CN116614673B - 一种基于特殊人群的短视频推送系统 - Google Patents

Abstract

本发明涉及数据处理领域，具体涉及一种基于特殊人群的短视频推送系统，包括：空间转换模块，可压缩程度计算模块，分离性权值计算模块，最终压缩颜色块获取模块及数据压缩模块；获取各个待压缩图像对应的各个颜色点的色块图像；根据各个色块图像的纹理复杂度以及各连通域面积，得到各个颜色点的可压缩程度；计算各个合并起始点与各个颜色点之间的分离性权值，进而得到所述各个合并起始点的初始压缩颜色块；根据各个初始压缩颜色块内各个颜色点的可压缩程度得到各个最终压缩颜色块；将各个最终压缩颜色块压缩后的数据进行推送。本发明在保留纹理信息的同时，避免了对图像的过度压缩。

Description

一种基于特殊人群的短视频推送系统

技术领域

本发明涉及数据处理领域，具体涉及一种基于特殊人群的短视频推送系统。

背景技术

在监狱、戒毒所、社区矫正中心、未成年管教所等视频推送系统中的带宽往往具有较大的限制，容易出现视频推送系统在同一时间并发时造成网络拥堵、延时，占用带宽过高等问题，所以需要对视频推送系统的中短视频数据进行压缩处理。

现有的压缩方法为通过将颜色近似的归为一类，进而完成短视频数据的压缩，但是由于常规的颜色压缩时，会丢失纹理信息，导致可能部分短视频中的图像过度压缩的情况。因此需要设计一种用于解决在对短视频中的图像进行压缩时，可以保留纹理结构信息，避免过度压缩的方法。

发明内容

本发明提供一种基于特殊人群的短视频推送系统，以解决现有的视频数据在压缩过程中存在过度压缩的问题。

本发明的一种基于特殊人群的短视频推送系统采用如下技术方案：

空间转换模块，用于根据视频推送系统的短视频的视频流得到各个待压缩图像；并将各个待压缩图像转换到Lab空间中，获取Lab空间中的各个颜色点；

可压缩程度计算模块，用于根据各个待压缩图像中的各个颜色点坐标得到所述各个颜色点对应的色块图像；获取各个色块图像的各个连通域的面积以及所述各个色块图像的纹理复杂度，根据所述各个连通域的面积以及所述纹理复杂度获取所述各个色块图像对应的颜色点的可压缩程度；

分离性权值计算模块，用于根据各个颜色点的可压缩程度得到各个合并起始点；根据各个合并起始点与各个颜色点之间可压缩程度的差值以及色差值获取所述各个合并起始点与各个颜色点之间的分离性权值；

最终压缩颜色块获取模块，用于根据各个合并起始点与各个颜色点的色差值以及分离性权值得到所述各个合并起始点的初始压缩颜色块；根据各个初始压缩颜色块内各个颜色点的可压缩程度获取各个最终压缩颜色块；

数据压缩模块，用于对各个最终压缩颜色块进行压缩，将压缩后的数据进行推送。

优选的，所述各个色块图像对应的颜色点的可压缩程度的获取方法为：

获取各个色块图像的灰度图像，根据各个灰度图像的灰度共生矩阵计算所述各个色块图像的纹理复杂度；

获取各个色块图像中的各个连通域以及所述各个连通域的面积；获取各个色块图像中各个连通域的总面积以及面积最大值，将所述总面积与所述面积最大值相乘后，再与所述各个色块图像的纹理复杂度相加，根据所述加和结果得到各个色块图像对应的颜色点的可压缩程度。

优选的，所述根据各个颜色点的可压缩程度得到各个合并起始点的方法为：

当各个颜色点的可压缩程度大于第一预设阈值时，所述各个颜色点为一个合并起始点，否则所述各个颜色点不为一个合并起始点。

优选的，所述各个合并起始点与各个颜色点之间的分离性权值的获取方法为：

计算各个合并起始点与各个颜色点在Lab空间中的欧氏距离，作为所述各个合并起始点与各个颜色点之间的色差值；计算各个合并起始点与各个颜色点之间可压缩程度的差值的绝对值，将所述绝对值与所述色差值相乘的结果作为各个合并起始点与各个颜色点之间分离性权值。

优选的，所述各个合并起始点的初始压缩颜色块的获取方法为：

以各个合并起始点与各个颜色点的色差值以及分离性权值为样本数据，使用最小二乘法对所述样本数据进行曲线拟合，得到所述各个合并起始点的趋势变化曲线，获取所述各个趋势变化曲线的第一个拐点，将所述拐点的横坐标作为所述各个合并起始点的初始压缩颜色块的半径，以所述各个合并起始点为中心，所述半径范围内的区域作为所述各个合并起始点的初始压缩颜色块。

优选的，所述根据各个初始压缩颜色块内各个颜色点的可压缩程度获取各个最终压缩颜色块的方法为：

计算各个初始压缩颜色块中各个颜色点的可压缩程度的平均值，计算所述各个颜色点的可压缩程度与所述平均值之间差值的绝对值，当所述绝对值大于第二预设阈值时，所述各个颜色点不属于所述各个初始压缩颜色块，重新计算所述各个颜色点的初始压缩颜色块，得到最终压缩颜色块。

本发明的有益效果是：首先获取Lab空间中的各个颜色点对应的色块图像，通过分析各个色块图像中各个连通域的面积以及各个色块图像的纹理信息，计算各个颜色点的可压缩程度，即综合各个颜色点的色块图像的局部特征与整体特征来判断各个颜色点的重要性，从而得到各个颜色点的可压缩程度；然后根据各个颜色点与各个合并起始点之间的色差值与可压缩程度之间的差异对各个颜色点进行自适应压缩颜色块的划分，使得可以在保证图像纹理信息的情况下对各个待压缩图像进行压缩，避免了现有方法中使用相同大小的压缩颜色块进行压缩时存在的过度压缩的现象，保证了图像的压缩质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的一种基于特殊人群的短视频推送系统的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于特殊人群的短视频推送系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于特殊人群的短视频推送系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于特殊人群的短视频推送系统的结构框图，该系统具体包括：空间转换模块，可压缩程度计算模块，分离性权值计算模块，最终压缩颜色块获取模块及数据压缩模块。

空间转换模块，用于将各个待压缩图像转换到Lab空间中，获取Lab空间中的各个颜色点。

具体的，首先获取视频推送系统中数据中心所要推送的短视频的视频流，截取该视频流中的每一帧数据，得到各个待压缩图像；

然后将待压缩图像转换至lab颜色空间，获取各个待压缩图像在Lab空间中对应的颜色点；由于Lab颜色空间中每个颜色用L、a、b三个分量表示，其中，L表示像素的亮度，a表示从绿色到红色的分量；b表示从蓝色到黄色的分量，各个分量在设计上依据人类的视觉原理，即灵长类动物的视觉都有两条通道：红绿通道和蓝黄通道，因此Lab空间相较于RGB空间更贴合人类对颜色感知，这个空间内的距离也更能反映人感觉到的颜色差异，因此本发明将各个待压缩图像在Lab空间中各个颜色点对各个待压缩图像进行处理，从而使得解压缩后的视频可以得到更高的还原度。

获取各个待压缩图像在Lab空间内的各个颜色点，将图像从RGB空间转换到Lab空间的方法为公知技术，此处不做赘述。

可压缩程度计算模块用于根据各个待压缩图像中的各个颜色点坐标得到所述各个颜色点对应的色块图像；根据各个色块图像的各个连通域的面积以及所述各个色块图像的纹理复杂度获取所述各个色块图像对应的颜色点的可压缩程度。

具体的，为了保留颜色的亮度信息，本发明获取各个待压缩图像在lab颜色空间中三维分布，常规的图像压缩方法是将图像所对应的Lab空间等分成块，以各个颜色块的中心点所对应的颜色值来表示整个颜色块，从而实现图像颜色压缩，其中，将进行压缩时的颜色块称为压缩颜色块，但是用于推送视频数据是多变的数据，导致获得最佳的图像压缩质量的块大小并不稳定，且块大小设置不当，则导致压缩效果不稳定，此外由于图像上的同一颜色在不同位置所表示的纹理信息不一样，从而如果采用等大的图像颜色压缩块进行图像压缩，容易损失纹理信息，即发生过度压缩。为了实现在图像数据进行压缩时得到稳定的压缩效果，所以需要自适应图像压缩颜色块大小。

对于第t个待压缩图像，获取该待压缩图像在Lab空间内对应的第i个颜色点在该待压缩图像中所对应的所有像素点，这些像素点构成该颜色点所对应的色块，这些色块构成的图像即为第i个颜色点的色块图像；

当第i个颜色点在待压缩图像中的像素点个数越少，该颜色点对应的所有连通域的面积越小，则表示其在图像中的重要性可能越低，则在压缩时允许该信息存在一定的损失，由于在使用压缩块的中心点的颜色值表征整个压缩块内的所有颜色点，因此重要性越低的颜色点所处的压缩块可以偏大。但是如果整体面积偏小，但只有一个连通域，导致单个连通域在图像中仍然是一块明显的颜色区域，则该像素点可能为图像中的一个重要特征，即整体面积偏小但是单个连通域面积较大，此时该第i个颜色点应当保留，即该颜色点对应的图像压缩颜色块可以偏小。也就是说，重要性越低，可压缩程度越大，重要性越高，可压缩程度越小，本发明使用连通域的面积表征第i个颜色点所对应像素点的局部特征。

此外，除了颜色特征外，纹理也是图像中的另一个特征，而上述方法是通过连通域的面积对各个颜色点的重要性进行评估的，并不能反映图像的纹理信息，可能会导致纹理信息的丢失，进而造成图像压缩质量较差，因此为了保证较好的压缩效果，本发明还需要结合纹理信息，当一个颜色点所包含的纹理信息越丰富越需要进行保留，即该颜色点的重要性越高，越需要保留，对应该颜色点的可压缩程度越小；

获取第i个颜色点的色块图像的灰度游程矩阵，并计算该灰度游程矩阵的短游程 优势，当灰度连续的长度越短，表示色块图像中灰度变化的频率较快，对应该颜色点的色块 图像中纹理信息含量越高，因此本发明将该灰度游程矩阵的短游程优势作为第i个颜色点 的纹理复杂度，记为，用以表征第i个颜色点所对应的像素点的整体分布特征，则第i个 颜色点的可压缩程度可表示为：

式中，为第i个颜色点的色块图像中所有连通域的总面积；第i个颜色点的色 块图像中所有连通域的面积最大值；为第i个颜色点的色块图像的纹理复杂度；为 以自然常数为底数的指数函数。

当连通域的总面积越小，重要性越大，但是当单个连通域的面积越大，该像素点存 在一个较强的局部特征，因此需要对其进行保留，因此本发明根据色块图像中所有连通域 的面积最大值对根据连通域的总面积得到的重要性进行修正；由于仅根据连通域的面积是 对色块图像中的单个区域进行评估，未考虑图像的整体特征，也忽略了图像的纹理信息，为 了保证较好的压缩效果，需要进一步根据色块图像的纹理信息对图像的重要性进行评估， 当纹理复杂度越高，表示色块图像中的纹理信息越丰富，在进行压缩时，越希望可以对该色 块图像所对应的颜色点进行保留，对应该颜色点的重要性越高，因此本发明使用表征第i个颜色点的重要性，而当重要性越高时，该颜色点的可压缩程度越小， 故一个颜色点的可压缩程度与该颜色点的重要性呈负相关关系，因此本发明使用如上述的 以自然常数为低的指数模型构建颜色点的可压缩程度与颜色点的重要性的负相关 模型。

同理，得到第t个待压缩图像的各个颜色点的可压缩程度。

分离性权值计算模块，用于根据各个颜色点的可压缩程度得到各个合并起始点；根据各个合并起始点与各个颜色点之间可压缩程度的差值以及色差值获取所述各个合并起始点与各个颜色点之间的分离性权值。

具体的，由于Lab空间中不同的颜色点具有不同的可压缩程度，而本发明最终仍然是需要使用压缩颜色块的一个颜色点来代替整个压缩颜色块内的所有颜色点，当一个压缩块中各个颜色点之间的色差越小，对应图像还原度越高，但是当一个压缩块中各个颜色点的可压缩程度之间的差异越大，例如对于可压缩程度较高的颜色点，本发明期望使用较大的压缩颜色块来对此类颜色点进行压缩，而对于可压缩程度较低的颜色点，本发明期望使用较小的压缩颜色块来对此类颜色点进行压缩，当一个颜色块中可压缩程度之间的差异较大，得到的压缩颜色块的大小可能并不是最佳的，也就得不到最佳的压缩效果，因此本发明期望将色差较小且具有相似的可压缩程度的颜色点划分为一个区域，故：

首先设置第一预设阈值，该值可由实施者根据具体实时场景自行调节，当时，认为第i个颜色点为合并起始点，否则认为该颜色点不为合并起始点，依次对各 个颜色点进行判断，得到第t个待压缩图像中的所有合并起始点；

计算各个合并起始点与Lab空间中的其他颜色点之间的欧氏距离，则所得欧氏距 离即为两个颜色点之间的色差值，当两个颜色点之间的色差值越小，可压缩程度越相似时， 这两个颜色点不被划分为一个区域的概率越小，对应的分离性权值越小，则第j个合并起始 点与第i个颜色点之间的分离性权值可表示为：

式中，为第j个合并起始点与第i个颜色点之间的欧氏距离，用以表征两个颜色 点之间的色差值；为第j个合并起始点的可压缩程度与第i个颜色点的可压缩程度之间 差值的绝对值。

最终压缩颜色块获取模块，用于根据各个合并起始点与各个颜色点的色差值以及分离性权值得到所述各个合并起始点的初始压缩颜色块；根据各个初始压缩颜色块内各个颜色点的可压缩程度获取各个最终压缩颜色块。

具体的，由于一张待压缩图像在Lab空间内的颜色点的分布并非均匀分布，而是密 集分布的，Lab空间中各个颜色点到一个合并起始点之间，由较小的分离性权重到较大的分 离性权重的过程中会存在较为明显的变化，也就是说随着到合并中心点之间距离的增加， 分离性权重的趋势变化会出现拐点，因此对于第t个待压缩图像的第j个合并起始点，以该 合并起始点与Lab空间中的各个颜色点的距离以及分离性权值为样本数据，使用最小二乘 法对该样本数据进行曲线拟合，得到该第j个合并起始点所对应的趋势变化曲线，利用拐点 检测算法获取该趋势变化曲线的第一个拐点，将该拐点的横坐标，记为，作为该第j个合 并起始点的初始压缩颜色块的半径，在Lab空间中，以该第j个合并起始点为中心，半径范 围内的区域作为第j个合并起始点的初始压缩颜色块。

考虑到分离性权值是根据各个颜色点与合并起始点之间的欧氏距离以及可压缩 程度之间的差值两个方面计算的，不排除存在个别颜色点与合并起始点之间的欧氏距离较 小，而可压缩程度之间的差异较大，导致这些颜色点被错误的划分为一个区域的现象出现， 也就是说，一个初始压缩块中各个颜色点的划分结果并不完全准确，此时需要对这些颜色 点重新划分，从而保证待压缩图像的压缩效果，故设置第二预设阈值，当 时，认为该第i个颜色点不应该被划分到第j个合并起始点的初始压缩颜色块中，需要对重 新对该颜色点进行区域划分，否则认为该第i个颜色点属于第j个合并起始点的初始压缩颜 色块。

对于一个颜色点可能处于多个初始压缩颜色块中的现象，即不同的初始压缩颜色块中存在重叠区域的现象，将该颜色点划分到最小分离性权值所对应的合并起始点的初始压缩颜色块中。

重复上述方法，得到各个颜色点最终的压缩颜色块。

数据压缩模块，用以对各个最终压缩颜色块进行压缩，并对压缩后的数据进行推送。

具体的，对于第t个待压缩图像，在得到该图像所对应的压缩颜色块后，将在lab颜色空间中属于同一个压缩颜色块的颜色点进行合并，合并方式为：通过获取同一个压缩颜色块的质心，即分别计算该压缩颜色块中所有颜色点L，a，b三个分量的平均值，将各个分量的平均值作为该压缩颜色块的质心对应的坐标，使用质心的颜色值代替整个压缩颜色块中的其他颜色区域，其中质心的颜色值即为质心的坐标，依次对各个压缩颜色块进行处理，实现对各个压缩颜色块的压缩；

获取压缩完成后的Lab空间内的各个颜色点，重新获取各个颜色点的色块图像，对各个颜色点的色块图像进行边缘检测，得到各个颜色点所对应的边缘点，最终保留每个颜色点的颜色值以及该颜色点所对应的所有边缘点坐标，从而实现对第t个待压缩图像的压缩；依次处理各个待压缩图像，从而实现对整个视频流进行压缩。对压缩后的数据进行推送，实现特殊人群视频推送系统的短视频图像推送。

本发明的一种基于特殊人群的短视频推送系统，该系统首先获取Lab空间中的各个颜色点对应的色块图像，通过分析各个色块图像中各个连通域的面积以及各个色块图像的纹理信息，计算各个颜色点的可压缩程度，即综合各个颜色点的色块图像的局部特征与整体特征来判断各个颜色点的重要性，从而得到各个颜色点的可压缩程度；然后根据各个颜色点与各个合并起始点之间的色差值与可压缩程度之间的差异对各个颜色点进行自适应压缩颜色块的划分，使得可以在保证图像纹理信息的情况下对各个待压缩图像进行压缩，避免了现有方法中使用相同大小的压缩颜色块进行压缩时存在的过度压缩的现象，保证了图像的压缩质量。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于特殊人群的短视频推送系统，其特征在于，该系统包括以下模块：

空间转换模块，用于根据视频推送系统的短视频的视频流得到各个待压缩图像；并将各个待压缩图像转换到Lab空间中，获取Lab空间中的各个颜色点；

可压缩程度计算模块，用于根据各个待压缩图像中的各个颜色点坐标得到所述各个颜色点对应的色块图像；获取各个色块图像的各个连通域的面积以及所述各个色块图像的纹理复杂度，根据所述各个连通域的面积以及所述纹理复杂度获取所述各个色块图像对应的颜色点的可压缩程度；

分离性权值计算模块，用于根据各个颜色点的可压缩程度得到各个合并起始点；根据各个合并起始点与各个颜色点之间可压缩程度的差值以及色差值获取所述各个合并起始点与各个颜色点之间的分离性权值；

最终压缩颜色块获取模块，用于根据各个合并起始点与各个颜色点的色差值以及分离性权值得到所述各个合并起始点的初始压缩颜色块；根据各个初始压缩颜色块内各个颜色点的可压缩程度获取各个最终压缩颜色块；

数据压缩模块，用于对各个最终压缩颜色块进行压缩，将压缩后的数据进行推送；

所述各个色块图像对应的颜色点的可压缩程度的获取方法为：

获取各个色块图像的灰度图像，根据各个灰度图像的灰度共生矩阵计算所述各个色块图像的纹理复杂度；

获取各个色块图像中的各个连通域以及所述各个连通域的面积；获取各个色块图像中各个连通域的总面积以及面积最大值，将所述总面积与所述面积最大值相乘后，再与所述各个色块图像的纹理复杂度相加，根据所述加和结果得到各个色块图像对应的颜色点的可压缩程度；

所述各个合并起始点与各个颜色点之间的分离性权值的获取方法为：

计算各个合并起始点与各个颜色点在Lab空间中的欧氏距离，作为所述各个合并起始点与各个颜色点之间的色差值；计算各个合并起始点与各个颜色点之间可压缩程度的差值的绝对值，将所述绝对值与所述色差值相乘的结果作为各个合并起始点与各个颜色点之间分离性权值；

所述根据各个颜色点的可压缩程度得到各个合并起始点的方法为：

当各个颜色点的可压缩程度大于第一预设阈值时，所述各个颜色点为一个合并起始点，否则所述各个颜色点不为一个合并起始点；

所述各个合并起始点的初始压缩颜色块的获取方法为：

以各个合并起始点与各个颜色点的色差值以及分离性权值为样本数据，使用最小二乘法对所述样本数据进行曲线拟合，得到所述各个合并起始点的趋势变化曲线，获取所述各个趋势变化曲线的第一个拐点，将所述拐点的横坐标作为所述各个合并起始点的初始压缩颜色块的半径，以所述各个合并起始点为中心，所述半径范围内的区域作为所述各个合并起始点的初始压缩颜色块；

所述根据各个初始压缩颜色块内各个颜色点的可压缩程度获取各个最终压缩颜色块的方法为：

计算各个初始压缩颜色块中各个颜色点的可压缩程度的平均值，计算所述各个颜色点的可压缩程度与所述平均值之间差值的绝对值，当所述绝对值大于第二预设阈值时，所述各个颜色点不属于所述各个初始压缩颜色块，重新计算所述各个颜色点的初始压缩颜色块，得到最终压缩颜色块。