CN112581489A - 一种视频压缩方法、装置及存储介质 - Google Patents
一种视频压缩方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112581489A CN112581489A CN201910937536.9A CN201910937536A CN112581489A CN 112581489 A CN112581489 A CN 112581489A CN 201910937536 A CN201910937536 A CN 201910937536A CN 112581489 A CN112581489 A CN 112581489A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- video file
- background
- images
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000006835 compression Effects 0.000 title claims abstract description 37
- 238000007906 compression Methods 0.000 title claims abstract description 37
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20228—Disparity calculation for image-based rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请实施例公开了一种视频压缩方法、装置及存储介质,该方法包括:获取包含N帧图像的视频文件;其中,N取正整数;基于预设的背景提取策略,提取所述视频文件中的背景图像;将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标;确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。如此,最大限度的除去视频文件中的冗余信息,提高视频压缩效率,减小视频存储压力。
Description
技术领域
本申请涉及图像处理技术,尤其涉及一种视频压缩方法、装置及存储介质。
背景技术
为了保障生产生活安全越来越多的监控设备被部署在不同场所,监控设备对所监控的场景进行实时录像并存储视频图像,供监控人员查看以确定异常情况。然而监控设备采集到的视频图像中大部分图像帧是没有监控目标的背景图像,只有少部分图像帧包含监控目标,因此为了提高视频存储效率以及查询效率,采用视频压缩技术去掉视频图像的冗余帧是十分必要的。
视频压缩是数字媒体存储与传输等应用中的关键技术之一,其目的是通过消除冗余信息来减少存储与传输中的数据量。目前大多数视频压缩技术是针对非定向场景,通过预测变换以及熵编码等技术去消除视频帧冗余信息(包括结构冗余、信息熵冗余、时间冗余、空间冗余以及知识冗余),改变的是单帧图像的信息,压缩量有限。
发明内容
为解决上述技术问题,本申请实施例期望提供一种视频压缩方法、装置及存储介质。
本申请的技术方案是这样实现的:
第一方面,提供了一种视频压缩方法,该方法包括:
获取包含N帧图像的视频文件;其中,N取正整数;
基于预设的背景提取策略,提取视频文件中的背景图像;
将视频文件中的目标帧图像与背景图像进行差分运算,得到目标差分图像;
基于预设的动态目标识别策略,判断目标差分图像中是否包含动态目标;
确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。
第二方面,提供了一种视频压缩装置,该装置包括:
获取单元,用于获取包含N帧图像的视频文件;其中,N取正整数;
图像处理单元,用于基于预设的背景提取策略,提取视频文件中的背景图像;将视频文件中的目标帧图像与背景图像进行差分运算,得到目标差分图像;基于预设的动态目标识别策略,判断目标差分图像中是否包含动态目标;
存储单元,用于确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。
第三方面,提供了一种视频压缩装置,包括:处理器和配置为存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器配置为运行所述计算机程序时,执行前述方法的步骤。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现前述方法的步骤。
采用上述技术方案,基于预设的背景提取策略,提取所述视频文件中的背景图像;将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;对目标差分图像经过去噪处理确定目标差分图像中是否包含动态目标,只存储包含动态目标的目标帧图像,忽略不包含动态目标的图像帧,即不存储只有背景的图像帧)。如此,最大限度的除去视频文件中的冗余信息,提高视频压缩效率,减小视频存储压力。
附图说明
图1为本申请实施例中视频压缩方法的第一流程示意图;
图2为本申请实施例中视频压缩方法的第二流程示意图;
图3为本申请实施例中视频压缩方法的第三流程示意图;
图4为本申请实施例中视频压缩装置的第一组成结构的示意图;
图5为本申请实施例中视频压缩装置的第二组成结构的示意图。
具体实施方式
为了能够更加详尽地了解本申请实施例的特点与技术内容,下面结合附图对本申请实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本申请实施例。
图1为本申请实施例中视频压缩方法的第一流程示意图,如图1所示,该方法具体可以包括:
步骤101:获取包含N帧图像的视频文件;其中,N取正整数;
步骤102:基于预设的背景提取策略,提取所述视频文件中的背景图像;
步骤103:将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;
步骤104:基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标;
步骤105:确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。
这里,步骤101至步骤105的执行主体可以是视频压缩装置的处理器。可以通过视频压缩装置的摄像头获取包含N帧图像的视频文件,或者通过监控设备采集视频文件,监控设备通过通信网路将视频文件发送给视频压缩装置,视频压缩装置的通信单元接收监控设备发送的视频文件。
视频文件包含相同背景的N帧图像,或者包含不同背景的N帧图像。
实际应用中,背景提取是在视频图像序列中提取出背景,背景就是场景中静止不动的景物。若摄像机不动,图像中的每个像素点都有一个对应的背景,在一段时间内,这个背景值是比较固定的。背景提取的目标就是根据视频图像序列,找出图像中每个像素点的背景。确定每个像素点的背景之后,便可得到整幅背景图像。利用背景图像识别视频文件中每一帧图像是否包含前景,即动态目标。
在一些实施例中,所述获取包含N帧图像的视频文件之后,所述方法还包括:将所述视频文件划分为至少一个子视频文件;其中,所述子视频文件中任意相邻两帧图像之间的相似度大于第一相似度阈值;
所述基于预设的背景提取策略,提取所述视频文件中的背景图像,包括:基于预设的背景提取策略,提取所述至少一个子视频文件各自对应的背景图像;
所述将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像,包括:将目标子视频文件中的目标帧图像与对应于所述目标子视频文件的背景图像进行差分运算,得到目标差分图像。
这里,一个子视频文件对应一个背景图像,若摄像头是运动的,或者背景图像是变化的,需要对视频文件进行划分,一个子视频文件中图像之间的相似度大于相似度阈值,表明一个子视频文件中所有图像的拍摄背景相同,不同子视频文件对应的拍摄背景不同,不同子视频文件对应的拍摄背景也可能相同,比如,拍摄过程中镜头从场景A切换到场景B,再切换回场景A,则前面时刻场景A对应的子视频文件i和后面时刻场景A对应的子视频文件i+2对应同一拍摄场景,i取正整数。
确定不同子视频文件的背景图像后,利用不同子视频文件的背景图像确定各自子视频文件内部是否包含运动目标的目标帧图像。
现有从机器视觉角度去进行视频压缩的技术,主要是通过动态目标的提取后,与背景信息再分开采用传统的视频压缩算法,能进一步提高压缩比例,缺点是背景建模仅考虑特定场景,没有考虑到监控视频不同时间的背景图像会因为物体移动、光照变化等因素发生变化。
基于此,本申请实施例中,所述基于预设的背景提取策略,提取所述视频文件中的背景图像,包括:以d为间隔帧数,从所述视频文件的N帧图像中获取M帧图像作为背景图像;其中,d取整数,M取小于或者等于N的正整数;所述将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像,包括:将第i帧背景图像与所述N帧图像中的第i+x帧图像进行差分运算,得到所述第i+x帧图像对应的目标差分图像;其中,x取小于或者等于d的正整数。
也就是利用动态更新背景的方法,将视频文件中的N帧图像以时间顺序进行编号,采用等间隔取样的方法从N帧图像中提取M帧图像作为背景图像,M帧图像的编号与N帧图像中的编号相同,比如,间隔帧数为d,将第1帧图像作为背景图像,然后将第1帧与第1+x帧图像进行差分运算,得到1+x帧图像对应的差分图像;x取1到d的整数,然后将第1+d帧图像作为背景图像与第1+d+x帧图像进行差分运算,以此类推,检测所有图像。动态更新背景的方法优点在于可以避免背景组成成分发生变化以及光照变化带来的干扰。
实际应用中还可以利用高斯混合模型(Gaussian Mixture Model,GMM)算法提取背景,该算法的基本原理就是对每个像素由多个单高斯模型描述,模型中保存该处像素的均值和方差。如,可设(x,y)处像素的均值为u(x,y),方差为σ2(x,y)。由于随着视频图像的输出,模型参数不断更新,所以不同时刻模型参数有不同的值,故可将模型参数表示为三个变量x,y,t的函数,权值wi(x,y,t)均值ui(x,y,t),方差σi 2(x,y,t),i=1,2,...,K,K的值一般在3-5之间,表示高斯混合模型中包含单模型的个数。用高斯混合模型进行运动目标检测的过程包括:模型初始化、更新参数并进行前景检测、多个单高斯模型的排序及删减。
1)模型初始化
wi(x,y,t)表示每个模型的权重,满足,K个权重累加和为1。
权值、均值、方差确定一个单模型,对于第一帧的训练过程,当第一个像素来时,单独为其在程序中设置好其固定的初始均值、方差、权值设置为1。
2)更新参数并进行前景检测
非第一帧训练过程中,当后面像素来时,与前面已有的高斯的均值比较,如果该像素点的值与其模型均值差在3倍的方差内,则任务属于该高斯模型。
到达训练的帧数T后,进行不同像素点GMM个数自适应的选择。首先用权值除以方差对各个高斯模型进行从大到小排序,重要性大的排在前面,重要性小的排在后面,然后选取最前面B个高斯模型,使其满足大于T,T一般为0.7。
这样就可以很好的消除训练过程中的噪声点。在测试阶段,对新来像素点的值与B个高斯中的每一个均值进行比较,如果其差值在2倍的方差之间的话,则认为是背景,否则认为是前景。并且只要其中有一个高斯分量满足该条件就认为是前景。
实际应用中,除了上述背景图像提取方法还可以使用ViBe背景提取算法以及它的改进算法ViBe+,还有针对运动摄像机的光流法等。
在一些实施例中,所述基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标,包括:对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;计算所述至少一个连通区域的像素点数量;所述至少一个连通区域的像素点数量大于数量阈值时,确定所述目标差分图像中包含动态目标;所述至少一个连通区域的像素点数量小于或者等于数量阈值时,确定所述目标差分图像中不包含动态目标。
这里,通过对差分图像进行二值化处理,可以有效识别图像中的背景和前景,再通过像素统计法,确定二值化图像中表示前景的像素点(即像素值为255的像素点)数量是否能够用于表示一个前景,而不是噪声点。
在一些实施例中,所述基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标,包括:对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;所述至少一个连通区域中包含面积大于面积阈值的连通区域时,确定所述目标差分图像中包含动态目标;所述至少一个连通区域中不包含面积大于面积阈值的连通区域时,确定所述目标差分图像中不包含动态目标。
连通区域为目标二值化图像中由像素值为255的像素点组成的区域,当目标二值化图像中包含至少一个面积大于面积阈值的连通区域时,便可确认目标差分图像中包含动态目标。比如,从所述至少一个连通区域中确定所述目标二值化图像中的最大连通区域;所述最大连通区域大于面积阈值时,确定所述目标差分图像中包含动态目标;所述最大连通区域小于或者等于面积阈值时,确定所述目标差分图像中不包含动态目标。
这里,由于差分运算、二值化处理等步骤中存在的误差导致二值化图像中存在不连通的噪点,连通域法的具体实现包括:将目标而二值化图像进行形态学腐蚀膨胀,增强差分后的连通区域,同时消除不连通的小噪点,再确定图像中的至少一个连通区域。
在一些实施例中,该方法还包括:利用所述目标位置存储的所有目标帧图像,生成目标视频文件;输出所述目标视频文件。
也就是说,目标视频文件中包含运动目标的所有运动轨迹,这部分视频才是监控人员所要查看的内容,从视频文件中提取这部分内容并存储到目标位置,在监控人员需要查看时,只输出目标位置中存储的图像帧即可。
在一些实施例中,该方法还包括:将所述目标位置存储的所有目标帧图像划分为至少一个图像组;其中,所述图像组中任意两帧图像之间的相似度大于第二相似度阈值;从所述至少一个图像组中选取至少一帧待显示图像;其中,所述待显示图像中动态目标的清晰度大于清晰度阈值;输出所述至少一帧待显示图像。
实际应用中,对于人脸检测、车辆检测、车牌检测等这一类需要识别检测对象,但由于存储的目标帧图像中包含了检测对象的一系类运动轨迹,监控人员可能不需要获取完整的运动轨迹,因此只需要从所有包含检测对象的图像中确定包含清晰检测对象的图像,比如,人的正脸、车辆位置、车牌号。
在一些实施例中,判断所述目标差分图像中是否包含动态目标后,若确定所述目标差分图像中不包含动态目标时忽略所述目标帧图像。即不存储不包含动态目标的图像帧,最大限度的除去视频文件中的冗余信息。
图2为本申请实施例中视频压缩方法的第二流程示意图,如图2所示,该方法包括:
步骤201:获取包含N帧图像的视频文件;其中,N取正整数;
步骤202:基于预设的背景提取策略,提取所述视频文件中的背景图像;
步骤203:将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;
步骤204:对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;
步骤205:计算目标二值化图像中至少一个连通区域的像素点数量Sum;
这里,从上到下逐一遍历目标二值化图像,统计像素值为255的像素点数量,Sum初始值为0,若遍历到像素值为255的像素点,Sum值加1,以此类推,直到遍历完所有像素点,确定像素值为255的像素点数量。
步骤206:判断Sum是否大于数量阈值Th1,如果是,执行步骤207;如果否,执行步骤208;
步骤207:确定目标差分图像中包含动态目标,存储对应的目标帧图像;
步骤208:确定目标差分图像中不包含动态目标,忽略对应的目标帧图像。
图3为本申请实施例中视频压缩方法的第三流程示意图,如图3所示,该方法包括:
步骤301:获取包含N帧图像的视频文件;其中,N取正整数;
步骤302:基于预设的背景提取策略,提取所述视频文件中的背景图像;
步骤303:将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;
步骤304:对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;
步骤305:对目标二值化图像进行形态学腐蚀膨胀得到处理后的目标二值化图像;
由于差分运算、二值化处理等步骤中存在的误差导致二值化图像中存在不连通的噪点,因此将目标而二值化图像进行形态学腐蚀膨胀,增强差分后的连通区域,同时消除不连通的小噪点,消除二值化图像中存在不连通的噪点。
连通区域为目标二值化图像中由像素值为255的像素点组成的区域,当目标二值化图像中包含至少一个面积大于面积阈值的连通区域时,便可确认目标差分图像中包含动态目标。比如,从所述至少一个连通区域中确定所述目标二值化图像中的最大连通区域;所述最大连通区域大于面积阈值时,确定所述目标差分图像中包含动态目标;所述最大连通区域小于或者等于面积阈值时,确定所述目标差分图像中不包含动态目标。
步骤306:判断处理后的目标二值化图像中最大连通区域面积是否大于面积阈值Th2,如果是,执行步骤307;如果否,执行步骤308;
步骤307:确定目标差分图像中包含动态目标,存储对应的目标帧图像;
步骤308:确定目标差分图像中不包含动态目标,忽略对应的目标帧图像。
采用上述技术方案,基于预设的背景提取策略,提取所述视频文件中的背景图像;将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;对目标差分图像经过去噪处理确定目标差分图像中是否包含动态目标,只存储包含动态目标的目标帧图像,忽略不包含动态目标的图像帧,即不存储只有背景的图像帧)。如此,最大限度的除去视频文件中的冗余信息,提高视频压缩效率,减小视频存储压力。
本申请实施例中还提供了一种视频压缩装置,如图4所示,该装置包括:
获取单元401,用于获取包含N帧图像的视频文件;其中,N取正整数;
图像处理单元402,用于基于预设的背景提取策略,提取所述视频文件中的背景图像;将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标;
存储单元403,用于确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。
在一些实施例中,若确定所述目标差分图像中不包含动态目标时忽略所述目标帧图像。
在一些实施例中,所述获取包含N帧图像的视频文件之后,图像处理单元402,还用于将所述视频文件划分为至少一个子视频文件;其中,所述子视频文件中任意相邻两帧图像之间的相似度大于第一相似度阈值;基于预设的背景提取策略,提取所述至少一个子视频文件各自对应的背景图像;将目标子视频文件中的目标帧图像与对应于所述目标子视频文件的背景图像进行差分运算,得到目标差分图像。
在一些实施例中,图像处理单元402,具体用于以d为间隔帧数,从所述视频文件的N帧图像中获取M帧图像作为背景图像;其中,d取整数,M取小于或者等于N的正整数;将第i帧背景图像与所述N帧图像中的第i+x帧图像进行差分运算,得到所述第i+x帧图像对应的目标差分图像;其中,x取小于或者等于d的正整数。
在一些实施例中,图像处理单元402,具体用于对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;计算所述至少一个连通区域的像素值的累加和;所述像素值的累加和大于像素阈值时,确定所述目标差分图像中包含动态目标;所述像素值的累加和小于或者等于像素阈值时,确定所述目标差分图像中不包含动态目标。
在一些实施例中,图像处理单元402,具体用于对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;所述至少一个连通区域中包含面积大于面积阈值的连通区域时,确定所述目标差分图像中包含动态目标;所述至少一个连通区域中不包含面积大于面积阈值的连通区域时,确定所述目标差分图像中不包含动态目标。
在一些实施例中,图像处理单元402,还用于利用所述目标位置存储的所有目标帧图像,生成目标视频文件;输出所述目标视频文件。
在一些实施例中,图像处理单元402,还用于将所述目标位置存储的所有目标帧图像划分为至少一个图像组;其中,所述图像组中任意两帧图像之间的相似度大于第二相似度阈值;从所述至少一个图像组中选取至少一帧待显示图像;其中,所述待显示图像中动态目标的清晰度大于清晰度阈值;输出所述至少一帧待显示图像。
本申请实施例还提供了另一种视频压缩装置,如图5所示,该装置包括:处理器501和配置为存储能够在处理器上运行的计算机程序的存储器502;处理器501运行存储器502中计算机程序时实现以下步骤:
获取包含N帧图像的视频文件;其中,N取正整数;
基于预设的背景提取策略,提取所述视频文件中的背景图像;
将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;
基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标;
确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。
在一些实施例中,若确定所述目标差分图像中不包含动态目标时忽略所述目标帧图像。
在一些实施例中,处理器501运行存储器502中计算机程序时还实现以下步骤:
将所述视频文件划分为至少一个子视频文件;其中,所述子视频文件中任意相邻两帧图像之间的相似度大于第一相似度阈值;
所述基于预设的背景提取策略,提取所述视频文件中的背景图像,包括:基于预设的背景提取策略,提取所述至少一个子视频文件各自对应的背景图像;
所述将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像,包括:将目标子视频文件中的目标帧图像与对应于所述目标子视频文件的背景图像进行差分运算,得到目标差分图像。
在一些实施例中,处理器501运行存储器502中计算机程序时具体实现以下步骤:以d为间隔帧数,从所述视频文件的N帧图像中获取M帧图像作为背景图像;其中,d取整数,M取小于或者等于N的正整数;将第i帧背景图像与所述N帧图像中的第i+x帧图像进行差分运算,得到所述第i+x帧图像对应的目标差分图像;其中,x取小于或者等于d的正整数。
在一些实施例中,处理器501运行存储器502中计算机程序时具体实现以下步骤:对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;计算所述至少一个连通区域的像素值的累加和;所述像素值的累加和大于像素阈值时,确定所述目标差分图像中包含动态目标;所述像素值的累加和小于或者等于像素阈值时,确定所述目标差分图像中不包含动态目标。
在一些实施例中,处理器501运行存储器502中计算机程序时具体实现以下步骤:对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;所述至少一个连通区域中包含面积大于面积阈值的连通区域时,确定所述目标差分图像中包含动态目标;所述至少一个连通区域中不包含面积大于面积阈值的连通区域时,确定所述目标差分图像中不包含动态目标。
在一些实施例中,处理器501运行存储器502中计算机程序时还实现以下步骤:利用所述目标位置存储的所有目标帧图像,生成目标视频文件;输出所述目标视频文件。
在一些实施例中,处理器501运行存储器502中计算机程序时还实现以下步骤:将所述目标位置存储的所有目标帧图像划分为至少一个图像组;其中,所述图像组中任意两帧图像之间的相似度大于第二相似度阈值;从所述至少一个图像组中选取至少一帧待显示图像;其中,所述待显示图像中动态目标的清晰度大于清晰度阈值;输出所述至少一帧待显示图像。
当然,实际应用时,如图5所示,该装置中的各个组件通过总线系统503耦合在一起。可理解,总线系统503用于实现这些组件之间的连接通信。总线系统503除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图5中将各种总线都标为总线系统503。
采用上述技术方案,基于预设的背景提取策略,提取所述视频文件中的背景图像;将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;对目标差分图像经过去噪处理确定目标差分图像中是否包含动态目标,只存储包含动态目标的目标帧图像,忽略不包含动态目标的图像帧,即不存储只有背景的图像帧)。如此,最大限度的除去视频文件中的冗余信息,提高视频压缩效率,减小视频存储压力。
在实际应用中,上述处理器可以为特定用途集成电路(ASIC,ApplicationSpecific Integrated Circuit)、数字信号处理装置(DSPD,Digital Signal ProcessingDevice)、可编程逻辑装置(PLD,Programmable Logic Device)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
上述存储器可以是易失性存储器(volatile memory),例如随机存取存储器(RAM,Random-Access Memory);或者非易失性存储器(non-volatile memory),例如只读存储器(ROM,Read-Only Memory),快闪存储器(flash memory),硬盘(HDD,Hard Disk Drive)或固态硬盘(SSD,Solid-State Drive);或者上述种类的存储器的组合,并向处理器提供指令和数据。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
可选的,该计算机可读存储介质可应用于本申请实施例中的任意一种视频压缩装置,并且该计算机程序使得计算机执行本申请实施例的各个方法中由处理器实现的相应流程,为了简洁,在此不再赘述。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本发明的具体实施方式,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种视频压缩方法,其特征在于,所述方法包括:
获取包含N帧图像的视频文件;其中,N取正整数;
基于预设的背景提取策略,提取所述视频文件中的背景图像;
将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;
基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标;
确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。
2.根据权利要求1所述的方法,其特征在于,所述获取包含N帧图像的视频文件之后,所述方法还包括:
将所述视频文件划分为至少一个子视频文件;其中,所述子视频文件中任意相邻两帧图像之间的相似度大于第一相似度阈值;
所述基于预设的背景提取策略,提取所述视频文件中的背景图像,包括:基于预设的背景提取策略,提取所述至少一个子视频文件各自对应的背景图像;
所述将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像,包括:将目标子视频文件中的目标帧图像与对应于所述目标子视频文件的背景图像进行差分运算,得到目标差分图像。
3.根据权利要求1所述的方法,其特征在于,所述基于预设的背景提取策略,提取所述视频文件中的背景图像,包括:以d为间隔帧数,从所述视频文件的N帧图像中获取M帧图像作为背景图像;其中,d取整数,M取小于或者等于N的正整数;
所述将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像,包括:将第i帧背景图像与所述N帧图像中的第i+x帧图像进行差分运算,得到所述第i+x帧图像对应的目标差分图像;其中,x取小于或者等于d的正整数。
4.根据权利要求1所述的方法,其特征在于,所述基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标,包括:
对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;
计算所述至少一个连通区域的像素点数量;
所述至少一个连通区域的像素点数量大于数量阈值时,确定所述目标差分图像中包含动态目标;
所述至少一个连通区域的像素点数量小于或者等于数量阈值时,确定所述目标差分图像中不包含动态目标。
5.根据权利要求1所述的方法,其特征在于,所述基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标,包括:
对所述目标差分图像进行二值化处理,得到包含至少一个连通区域的目标二值化图像;
所述至少一个连通区域中包含面积大于面积阈值的连通区域时,确定所述目标差分图像中包含动态目标;
所述至少一个连通区域中不包含面积大于面积阈值的连通区域时,确定所述目标差分图像中不包含动态目标。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
利用所述目标位置存储的所有目标帧图像,生成目标视频文件;
输出所述目标视频文件。
7.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
将所述目标位置存储的所有目标帧图像划分为至少一个图像组;其中,所述图像组中任意两帧图像之间的相似度大于第二相似度阈值;
从所述至少一个图像组中选取至少一帧待显示图像;其中,所述待显示图像中动态目标的清晰度大于清晰度阈值;
输出所述至少一帧待显示图像。
8.一种视频压缩装置,其特征在于,所述装置包括:
获取单元,用于获取包含N帧图像的视频文件;其中,N取正整数;
图像处理单元,用于基于预设的背景提取策略,提取所述视频文件中的背景图像;将所述视频文件中的目标帧图像与所述背景图像进行差分运算,得到目标差分图像;基于预设的动态目标识别策略,判断所述目标差分图像中是否包含动态目标;
存储单元,用于确定所述目标差分图像中包含动态目标时将所述目标帧图像存储于目标位置。
9.一种视频压缩装置,所述装置包括:处理器和配置为存储能够在处理器上运行的计算机程序的存储器,
其中,所述处理器配置为运行所述计算机程序时,执行权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937536.9A CN112581489A (zh) | 2019-09-29 | 2019-09-29 | 一种视频压缩方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937536.9A CN112581489A (zh) | 2019-09-29 | 2019-09-29 | 一种视频压缩方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112581489A true CN112581489A (zh) | 2021-03-30 |
Family
ID=75110948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910937536.9A Pending CN112581489A (zh) | 2019-09-29 | 2019-09-29 | 一种视频压缩方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581489A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283356A (zh) * | 2021-12-08 | 2022-04-05 | 上海韦地科技集团有限公司 | 一种移动图像的采集分析系统及方法 |
CN114363697A (zh) * | 2022-01-06 | 2022-04-15 | 上海哔哩哔哩科技有限公司 | 视频文件生成、播放方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751679A (zh) * | 2009-12-24 | 2010-06-23 | 北京中星微电子有限公司 | 运动目标的分类方法和检测方法及其装置 |
CN103179402A (zh) * | 2013-03-19 | 2013-06-26 | 中国科学院半导体研究所 | 一种视频压缩编码与解码方法及其装置 |
CN103996203A (zh) * | 2014-06-13 | 2014-08-20 | 北京锐安科技有限公司 | 一种检测图像面部遮挡的方法和装置 |
-
2019
- 2019-09-29 CN CN201910937536.9A patent/CN112581489A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751679A (zh) * | 2009-12-24 | 2010-06-23 | 北京中星微电子有限公司 | 运动目标的分类方法和检测方法及其装置 |
CN103179402A (zh) * | 2013-03-19 | 2013-06-26 | 中国科学院半导体研究所 | 一种视频压缩编码与解码方法及其装置 |
CN103996203A (zh) * | 2014-06-13 | 2014-08-20 | 北京锐安科技有限公司 | 一种检测图像面部遮挡的方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283356A (zh) * | 2021-12-08 | 2022-04-05 | 上海韦地科技集团有限公司 | 一种移动图像的采集分析系统及方法 |
CN114283356B (zh) * | 2021-12-08 | 2022-11-29 | 上海韦地科技集团有限公司 | 一种移动图像的采集分析系统及方法 |
CN114363697A (zh) * | 2022-01-06 | 2022-04-15 | 上海哔哩哔哩科技有限公司 | 视频文件生成、播放方法及装置 |
CN114363697B (zh) * | 2022-01-06 | 2024-04-26 | 上海哔哩哔哩科技有限公司 | 视频文件生成、播放方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272509B (zh) | 一种连续图像的目标检测方法、装置、设备及存储介质 | |
CN110765860B (zh) | 摔倒判定方法、装置、计算机设备及存储介质 | |
CN111898581B (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
CN104063883B (zh) | 一种基于对象和关键帧相结合的监控视频摘要生成方法 | |
KR101891225B1 (ko) | 배경 모델을 업데이트하기 위한 방법 및 장치 | |
CN105631418B (zh) | 一种人数统计的方法和装置 | |
CN111553259B (zh) | 一种图像去重方法及系统 | |
CN110991283A (zh) | 重识别及训练数据获取方法、装置、电子设备及存储介质 | |
JP2018010621A (ja) | 画像の背景差分に用いられる背景モデルを更新する方法及び装置 | |
CN103810711A (zh) | 一种用于监控系统视频的关键帧提取方法及其系统 | |
CN112818955B (zh) | 一种图像分割方法、装置、计算机设备以及存储介质 | |
CN111723773B (zh) | 遗留物检测方法、装置、电子设备及可读存储介质 | |
CN107358141B (zh) | 数据识别的方法及装置 | |
Hung et al. | Speed up temporal median filter for background subtraction | |
JPWO2018061976A1 (ja) | 画像処理装置 | |
CN110114801B (zh) | 图像前景检测装置及方法、电子设备 | |
CN113569756A (zh) | 异常行为检测与定位方法、系统、终端设备及可读存储介质 | |
CN112581489A (zh) | 一种视频压缩方法、装置及存储介质 | |
CN110782409A (zh) | 一种去除多运动物体阴影的方法 | |
CN112149596A (zh) | 一种异常行为检测方法、终端设备及存储介质 | |
Komagal et al. | Real time background subtraction techniques for detection of moving objects in video surveillance system | |
CN109359530B (zh) | 一种智能视频监控方法及装置 | |
US20200394802A1 (en) | Real-time object detection method for multiple camera images using frame segmentation and intelligent detection pool | |
CN116228712A (zh) | 一种多尺度边坡灾害监测方法、系统及装置 | |
Teknomo et al. | Background image generation using boolean operations |
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 |