CN111652186A - 一种视频类别识别的方法及相关装置 - Google Patents
一种视频类别识别的方法及相关装置 Download PDFInfo
- Publication number
- CN111652186A CN111652186A CN202010581315.5A CN202010581315A CN111652186A CN 111652186 A CN111652186 A CN 111652186A CN 202010581315 A CN202010581315 A CN 202010581315A CN 111652186 A CN111652186 A CN 111652186A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- video
- identification
- key frame
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明属于视频处理技术领域,公开了一种视频类别识别的方法及相关装置,包括图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块。对识别出的视频数据中的关键帧的类别进行统计,根据统计结果确定视频数据的类别,实现了对视频类别的识别。本发明的技术方案不需要人工识别视频的类别,降低了视频监测中视频类别识别的人工成本,此外,由于从视频文件中读取视频数据比人工观看视频的速度要快的多,所以本发明的技术方案还提高了视频监测中视频类别识别的效率。本发明对提取的视频关键帧进行降噪处理,增强关键帧图像的清晰度,提高了视频识别分类的准确度。
Description
技术领域
本发明属于视频处理技术领域,尤其涉及一种视频类别识别的方法及相关装置。
背景技术
目前,随着计算机硬件技术和软件技术的不断升级,各类数码摄像设备层出不穷,通信技术屡次突破性发展,视频的数量和传播速度更是飞速增长,内容视频化已成为互联网发展一大趋势。因此,对视频进行分类的识别技术显得尤为重要。现有技术中,在对视频进行识别分类时,在对相应的视频进行录制、存储后,需要由工作人员回放视频人工识别出视频的类别,最后根据识别出的视频的类别进行处理。由于现有技术中是通过回放视频依靠人工识别出视频的类别的,所以需要雇用大量的监测人员,人工成本较高,同时,由于回放视频时需要监测人员从头至尾观看视频内容,所以效率较低。
通过上述分析,现有技术存在的问题及缺陷为:现有技术中是通过回放视频依靠人工识别出视频的类别的,所以需要雇用大量的监测人员,人工成本较高,同时,由于回放视频时需要监测人员从头至尾观看视频内容,所以效率较低。
发明内容
针对现有技术存在的问题,本发明提供了一种视频类别识别的方法及相关装置。
本发明是这样实现的,一种视频类别识别的方法,所述视频类别识别的方法,包括以下步骤:
步骤一,图像接收模块利用接收端对视频进行接收,并进行后续的处理;其中,接收端设置有接收天线、信号处理机和接收处理组件;
步骤二,根据获取的视频图像信息,主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行;
步骤三,关键帧提取模块利用相应的程序,从获取的视频信息中提取若干关键帧,同时图像降噪模块对提取的关键帧图像进行降噪处理;
步骤四,特征信息识别模块识别从获取的视频信息中提取的若干关键帧的特征信息;特征信息比对模块将特征信息识别模块识别的特征信息与视频库中各类视频的特征信息进行比对并进行统计;
步骤五,比对统计后,识别结果输出模块将视频类别的结果,进行输出;图像储存模块存储各类视频关键帧的特征数据;
步骤六,视频库模块在视频库中,储存各类对比视频数据;无线信号收发模块通过无线信号接收装置将相应的视频类别识别信息,传递到远程终端;
所述特征信息识别模块从获取的视频信息中提取的若干关键帧的特征信息的过程为:
对关键帧的图像进行灰度化处理,并采用校正法对输入图像进行颜色空间的归一化处理;
归一化处理完成后,确定图像中像素的梯度,并将图像划分成多个小区域;
根据划分完成的小区域,计算图像中的梯度直方图,进行描述;
描述完成后,将划分的小区域进行组合;
根据描述,建立一致的特征向量;同时对特征向量,进行解释说明,最终得到所提取的图像特征信息。
所述主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行的过程中,对数据进行融合的方法,包括:
将图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块建立数据集;
根据建立的数据集,提取相应的特征向量,并对特征向量进行识别;
特征向量识别完成后,建立特征向量的关联性;
利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述。
进一步,所述图像接收模块进行后续的处理过程为:
通过接收天线对视频图像的接收,利用接收处理组件对视频图像的解压缩;
视频图像解压缩完成后,信号处理机对图像数据进行提取,并控制显示屏显示视频图像。
进一步,所述视频图像的压缩过程为:
将接受的视频图像信息,建立相应的压缩集;对视频中图像分成一定数量的像素块;
分解完成后,对像素块键DCT变换,并进行量化处理;量化处理完成后,对相应的量化系数进行扫描,按照一定的压缩比,进行变换压缩。
进一步,所述接收的视频信息至少包括3个关键帧。
进一步,所述图像降噪模块的降噪步骤为:
第一步,将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,并以此构建训练集;
第二步,构建关键帧图像降噪模型;
第三步,利用训练集训练构建的关键帧图像降噪模型,获得训练好的关键帧图像降噪模型;
第四步,将待将噪关键帧图像输入至训练好的图像降噪模型,经计算输出降噪图像。
进一步,所述第二步中,关键帧图像降噪模型包括用于对待将噪关键帧图像进行特征编码的图像特征编码单元、用于对图像特征编码单元输出的编码特征图进行解码的图像特征解码单元。
所述图像特征编码单元包括特征提取模块和10个编码模块,图像解码单元包括10个解码模块和图像复原模块。
进一步,所述关键帧的特征信息为关键帧的感知哈希值,将关键帧的特征信息与视频库中类别信息已知的样本帧的特征信息的进行匹配,根据匹配结果识别出关键帧的类别。
进一步,所述视频库模块在视频库中,储存各类对比视频数据中,对各类对比视频图像进行分类的过程为:
将各类对比视频图像,建立相应的数据分类集;根据数据分类集,提取相应的各个图像的特征值;
同时确定图像分类的标准,计算分类标准特征值与各个图像的特征值的距离;
距离计算完成后,进行排序,选取距离最小的N个点,归为一类。
本发明另一目的在于提供一种实施所述的视频类别识别的方法的视频类别识别的相关装置,所述视频类别识别的相关装置包括:
图像接收模块,与主控模块连接,利用接收端对视频进行接收,并进行后续的处理;其中,接收端设置有接收天线、信号处理机和接收处理组件;
关键帧提取模块,与主控模块连接,利用相应的程序,从获取的视频信息中提取若干关键帧;
图像降噪模块,与主控模块连接,用于对提取的关键帧图像进行降噪处理;将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,并以此构建训练集;构建关键帧图像降噪模型,利用训练集训练构建的关键帧图像降噪模型,获得训练好的关键帧图像降噪模型;将待将噪关键帧图像输入至训练好的图像降噪模型,经计算输出降噪图像;
特征信息识别模块,与主控模块连接,用于识别从获取的视频信息中提取的若干关键帧的特征信息;特征信息识别模块从获取的视频信息中提取的若干关键帧的特征信息的过程为:对关键帧的图像进行灰度化处理,并采用校正法对输入图像进行颜色空间的归一化处理;归一化处理完成后,确定图像中像素的梯度,并将图像划分成多个小区域;根据划分完成的小区域,计算图像中的梯度直方图,进行描述;描述完成后,将划分的小区域进行组合;根据描述,建立一致的特征向量;同时对特征向量,进行解释说明,最终得到所提取的图像特征信息;
视频库模块,与主控模块连接,在视频库中,储存各类对比视频数据;将各类对比视频图像,建立相应的数据分类集;根据数据分类集,提取相应的各个图像的特征值;同时确定图像分类的标准,计算分类标准特征值与各个图像的特征值的距离;距离计算完成后,进行排序,选取距离最小的N个点,归为一类;
特征信息比对模块,与主控模块连接,用于将特征信息识别模块识别的特征信息与视频库中各类视频的特征信息进行比对并进行统计;
识别结果输出模块,与主控模块连接,将视频类别的结果,进行输出;
图像储存模块,与主控模块连接,用于存储各类视频关键帧的特征数据;
主控模块,分别与图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块,协调各个模块的运行;主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行的过程中,对数据进行融合的方法,包括:将图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块建立数据集;根据建立的数据集,提取相应的特征向量,并对特征向量进行识别;特征向量识别完成后,建立特征向量的关联性;利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述;
无线信号收发模块,与主控模块连接,通过无线信号接收装置将相应的视频类别识别信息,传递到远程终端。
进一步,所述视频类别识别的相关装置还包括:
壳体、USB接口、显示屏、无线信号接收装置、单片机、蓄电池、存储器;
壳体内部设置有无线信号接收装置、单片机、蓄电池、存储器,壳体上部设置有显示屏,壳体外侧设置有USB接口;
USB接口、显示屏、无线信号接收装置和存储器与单片机电性连接。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:对识别出的视频数据中的关键帧的类别进行统计,根据统计结果确定视频数据的类别,实现了对视频类别的识别。可见,本发明的技术方案不需要人工识别视频的类别,降低了视频监测中视频类别识别的人工成本,此外,由于从视频文件中读取视频数据比人工观看视频的速度要快的多,所以本发明的技术方案还提高了视频监测中视频类别识别的效率。同时,本发明对提取的视频关键帧进行降噪处理,增强关键帧图像的清晰度,提高了视频识别分类的准确度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的视频类别识别的方法流程图。
图2是本发明实施例提供的视频类别识别的相关装置结构示意图。
图3是本发明实施例提供的特征信息识别模块从获取的视频信息中提取的若干关键帧的特征信息方法流程图。
图4是本发明实施例提供的视频类别识别装置的结构示意图。
图5是本发明实施例提供的视频类别识别装置的壳体内部结构示意图。
图中:1、壳体;2、USB接口;3、显示屏;4、无线信号接收装置;5、单片机;6、主机;7、存储器;8、图像接收模块;9、关键帧提取模块;10、图像降噪模块;11、特征信息识别模块;12、视频库模块;13、特征信息比对模块;14、识别结果输出模块;15、图像储存模块;16、主控模块;17、无线信号收发模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种视频类别识别的方法及相关装置,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的视频类别识别的方法,包括:
S101:图像接收模块利用接收端对视频进行接收,并进行后续的处理;其中,接收端设置有接收天线、信号处理机和接收处理组件;
S102:根据获取的视频图像信息,主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行。
S103:关键帧提取模块利用相应的程序,从获取的视频信息中提取若干关键帧,同时图像降噪模块对提取的关键帧图像进行降噪处理。
S104:特征信息识别模块识别从获取的视频信息中提取的若干关键帧的特征信息;特征信息比对模块将特征信息识别模块识别的特征信息与视频库中各类视频的特征信息进行比对并进行统计。
S105:比对统计后,识别结果输出模块将视频类别的结果,进行输出;图像储存模块存储各类视频关键帧的特征数据。
S106:视频库模块在视频库中,储存各类对比视频数据;无线信号收发模块通过无线信号接收装置将相应的视频类别识别信息,传递到远程终端。
如图3所示,本发明实施例提供的特征信息识别模块从获取的视频信息中提取的若干关键帧的特征信息的过程为:
S201:对关键帧的图像进行灰度化处理,并采用校正法对输入图像进行颜色空间的归一化处理;
S202:归一化处理完成后,确定图像中像素的梯度,并将图像划分成多个小区域;
S203:根据划分完成的小区域,计算图像中的梯度直方图,进行描述;描述完成后,将划分的小区域进行组合;
S204:根据描述,建立一致的特征向量;同时对特征向量,进行解释说明,最终得到所提取的图像特征信息。
本发明实施例提供的主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行的过程中,对数据进行融合的方法,包括:
将图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块建立数据集;
根据建立的数据集,提取相应的特征向量,并对特征向量进行识别;
特征向量识别完成后,建立特征向量的关联性;
利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述。
本发明实施例提供的图像接收模块进行后续的处理过程为:
通过接收天线对视频图像的接收,利用接收处理组件对视频图像的解压缩;
视频图像解压缩完成后,信号处理机对图像数据进行提取,并控制显示屏显示视频图像。
所述视频图像的压缩过程为:
将接受的视频图像信息,建立相应的压缩集;对视频中图像分成一定数量的像素块;
分解完成后,对像素块键DCT变换,并进行量化处理;量化处理完成后,对相应的量化系数进行扫描,按照一定的压缩比,进行变换压缩。
本发明实施例提供的接收的视频信息至少包括3个关键帧。
本发明实施例提供的图像降噪模块的降噪步骤为:
将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,并以此构建训练集;
构建关键帧图像降噪模型;
利用训练集训练构建的关键帧图像降噪模型,获得训练好的关键帧图像降噪模型;
将待将噪关键帧图像输入至训练好的图像降噪模型,经计算输出降噪图像。
本发明实施例提供的,第二步中,关键帧图像降噪模型包括用于对待将噪关键帧图像进行特征编码的图像特征编码单元、用于对图像特征编码单元输出的编码特征图进行解码的图像特征解码单元。
所述图像特征编码单元包括特征提取模块和10个编码模块,图像解码单元包括10个解码模块和图像复原模块。
本发明实施例提供的关键帧的特征信息为关键帧的感知哈希值,将关键帧的特征信息与视频库中类别信息已知的样本帧的特征信息的进行匹配,根据匹配结果识别出关键帧的类别。
本发明实施例提供的视频库模块在视频库中,储存各类对比视频数据中,对各类对比视频图像进行分类的过程为:
将各类对比视频图像,建立相应的数据分类集;根据数据分类集,提取相应的各个图像的特征值;
同时确定图像分类的标准,计算分类标准特征值与各个图像的特征值的距离;
距离计算完成后,进行排序,选取距离最小的N个点,归为一类。
如图2所示,本发明实施例提供的一种视频类别识别的相关装置包括:
图像接收模块8,与主控模块16连接,利用接收端对视频进行接收,并进行后续的处理;其中,接收端设置有接收天线、信号处理机和接收处理组件。
关键帧提取模块9,与主控模块16连接,利用相应的程序,从获取的视频信息中提取若干关键帧。
图像降噪模块10,与主控模块16连接,用于对提取的关键帧图像进行降噪处理,增强关键帧图像的清晰度,以提高视频识别准确度。
特征信息识别模块11,与主控模块16连接,用于识别从获取的视频信息中提取的若干关键帧的特征信息。
视频库模块12,与主控模块16连接,在视频库中,储存各类对比视频数据。
特征信息比对模块13,与主控模块16连接,用于将特征信息识别模块识别的特征信息与视频库中各类视频的特征信息进行比对并进行统计。
识别结果输出模块14,与主控模块16连接,将视频类别的结果,进行输出。
图像储存模块15,与主控模块16连接,用于存储各类视频关键帧的特征数据。
主控模块16,分别与图像接收模块8、关键帧提取模块9、图像降噪模块10、特征信息识别模块11、视频库模块12、特征信息比对模块13、识别结果输出模块14、图像储存模块15,协调各个模块的运行。
无线信号收发模块17,与主控模块16连接,通过无线信号接收装置将相应的视频类别识别信息,传递到远程终端。
如图4-图5所示,本发明实施例提供的一种视频类别识别的相关装置,还包括:壳体1、USB接口2、显示屏3、无线信号接收装置4、单片机5、蓄电池6、存储器7;
壳体1内部设置有无线信号接收装置4、单片机5、蓄电池6、存储器7,壳体1上部设置有显示屏3,壳体1外侧设置有USB接口2;
USB接口2、显示屏3、无线信号接收装置4和存储器7与单片机5电性连接。
本发明的工作原理为:图像接收模块8利用接收端对视频进行接收,并进行后续的处理;其中,接收端设置有接收天线、信号处理机和接收处理组件。根据获取的视频图像信息,主控模块16分别控制图像接收模块8、关键帧提取模块9、图像降噪模块10、特征信息识别模块11、视频库模块12、特征信息比对模块13、识别结果输出模块14、图像储存模块15各个模块的运行。关键帧提取模块9利用相应的程序,从获取的视频信息中提取若干关键帧,同时图像降噪模块10对提取的关键帧图像进行降噪处理。特征信息识别模块11识别从获取的视频信息中提取的若干关键帧的特征信息;特征信息比对模块13将特征信息识别模块11识别的特征信息与视频库中各类视频的特征信息进行比对并进行统计。比对统计后,识别结果输出模块14将视频类别的结果,进行输出;图像储存模块15存储各类视频关键帧的特征数据。视频库模块12在视频库中,储存各类对比视频数据;无线信号收发模块17通过无线信号接收装置将相应的视频类别识别信息,传递到远程终端。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种视频类别识别的方法,其特征在于,所述视频类别识别的方法,包括以下步骤:
步骤一,图像接收模块利用接收端对视频进行接收,并进行后续的处理;其中,接收端设置有接收天线、信号处理机和接收处理组件;
步骤二,根据获取的视频图像信息,主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行;
步骤三,关键帧提取模块利用相应的程序,从获取的视频信息中提取若干关键帧,同时图像降噪模块对提取的关键帧图像进行降噪处理;
步骤四,特征信息识别模块识别从获取的视频信息中提取的若干关键帧的特征信息;特征信息比对模块将特征信息识别模块识别的特征信息与视频库中各类视频的特征信息进行比对并进行统计;
步骤五,比对统计后,识别结果输出模块将视频类别的结果,进行输出;图像储存模块存储各类视频关键帧的特征数据;
步骤六,视频库模块在视频库中,储存各类对比视频数据;无线信号收发模块通过无线信号接收装置将相应的视频类别识别信息,传递到远程终端;
所述特征信息识别模块从获取的视频信息中提取的若干关键帧的特征信息的过程为:
对关键帧的图像进行灰度化处理,并采用校正法对输入图像进行颜色空间的归一化处理;
归一化处理完成后,确定图像中像素的梯度,并将图像划分成多个小区域;
根据划分完成的小区域,计算图像中的梯度直方图,进行描述;
描述完成后,将划分的小区域进行组合;
根据描述,建立一致的特征向量;同时对特征向量,进行解释说明,最终得到所提取的图像特征信息;
所述主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行的过程中,对数据进行融合的方法,包括:
将图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块建立数据集;
根据建立的数据集,提取相应的特征向量,并对特征向量进行识别;
特征向量识别完成后,建立特征向量的关联性;
利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述。
2.如权利要求1所述视频类别识别的方法,其特征在于,所述图像接收模块进行后续的处理过程为:
通过接收天线对视频图像的接收,利用接收处理组件对视频图像的解压缩;
视频图像解压缩完成后,信号处理机对图像数据进行提取,并控制显示屏显示视频图像。
3.如权利要求2所述视频类别识别的方法,其特征在于,所述视频图像的压缩过程为:
将接受的视频图像信息,建立相应的压缩集;对视频中图像分成一定数量的像素块;
分解完成后,对像素块键DCT变换,并进行量化处理;量化处理完成后,对相应的量化系数进行扫描,按照一定的压缩比,进行变换压缩。
4.如权利要求2所述视频类别识别的方法,其特征在于,所述接收的视频信息至少包括3个关键帧。
5.如权利要求1所述视频类别识别的方法,其特征在于,所述图像降噪模块的降噪步骤为:
第一步,将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,并以此构建训练集;
第二步,构建关键帧图像降噪模型;
第三步,利用训练集训练构建的关键帧图像降噪模型,获得训练好的关键帧图像降噪模型;
第四步,将待将噪关键帧图像输入至训练好的图像降噪模型,经计算输出降噪图像。
6.如权利要求5所述视频类别识别的方法,其特征在于,所述第二步中,关键帧图像降噪模型包括用于对待将噪关键帧图像进行特征编码的图像特征编码单元、用于对图像特征编码单元输出的编码特征图进行解码的图像特征解码单元;
所述图像特征编码单元包括特征提取模块和10个编码模块,图像解码单元包括10个解码模块和图像复原模块。
7.如权利要求6所述视频类别识别的方法,其特征在于,所述关键帧的特征信息为关键帧的感知哈希值,将关键帧的特征信息与视频库中类别信息已知的样本帧的特征信息的进行匹配,根据匹配结果识别出关键帧的类别。
8.如权利要求1所述视频类别识别的方法,其特征在于,所述视频库模块在视频库中,储存各类对比视频数据中,对各类对比视频图像进行分类的过程为:
将各类对比视频图像,建立相应的数据分类集;根据数据分类集,提取相应的各个图像的特征值;
同时确定图像分类的标准,计算分类标准特征值与各个图像的特征值的距离;
距离计算完成后,进行排序,选取距离最小的N个点,归为一类。
9.一种实施如权利要求1-8所述的视频类别识别的方法的视频类别识别的相关装置,其特征在于,所述视频类别识别的相关装置包括:
图像接收模块,与主控模块连接,利用接收端对视频进行接收,并进行后续的处理;其中,接收端设置有接收天线、信号处理机和接收处理组件;
关键帧提取模块,与主控模块连接,利用相应的程序,从获取的视频信息中提取若干关键帧;
图像降噪模块,与主控模块连接,用于对提取的关键帧图像进行降噪处理;将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,并以此构建训练集;构建关键帧图像降噪模型,利用训练集训练构建的关键帧图像降噪模型,获得训练好的关键帧图像降噪模型;将待将噪关键帧图像输入至训练好的图像降噪模型,经计算输出降噪图像;
特征信息识别模块,与主控模块连接,用于识别从获取的视频信息中提取的若干关键帧的特征信息;特征信息识别模块从获取的视频信息中提取的若干关键帧的特征信息的过程为:对关键帧的图像进行灰度化处理,并采用校正法对输入图像进行颜色空间的归一化处理;归一化处理完成后,确定图像中像素的梯度,并将图像划分成多个小区域;根据划分完成的小区域,计算图像中的梯度直方图,进行描述;描述完成后,将划分的小区域进行组合;根据描述,建立一致的特征向量;同时对特征向量,进行解释说明,最终得到所提取的图像特征信息;
视频库模块,与主控模块连接,在视频库中,储存各类对比视频数据;将各类对比视频图像,建立相应的数据分类集;根据数据分类集,提取相应的各个图像的特征值;同时确定图像分类的标准,计算分类标准特征值与各个图像的特征值的距离;距离计算完成后,进行排序,选取距离最小的N个点,归为一类;
特征信息比对模块,与主控模块连接,用于将特征信息识别模块识别的特征信息与视频库中各类视频的特征信息进行比对并进行统计;
识别结果输出模块,与主控模块连接,将视频类别的结果,进行输出;
图像储存模块,与主控模块连接,用于存储各类视频关键帧的特征数据;
主控模块,分别与图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块,协调各个模块的运行;主控模块分别控制图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块各个模块的运行的过程中,对数据进行融合的方法,包括:将图像接收模块、关键帧提取模块、图像降噪模块、特征信息识别模块、视频库模块、特征信息比对模块、识别结果输出模块、图像储存模块建立数据集;根据建立的数据集,提取相应的特征向量,并对特征向量进行识别;特征向量识别完成后,建立特征向量的关联性;利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述;
无线信号收发模块,与主控模块连接,通过无线信号接收装置将相应的视频类别识别信息,传递到远程终端。
10.如权利要求9所述的视频类别识别的相关装置,其特征在于,所述视频类别识别的相关装置还包括:
壳体、USB接口、显示屏、无线信号接收装置、单片机、蓄电池、存储器;
壳体内部设置有无线信号接收装置、单片机、蓄电池、存储器,壳体上部设置有显示屏,壳体外侧设置有USB接口;
USB接口、显示屏、无线信号接收装置和存储器与单片机电性连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581315.5A CN111652186A (zh) | 2020-06-23 | 2020-06-23 | 一种视频类别识别的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581315.5A CN111652186A (zh) | 2020-06-23 | 2020-06-23 | 一种视频类别识别的方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111652186A true CN111652186A (zh) | 2020-09-11 |
Family
ID=72350035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010581315.5A Pending CN111652186A (zh) | 2020-06-23 | 2020-06-23 | 一种视频类别识别的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652186A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697761A (zh) * | 2022-04-07 | 2022-07-01 | 脸萌有限公司 | 一种处理方法、装置、终端设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102740065A (zh) * | 2011-03-31 | 2012-10-17 | 富士通株式会社 | 图像编码方法和系统 |
CN105426829A (zh) * | 2015-11-10 | 2016-03-23 | 深圳Tcl新技术有限公司 | 基于人脸图像的视频分类方法和装置 |
CN105718861A (zh) * | 2016-01-15 | 2016-06-29 | 北京市博汇科技股份有限公司 | 一种识别视频流数据类别的方法及装置 |
CN106354850A (zh) * | 2016-08-31 | 2017-01-25 | 广州精点计算机科技有限公司 | 一种基于k‑近邻分类的图像识别方法 |
US20170185841A1 (en) * | 2015-12-29 | 2017-06-29 | Le Holdings (Beijing) Co., Ltd. | Method and electronic apparatus for identifying video characteristic |
CN107133647A (zh) * | 2017-05-04 | 2017-09-05 | 湘潭大学 | 一种快速手写体识别方法 |
CN108009480A (zh) * | 2017-11-22 | 2018-05-08 | 南京亚兴为信息技术有限公司 | 一种基于特征识别的图像人体行为检测方法 |
CN108951762A (zh) * | 2018-07-17 | 2018-12-07 | 中国人民解放军陆军工程大学 | 一种用于市政自来水给水管线防泄露的方法 |
CN109040302A (zh) * | 2018-09-06 | 2018-12-18 | 中天飞龙(北京)智能科技股份有限公司 | 空地土壤墒情信息采集系统 |
CN109671026A (zh) * | 2018-11-28 | 2019-04-23 | 浙江大学 | 基于空洞卷积及自动编解码神经网络的灰度图像降噪方法 |
CN110430429A (zh) * | 2019-08-06 | 2019-11-08 | 陕西土豆数据科技有限公司 | 一种适合于航拍影像的jpeg压缩量化方法 |
CN111031503A (zh) * | 2019-11-07 | 2020-04-17 | 西安科成新果信息科技有限公司 | 一种物联网信息的融合控制方法及其操作系统 |
-
2020
- 2020-06-23 CN CN202010581315.5A patent/CN111652186A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102740065A (zh) * | 2011-03-31 | 2012-10-17 | 富士通株式会社 | 图像编码方法和系统 |
CN105426829A (zh) * | 2015-11-10 | 2016-03-23 | 深圳Tcl新技术有限公司 | 基于人脸图像的视频分类方法和装置 |
US20170185841A1 (en) * | 2015-12-29 | 2017-06-29 | Le Holdings (Beijing) Co., Ltd. | Method and electronic apparatus for identifying video characteristic |
CN105718861A (zh) * | 2016-01-15 | 2016-06-29 | 北京市博汇科技股份有限公司 | 一种识别视频流数据类别的方法及装置 |
CN106354850A (zh) * | 2016-08-31 | 2017-01-25 | 广州精点计算机科技有限公司 | 一种基于k‑近邻分类的图像识别方法 |
CN107133647A (zh) * | 2017-05-04 | 2017-09-05 | 湘潭大学 | 一种快速手写体识别方法 |
CN108009480A (zh) * | 2017-11-22 | 2018-05-08 | 南京亚兴为信息技术有限公司 | 一种基于特征识别的图像人体行为检测方法 |
CN108951762A (zh) * | 2018-07-17 | 2018-12-07 | 中国人民解放军陆军工程大学 | 一种用于市政自来水给水管线防泄露的方法 |
CN109040302A (zh) * | 2018-09-06 | 2018-12-18 | 中天飞龙(北京)智能科技股份有限公司 | 空地土壤墒情信息采集系统 |
CN109671026A (zh) * | 2018-11-28 | 2019-04-23 | 浙江大学 | 基于空洞卷积及自动编解码神经网络的灰度图像降噪方法 |
CN110430429A (zh) * | 2019-08-06 | 2019-11-08 | 陕西土豆数据科技有限公司 | 一种适合于航拍影像的jpeg压缩量化方法 |
CN111031503A (zh) * | 2019-11-07 | 2020-04-17 | 西安科成新果信息科技有限公司 | 一种物联网信息的融合控制方法及其操作系统 |
Non-Patent Citations (3)
Title |
---|
WENSHENG ZHOU 等: "Rule-based video classification system for basketball video indexing", 《PROCEEDINGS OF THE 2000 ACM WORKSHOPS ON MULTIMEDIA》 * |
张倩等: "基于ASM和K近邻算法的人脸脸型分类", 《计算机工程》 * |
朱秀昌 等: "《普通高等教育"十一五"国家级规划教材——数字图像处理与图像通信》", 31 July 2008 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697761A (zh) * | 2022-04-07 | 2022-07-01 | 脸萌有限公司 | 一种处理方法、装置、终端设备及介质 |
CN114697761B (zh) * | 2022-04-07 | 2024-02-13 | 脸萌有限公司 | 一种处理方法、装置、终端设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tsai et al. | Location coding for mobile image retrieval | |
US9569695B2 (en) | Adaptive search window control for visual search | |
CN108933935B (zh) | 视频通信系统的检测方法、装置、存储介质和计算机设备 | |
RU2505856C2 (ru) | Способ и устройство для представления и идентификации дескрипторов признаков с использованием сжатой гистограммы градиентов | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN111694978B (zh) | 图像相似度检测方法、装置、存储介质与电子设备 | |
CN112135140B (zh) | 视频清晰度识别方法、电子设备及存储介质 | |
KR102049078B1 (ko) | 이미지 분석 | |
CN112052730B (zh) | 一种3d动态人像识别监控设备及方法 | |
CN108763350B (zh) | 文本数据处理方法、装置、存储介质及终端 | |
CN112950640A (zh) | 视频人像分割方法、装置、电子设备及存储介质 | |
CN115222974A (zh) | 特征点匹配方法及装置、存储介质及电子设备 | |
CN111080665A (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
CN111652186A (zh) | 一种视频类别识别的方法及相关装置 | |
CN111428740A (zh) | 网络翻拍照片的检测方法、装置、计算机设备及存储介质 | |
CN114494942A (zh) | 视频分类方法及装置、存储介质及电子设备 | |
CN110555120A (zh) | 图片压缩控制方法、装置、计算机设备及存储介质 | |
CN113343895A (zh) | 目标检测方法、目标检测装置、存储介质与电子设备 | |
Katakol et al. | Distributed learning and inference with compressed images | |
CN109919164B (zh) | 用户界面对象的识别方法及装置 | |
CN112184843B (zh) | 图像数据压缩的冗余数据去除系统及方法 | |
CN111243046B (zh) | 图像质量检测方法、装置、电子设备及存储介质 | |
CN113936231A (zh) | 目标物识别方法、装置以及电子设备 | |
CN113453017A (zh) | 视频处理方法、装置、设备及计算机程序产品 | |
CN112634382A (zh) | 一种非自然对象的图像识别、替换方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200911 |