧的最佳编码方法至编码模块，编码模块与输出模块相连并传输最终编码比特流信息。
CN201910157792.6A 2019-03-02 2019-03-02 用于视频中的人体骨架的多模态无损压缩实现方法和系统 Active CN111641830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910157792.6A CN111641830B (zh) 2019-03-02 2019-03-02 用于视频中的人体骨架的多模态无损压缩实现方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910157792.6A CN111641830B (zh) 2019-03-02 2019-03-02 用于视频中的人体骨架的多模态无损压缩实现方法和系统

Publications (2)

Publication Number Publication Date
CN111641830A CN111641830A (zh) 2020-09-08
CN111641830B true CN111641830B (zh) 2022-03-15

Family

ID=72330511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910157792.6A Active CN111641830B (zh) 2019-03-02 2019-03-02 用于视频中的人体骨架的多模态无损压缩实现方法和系统

Country Status (1)

Country Link
CN (1) CN111641830B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11625938B2 (en) 2020-12-29 2023-04-11 Industrial Technology Research Institute Method and device for detecting human skeletons
CN115209160A (zh) * 2022-06-13 2022-10-18 北京大学深圳研究生院 视频压缩方法、电子设备及可读存储介质
CN115665359B (zh) * 2022-10-09 2023-04-25 西华县环境监察大队 一种环境监测数据智能压缩方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912985A (zh) * 2016-04-01 2016-08-31 上海理工大学 基于能量函数的人体骨架关节点的行为动作表示方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9161012B2 (en) * 2011-11-17 2015-10-13 Microsoft Technology Licensing, Llc Video compression using virtual skeleton
KR20130108949A (ko) * 2012-03-26 2013-10-07 한국전자통신연구원 영상부호 및 복호화 단계에서의 이중 객체검출 및 이동경로 정보를 이용한 영상 압축 방법
IN2013MU03837A (zh) * 2013-12-06 2015-07-31 Tata Consultancy Services Ltd

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912985A (zh) * 2016-04-01 2016-08-31 上海理工大学 基于能量函数的人体骨架关节点的行为动作表示方法

Also Published As

Publication number Publication date
CN111641830A (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN111641830B (zh) 用于视频中的人体骨架的多模态无损压缩实现方法和系统
CN106973293B (zh) 基于视差预测的光场图像编码方法
CN102065290B (zh) 视讯译码装置、存储运动矢量信息的方法及存储器分配方法
CN105915914B (zh) 移除运动向量预测子中冗余的方法与装置
US20190261016A1 (en) Video compression through motion warping using learning-based motion segmentation
CN101267556B (zh) 快速运动估计方法及视频编解码方法
CN101335892B (zh) 基于帧内模式决策的混合分布式视频编码方法
CN108235007B (zh) 各模式使用不同精度同种编码参数的数据压缩方法和装置
CN102474606B (zh) 分层视频编码和解码中对颜色通道进行编码和解码的方法和设备
WO2003003745A1 (en) Image encoder, image decoder, image encoding method, and image decoding method
CN107770524A (zh) 一种视频编解码处理方法及装置
CN103220508A (zh) 编解码方法和装置
CN106878751B (zh) 视频帧内编码模式的标识方法、处理方法和装置
CN104704826B (zh) 两步量化和编码方法和装置
CN101562745B (zh) 一种多视点视频图像编码和解码的方法及装置
CN112465698A (zh) 一种图像处理方法和装置
JP2008511226A5 (zh)
CN107888928A (zh) 运动补偿预测方法和设备
CN111294604A (zh) 一种基于深度学习的视频压缩方法
CN103888770B (zh) 一种基于数据挖掘的高效自适应的视频转码系统
CN108391132B (zh) 文字块编码方法及装置
CN101438597A (zh) 图像数据压缩装置、压缩方法及程序、以及图像数据恢复装置、恢复方法及程序
CN101494788A (zh) 视频图像的压缩/解压缩方法与装置
CN109922347A (zh) 视频编译码方法及其图像处理装置
CN111447452B (zh) 数据编码方法及系统

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