CN113542771A - 一种基于内容权重的视频高效压缩处理方法 - Google Patents

Abstract

本发明公开了一种基于内容权重的视频高效压缩处理方法，涉及图像压缩技术，解决了以降低清晰度为代价的方法不利于作业现场安全监控任务的技术问题。对连续两帧的所述视频图像进行差分运算，得到单点权重值；根据所述单点权重值求取所述视频图像的权重等级；将权重等级不符合设定权重等级的所述视频图像进行相似度分析，并将相似度值在设定相似阈值内的视频图像进行归类分组，以获得类似图像组；从所述类似图像组中抽取信息量最大的视频图像，并将其进行上传保存。本发明大大压缩的视频大小，缓解电力作业监控系统大量在线实时视频传输的带宽压力，也更有利于为后续的视频储存和进一步分析。

Description

一种基于内容权重的视频高效压缩处理方法

技术领域

本发明涉及图像压缩技术，更具体地说，它涉及一种基于内容权重的视频高效压缩处理方法。

背景技术

电网中大部分的作业现场都安装了视频监控。随着电网规模的扩大，作业点和作业次数都快速增长。随之而来是视频监控的路数不断增长，同时画面的质量不断提高。这给电力视频监控中心带来了两方面的问题：一方面是监控中心得视频传输线路承担巨大的宽带传输负荷；二是视频的存储需要巨大的存储空间。这些现实的问题就要求对电力的监控视频进行高效的压缩，以保证实时传输通道不发生阻塞以及发生存储空间不足的问题。

现阶段，变电站运用的视频压缩技术，往往都是从图像质量的角度上，通过运用压缩技术，实现数据进行编码重新构造。这种办法虽然能够适当的将原视频数据的大小进行压缩，但也间接的降低了视频的清晰度，导致图像信息丢失。这种以降低清晰度为代价的方法显然不利于作业现场的安全监控任务，因而需要寻找一个新的方法，即满足作业视频监控的高清度要求，又能将视频进行压缩。

发明内容

本发明要解决的技术问题是针对现有技术的不足，提供一种基于内容权重的视频高效压缩处理方法，解决了以降低清晰度为代价的方法不利于作业现场安全监控任务的问题。

本发明所述的一种基于内容权重的视频高效压缩处理方法，包括以下步骤：

步骤一、将采集到的视频图像进行预处理，并对连续两帧的所述视频图像进行差分运算，得到单点权重值；

步骤二、根据所述单点权重值求取所述视频图像的内容权重值；

步骤三、根据所述内容权重值确定视频图像的权重等级；

步骤四、将权重等级不符合设定权重等级的所述视频图像进行相似度分析，并将相似度值在设定相似阈值内的视频图像进行归类分组，以获得类似图像组；

步骤五、从所述类似图像组中抽取信息量最大的视频图像，并将其进行上传保存。

所述步骤一，具体包括：

第一步、对采集到的所述视频图像进行中值滤波处理；

第二步、对滤波后的所述视频图像进行灰度处理；

第三步、将连续两帧所述的视频图像对应的像素点灰度值进行相减，并取其绝对值，得到差分图像；

第四步、逐个对所述差分图像的每个像素点进行二值化处理，获取差分图像中像素点的单点权重值。

通过以下判断式对所述像素点进行二值化处理：

其中，W(x,y)为单点权重值；D_n(x,y)为差分图像中相应像素点的绝对值；T₁为设定的差分阈值。

在步骤二中，通过以下公式求取所述视频图像的内容权重值：

其中，

为内容权重值；a×b是视频图像的像素。

在步骤三中，通过以下判断式确定视频图像的权重等级：

其中，C_n为第n帧视频图像的权重等级；T₂为设定权重阈值。

步骤四，具体包括：

第一步、读取权重等级不符合设定权重等级的所述视频图像；并将所述视频图像的尺寸设置成统一的大小；

第二步、将统一大小后的视频图像进行灰度化处理；

第三步、计算灰度化处理后的所述视频图像像素的平均值；

第四步、根据所述平均值生成哈希值，得到所述视频图像的哈希指纹；

第五步、计算相邻两帧所述的视频图像的哈希指纹之间的汉明距离，通过以下判断公式判断相邻两帧所述的视频图像的相似度值：

其中，S为相似度值；H为汉明距离；

第六步、将所述相似度值在设定相似阈值内的视频图像进行进行归类分组，以获得类似图像组。

步骤五，具体包括：

第一步、通过以下公式计算所述类似图像组中每帧图像点灰度和邻域灰度均值对类似图像灰度值发生的概率：

其中，i为点灰度；j为邻域灰度均值，且0≤i，j≤L-1；M×N为类似图像的大小；f(x,y)为类似图像中坐标为(x,y)的像素灰度值；

第二步、通过以下公式分别计算每帧所述类似图像的信息熵：

第三步、选取所有所述信息熵中熵值最大的帧作为关键帧，并将所述关键帧对应的视频图像上传保存。

有益效果

本发明的优点在于：通过对视频图像内容权重及其相似度的分析，以对视频图像进行分类，并对监控视频中的关键帧进行保存，实现对监控视频的压缩。在保证保留监控视频的关键信息的情况下，大大压缩的视频大小，缓解电力作业监控系统大量在线实时视频传输的带宽压力，也更有利于为后续的视频储存和进一步分析。

附图说明

图1为本发明的压缩处理方法流程示意图；

图2为本发明的视频图像权重等级划分示意图；

图3为本发明的处理方法与标准HM16.0的实验结果对照表。

具体实施方式

下面结合实施例，对本发明作进一步的描述，但不构成对本发明的任何限制，任何人在本发明权利要求范围所做的有限次的修改，仍在本发明的权利要求范围内。

参阅图1，本发明的一种基于内容权重的视频高效压缩处理方法，包括以下步骤：

步骤一、将采集到的视频图像进行预处理，并对连续两帧的视频图像进行差分运算，得到单点权重值。通过对连续两帧视频图像进行差分运算，能检测判断出当前监控视频中是否出现有运动目标。

该步骤具体包括：

第一步、对采集到的视频图像进行中值滤波处理，以提高视频图像的质量。

第二步、对滤波后的视频图像进行灰度处理。

第三步、将连续两帧的视频图像对应的像素点灰度值进行相减，并取其绝对值，得到差分图像。

本实施例中，设视频图像序列中第n帧和第n-1帧图像为f_n和f_n-1，两帧对应像素点的灰度值记为f_n(x,y)和f_n-1(x,y)，将两帧图像对应像素点的灰度值进行相减，并取其绝对值，其表达式为：

D_n(x，y)＝|f_n(x，y)-f_n-1(x，y)|。

其中，n为1以上的自然数。

最终将所有的像素点灰度绝对值整合，得到差分图像。

第四步、逐个对差分图像的每个像素点进行二值化处理，获取差分图像中像素点的单点权重值。通过上述表达式可知，当两帧之间的差别越大，其绝对值也就越大；否则，其绝对值越小。因此，本实施例设置了一设定的差分阈值，通过设定的差分阈值判断每一个像素点的单点权重值。

具体的，通过以下判断式对像素点进行二值化处理：

其中，W(x,y)为单点权重值；D_n(x,y)为差分图像中相应像素点的绝对值；T₁为设定的差分阈值。

即，通过上述判断式，当绝对值大于设定的阈值时，该像素点的单点权重值则赋值为1，表示第n帧图像相对第n-1帧图像有运动目标出现；否则，该像素点的单点权重值赋值为0，无运动目标出现。

步骤二、根据单点权重值求取视频图像的内容权重值。由于每幅视频图像的像素点较多，如通过单点比较，则将占用较大的计算机资源。因此，本实施通过求取视频图像的内容权重值，以解决这一问题。

具体的，本实施例通过以下公式求取视频图像的内容权重值：

其中，

为内容权重值；a×b是视频图像的像素。

步骤三、根据内容权重值确定视频图像的权重等级。为了确定视频图像的权重等级，本实施例设置了一设定权重阈值，并根据该设定权重阈值对视频图像的内容权重进行划分等级。

具体的，通过以下判断式确定视频图像的权重等级：

其中，C_n为第n帧视频图像的权重等级；T₂为设定权重阈值。

综上所示，本实施例在对监控视频进行连续的运动目标检测时，每更新一帧视频图像，便计算其与上一帧视频图像之间的权重等级C_n，并最终获得一个如图2所示的连续权重等级曲线。且如图2所示，图中在t11时刻，检测出有运动目标，而在t17时刻，运动目标消失。

步骤四、将权重等级不符合设定权重等级的视频图像进行相似度分析，并将相似度值在设定相似阈值内的视频图像进行归类分组，以获得类似图像组。

所计算出的视频图像权重等级若不符合设定的权重等级，则说明该视频图像中并没有出现运动目标。然后对这些图像依次进行相似度分析，并将相似度高的视频图像进行归类分组，以便于进一步对视频图像进行压缩。

该步骤具体包括：

第一步、读取权重等级不符合设定权重等级的视频图像；并将视频图像的尺寸设置成统一的大小。如，可将视频图像缩小至8*8大小。

第二步、将统一大小后的视频图像进行灰度化处理。

第三步、计算灰度化处理后的视频图像像素的平均值。

第四步、根据平均值生成哈希值，得到视频图像的哈希指纹。本实施例将大于平均值的视频图像像素记为1，小于平均值的视频图像像素记为0。最终得到一个64位的序列，即哈希指纹。

第五步、计算相邻两帧的视频图像的哈希指纹之间的汉明距离。相同位置的值相同，汉明距离不变；值不相同距离加1。通过以下判断公式判断相邻两帧的视频图像的相似度值：

其中，S为相似度值；H为汉明距离。

即如果汉明距离小于或等于10，则认为两幅图像是相似的，将相似度值幅值为1；否则，认为两幅图像不相似，将相似度值幅值为0。

第六步、将相似度值在设定相似阈值内的视频图像进行归类分组，以获得类似图像组。

步骤五、从类似图像组中抽取信息量最大的视频图像，并将其进行上传保存。由于信息量最大的视频图像已包含了类似图像组中其他图像的图像特征，因此，将类似图像组中大多数的图像丢弃，仅留下该视频图像，从而实现视频的压缩，同时又保留了监控视频的关键信息。

步骤五，具体包括：

第一步、通过以下公式计算类似图像组中每帧图像点灰度和邻域灰度均值对类似图像灰度值发生的概率：

其中，i为点灰度；j为邻域灰度均值；M×N为类似图像的大小；f(x,y)为类似图像中坐标为(x,y)的像素灰度值。

第二步、通过以下公式分别计算每帧类似图像的信息熵：

对于一幅灰度值为L(1<L<256)，大小为M×M的灰度级图像，用f(x,y)表示图像中坐标为(x,y)的像素灰度值，f(x,y)的取值范围是[0，L-1]，则相应的像素邻域平均灰度的灰度值也为L，那么类似图像的二维直方图的曲面就有L2个点。而0≤i，j≤L-1，并且

也就是说，{P_i，j|i，j＝0，1，…，L-1}是该图像关于像素点灰度及邻域灰度均值的二维直方图。上述对类似图像信息熵的计算，则通过类似图像的二维直方图来计算。

第三步、选取所有信息熵中熵值最大的帧作为关键帧，并将关键帧对应的视频图像上传保存。

为了验证本发明所提出的压缩技术的有效性，将本实施例提出的方法和标准的HEVC编解码过程实验结果进行对比。采用了不同分辨率的视频序列进行测试，其中量化参数QP分别选取了22,27,32 37,42的情况下进行测试。实验结果如图3所示，显示对于所选用不同分辨率的视频序列均有正向效果。

以上所述的仅是本发明的优选实施方式，应当指出对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些都不会影响本发明实施的效果和专利的实用性。

Claims (7)

1.一种基于内容权重的视频高效压缩处理方法，其特征在于，包括以下步骤：

步骤一、将采集到的视频图像进行预处理，并对连续两帧的所述视频图像进行差分运算，得到单点权重值；

步骤二、根据所述单点权重值求取所述视频图像的内容权重值；

步骤三、根据所述内容权重值确定视频图像的权重等级；

步骤四、将权重等级不符合设定权重等级的所述视频图像进行相似度分析，并将相似度值在设定相似阈值内的视频图像进行归类分组，以获得类似图像组；

步骤五、从所述类似图像组中抽取信息量最大的视频图像，并将其进行上传保存。

2.根据权利要求1所述的一种基于内容权重的视频高效压缩处理方法，其特征在于，所述步骤一，具体包括：

第一步、对采集到的所述视频图像进行中值滤波处理；

第二步、对滤波后的所述视频图像进行灰度处理；

第三步、将连续两帧所述的视频图像对应的像素点灰度值进行相减，并取其绝对值，得到差分图像；

第四步、逐个对所述差分图像的每个像素点进行二值化处理，获取差分图像中像素点的单点权重值。

3.根据权利要求2所述的一种基于内容权重的视频高效压缩处理方法，其特征在于，通过以下判断式对所述像素点进行二值化处理：

其中，W(x，y)为单点权重值；D_n(x，y)为差分图像中相应像素点的绝对值；T₁为设定的差分阈值。

4.根据权利要求1所述的一种基于内容权重的视频高效压缩处理方法，其特征在于，在步骤二中，通过以下公式求取所述视频图像的内容权重值：

其中，

为内容权重值；a×b是视频图像的像素。

5.根据权利要求1所述的一种基于内容权重的视频高效压缩处理方法，其特征在于，在步骤三中，通过以下判断式确定视频图像的权重等级：

其中，C_n为第n帧视频图像的权重等级；T₂为设定权重阈值。

6.根据权利要求1所述的一种基于内容权重的视频高效压缩处理方法，其特征在于，步骤四，具体包括：

第一步、读取权重等级不符合设定权重等级的所述视频图像；并将所述视频图像的尺寸设置成统一的大小；

第二步、将统一大小后的视频图像进行灰度化处理；

第三步、计算灰度化处理后的所述视频图像像素的平均值；

第四步、根据所述平均值生成哈希值，得到所述视频图像的哈希指纹；

第五步、计算相邻两帧所述的视频图像的哈希指纹之间的汉明距离，通过以下判断公式判断相邻两帧所述的视频图像的相似度值：

其中，S为相似度值；H为汉明距离；

第六步、将所述相似度值在设定相似阈值内的视频图像进行进行归类分组，以获得类似图像组。

7.根据权利要求6所述的一种基于内容权重的视频高效压缩处理方法，其特征在于，步骤五，具体包括：

第一步、通过以下公式计算所述类似图像组中每帧图像点灰度和邻域灰度均值对类似图像灰度值发生的概率：

其中，i为点灰度；j为邻域灰度均值，且0≤i，j≤L-1；M×N为类似图像的大小；f(x，y)为类似图像中坐标为(x，y)的像素灰度值；

第二步、通过以下公式分别计算每帧所述类似图像的信息熵：

第三步、选取所有所述信息熵中熵值最大的帧作为关键帧，并将所述关键帧对应的视频图像上传保存。

Images