CN116828209A - 一种矿下智能视频监控数据传输方法及系统 - Google Patents
一种矿下智能视频监控数据传输方法及系统 Download PDFInfo
- Publication number
- CN116828209A CN116828209A CN202311098895.2A CN202311098895A CN116828209A CN 116828209 A CN116828209 A CN 116828209A CN 202311098895 A CN202311098895 A CN 202311098895A CN 116828209 A CN116828209 A CN 116828209A
- Authority
- CN
- China
- Prior art keywords
- pixel value
- pixel
- value type
- huffman
- obtaining
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000005540 biological transmission Effects 0.000 claims abstract description 50
- 238000007906 compression Methods 0.000 claims abstract description 33
- 230000006835 compression Effects 0.000 claims abstract description 32
- 238000012216 screening Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013144 data compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像通信技术领域,具体涉及一种矿下智能视频监控数据传输方法及系统。该方法根据矿下监控视频的帧图像中像素值类型的出现频次依次筛除像素值类型,通过剩余像素值类型的均匀程度和已筛除像素值类型信息控制筛除过程,完成对像素值类型的分类。进一步分析矿下的环境特征,获得每个第一像素值类型像素点的调节系数,通过调节系数调整霍夫曼权重。利用霍夫曼权重以及像素值类型构建二叉树并进行霍夫曼编码,将获得的监控压缩数据进行传输。本发明通过分析像素点信息的有效程度改变霍夫曼二叉树的构建,保证了压缩结果的效果,提高了矿下监控数据传输过程中的安全性和保真率。
Description
技术领域
本发明涉及图像通信技术领域,具体涉及一种矿下智能视频监控数据传输方法及系统。
背景技术
煤炭等资源矿洞在开采、勘测等过程中的安全监控是矿洞项目中的重要过程。其中视频监控能够起到安全监测、生产调度、远程指挥、保障维护等作用,因此视频监控的质量需要得到保证。而在矿下环境中,地质环境和大气环境都较为复杂且特殊,在监控视频进行通信传输时容易受到温度、湿度、磁场等环境因素产生干扰,进而影响监控终端接收到的监控视频的质量。因此在矿下环境的视频监控数据进行通信传输时,需要对数据进行压缩,避免终端接收到的视频出现失真等情况,保证数据安全性的同时提高监控终端收到的视频质量。
在现有技术中,常用霍夫曼二叉树对图像进行压缩,霍夫曼编码能够基于像素点的冗余概率,由大到小、由短到长依次进行编码,图像中信息越丰富,越冗余的像素点,其传输优先级、编码优先级和传输速度越快,在传输过程中也不容易发生信息丢失或者篡改,实现无损编码传输。但是在矿下监控环境中,因为环境影响较为复杂,光线影响较为负责,成像结果灰度值分布混乱,因此直接根据监控图像中的像素值类型构建二叉树会导致较为重要的信息无法进行优先编码,编码结果较长,在传输中一旦收到影响会极大影响监控终端接收到的视频质量。
发明内容
为了解决传统霍夫曼编码过程中二叉树的构建没有考虑到矿下复杂环境,进而导致视频监控数据压缩质量差,影响数据传输效果的技术问题,本发明的目的在于提供一种矿下智能视频监控数据传输方法及系统,所采用的技术方案具体如下:
本发明提出了一种矿下智能视频监控数据传输方法,所述方法包括:
获取待传输矿下监控视频中的帧图像;根据所述帧图像的像素统计直方图获取每个像素值类型下的出现频次,根据所述出现频次将所述像素值类型升序排列,获得像素值类型序列;
对所述像素值类型序列中的所述像素值类型依次筛除,每次筛除获得剩余所述像素值类型在所述帧图像中的均匀程度,根据所述均匀程度和已筛除像素值类型信息获得停止条件;若满足停止条件则停止筛除,将剩余的所述像素值类型作为第一像素值类型,将筛除的像素值类型作为第二像素值类型;
获取所述帧图像中的光源区域;根据所述帧图像中每个像素点与所述光源区域的相对距离,获得每个像素点的光线环境系数;根据每个第一像素值类型的像素点在传输周期内的帧图像之间像素值的变化特征和光线环境系数,获得每个第一像素值类型的像素点的调节系数;
根据所述第一像素值类型和所述第二像素值类型构建二叉树并进行霍夫曼编码,获得压缩结果;对所述第一像素值类型进行霍夫曼编码过程中,根据所述调节系数调整对应像素点的霍夫曼权重;
获得所述矿下监控视频中所有所述帧图像的所述压缩结果,获得监控压缩数据;对所述监控压缩数据进行传输。
进一步地,所述均匀程度的获取方法包括:
获得每个所述像素值类型在所述帧图像中的出现概率;根据筛除后剩余像素值类型的所述出现概率获得剩余像素值类型的信息熵;将每个剩余像素值类型的出现概率均相同情况下的信息熵作为熵极限;以剩余像素值类型的信息熵与所述熵极限的比值作为所述均匀程度。
进一步地,所述根据所述均匀程度和已筛除的像素值类型数量获得停止条件包括:
将已筛除的像素值类型对应的所述出现概率的累加值作为所述已筛除像素值类型信息;将所述均匀程度与所述已筛除像素值类型信息的差值作为条件指标;若所述条件指标达到最大值,则认定满足所述停止条件。
进一步地,所述获取所述帧图像中的光源区域包括:
利用暗通道图像去雾算法提取出所述帧图像中最亮的预设比例数量的像素点作为光源像素点,以所述光源像素点构成的区域作为所述光源区域。
进一步地,所述光线环境系数的获取方法包括:
获取像素点与每个所述光源区域之间的距离,将距离最小值进行负相关映射并归一化,获得对应像素点的所述光线环境系数。
进一步地,所述每个第一像素值类型的像素点在传输周期内的帧图像之间像素值的变化特征的获取方法包括:
任选一个像素点为目标点,在所述帧图像中根据目标点在对应邻域范围内的像素值范围将所述目标点的像素值进行归一化,获得归一化像素值;获得当前所述帧图像所在传输周期内所有帧图像中所述目标点位置对应的平均归一化像素值;根据所述归一化像素值和所述平均归一化像素值计算所述传输周期内的方差,获得所述目标点的所述变化特征;改变所述目标点,获得每个第一像素值类型的像素点的所述变化特征。
进一步地,所述调节系数的获取方法包括:
将所述变化特征进行归一化处理,获得归一化变化特征,将所述光线环境系数与所述归一化变化特征相乘,获得所述调节系数。
进一步地,所述根据所述调节系数调整对应像素点的霍夫曼权重包括:
获取所述第一像素值类型对应像素点的初始霍夫曼权重,将所述初始霍夫曼权重与对应所述调节系数相乘,获得所述第一像素值类型对应像素点调节后的所述霍夫曼权重。
进一步地,所述根据所述第一像素值类型和所述第二像素值类型构建二叉树包括:
根据所述帧图像中的各个像素值类型构建霍夫曼二叉树;所述霍夫曼二叉树的左子树由所述第一像素值类型的像素点根据对应霍夫曼权重进行排序构建;所述霍夫曼二叉树的右子树由所述第二像素值类型的像素点根据对应霍夫曼权重进行排序构建;所述霍夫曼二叉树的根节点以及根节点对应的两个子节点为空,所述左子树的所有左侧子节点为空,所述右子树的所有右侧子节点为空。
本发明还提出了一种矿下智能视频监控数据传输系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种矿下智能视频监控数据传输方法的步骤。
本发明具有如下有益效果:
本发明为了使得最终压缩结果中重要信息的编码更短、传输过程中更安全,以像素值类型对应的出现频次信息作为基础数据,通过依次筛除的思想对像素值类型进行分类,使得两种像素值类型代表不同的信息量,因为筛除过程中考虑到了剩余像素值类型的均匀程度,即所获得的第一像素值类型能够包含更多的信息,并且压缩比更大,进而提高后续过程中编码结果的安全性。进一步考虑到矿下的光线环境信息以及像素值在传输周期内不同帧图像之间的变化特征,通过获得的调节系数实现对第一像素值类型对应像素点的霍夫曼权重的调整,即调整过程中考虑到了矿下环境信息以及成像后的像素值变化信息,使得后续构建的二叉树能够对信息丰富的像素值类型信息进行有效压缩,保证信息丰富的像素值类型压缩结果的编码程度足够短,提高了监控压缩数据传输过程中数据的安全性,保证了监控终端接受到的监控数据的质量。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种矿下智能视频监控数据传输方法流程图;
图2为本发明一个实施例所提供的一种二叉树局部示意图。
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矿下智能视频监控数据传输方法及系统,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,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,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。
一种矿下智能视频监控数据传输方法及系统实施例:
下面结合附图具体的说明本发明所提供的一种矿下智能视频监控数据传输方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种矿下智能视频监控数据传输方法流程图,该方法包括:
步骤S1:获取待传输矿下监控视频中的帧图像;根据帧图像的像素统计直方图获取每个像素值类型下的出现频次,根据出现频次将像素值类型升序排列,获得像素值类型序列。
本发明实施例中,通过矿下设置的监控摄像头采集监控视频,并将监控视频传输至存储模块,在存储模块中将待传输的监控视频调出,经过压缩处理后向监控终端进行传输。因为监控视频在采集存储过程中可认为是将多个连续帧图像进行组合形成的视频监控数据,因此对视频监控数据进行压缩传输可视为将所有帧图像进行压缩传输,因此需要获取待传输矿下监控视频中的帧图像,对帧图像进行后续的压缩处理。在本发明一个实施例中,视频监控的帧率为30,即每秒采集30张帧图像。
在本发明一个实施例中,为了进一步确保监控终端接收到的视频监控数据的质量,在视频监控数据进行压缩之前需要对每个帧图像进行图像预处理操作,去除图像中的噪声,提高图像质量。需要说明的是,图像预处理操作为本领域技术人员熟知的技术手段,本发明一个实施例中选择滤波去噪方法,在其他实施例中可自行选取具体的图像预处理手段。
在本发明一个实施例中,从监控视频中提取出的帧图像为RGB图像,即图像中每个像素点的像素值是由三个通道值共同影响,为了方便后续的分析,求三个通道下通道值的平均值并归一化处理,获得帧图像中每个像素点的像素值。在本发明其他实施例中也可选用其他通道值统一方法对像素值进行量化,在此不做限定及赘述。
因为霍夫曼编码是依据像素点的冗余概率构建二叉树并实现编码,因此为了执行后续的霍夫曼二叉树的构建需要分析每个像素点对应像素值的冗余程度。一个像素值类型在图像中出现的频次越多,说明对应的冗余程度越大,因此可根据帧图像的像素统计直方图获取每个像素值类型下的出现频次,帧图像中每个像素值类型在后续二叉树构建时均对应一个节点。进一步根据出现频次将像素值类型升序排列,获得像素值类型序列,即像素值类型序列中每个元素代表一个像素值类型。
需要说明的是,图像的像素统计直方图获取过程为本领域技术人员熟知的技术手段,其横轴为帧图像中所出现的像素值类型,即像素值类型表示像素值大小,直方图的纵轴为帧图像中对应像素值类型所对应的像素点数量,即出现频次。具体直方图构建算法在此不做赘述以及限定。
步骤S2:对像素值类型序列中的像素值类型依次筛除,每次筛除获得剩余像素值类型在帧图像中的均匀程度,根据均匀程度和已筛除像素值类型信息获得停止条件;若满足停止条件则停止筛除,将剩余的像素值类型作为第一像素值类型,将筛除的像素值类型作为第二像素值类型。
因为矿下的环境影响,视频监控中每帧图像不具有较为精细的纹理信息,灯光死角区域存在大量冗余的暗像素点,虽然这些像素点对应的像素值冗余程度较高,在图像中的占比较大,但实际上并没有包含有效信息,因此需要对霍夫曼编码过程中默认利用冗余程度进行编码的规则进行调整。
在对传统霍夫曼编码规则进行调整之前需要首先确定哪些像素值类型属于冗余程度较高、压缩比较高的像素值类型,进而针对这些像素值类型进行进一步的调整,所以本发明实施例对像素值类型序列中的像素值类型依次进行筛除,因为像素值类型序列为升序排列构成的序列,所以在筛除过程中是首先筛除出现频次少的像素值类型。每次筛除过程执行后,均需要获得剩余像素值类型在帧图像中的均匀程度,即均匀程度越大说明剩余的像素值类型的冗余程度越大。进一步考虑到像素值类型不能一直执行筛除过程,因此在均匀程度的基础上,结合已筛除像素值类型信息获得停止条件,即可根据停止条件控制筛除过程,若满足停止条件即可停止筛除。
优选地,本发明一个实施例中剩余像素值类型在帧图像中的均匀程度获取方法包括:
获得每个像素值类型在帧图像中的出现概率;根据筛除后剩余像素值类型的出现概率获得剩余像素值类型的信息熵;将每个剩余像素值类型的出现概率均相同情况下的信息熵作为熵极限;以剩余像素值类型的信息熵与熵极限的比值作为均匀程度。在本发明一个实施例中,均匀程度公式表示为:
其中,/>为均匀程度,/>为像素值类型的总数量,/>为筛除的像素值类型的数量,/>为剩余像素值类型的数量,/>为第/>个剩余像素值类型的出现频次,/>为帧图像的总像素点数量,/>为出现概率,/>为以2为底的对数函数。
在均匀程度公式中,分子为现有技术中信息熵的获取公式,通过代入剩余像素值在帧图像中的出现概率获得剩余像素值类型的信息熵,具体信息熵公式的原理为本领域技术人员熟知的技术手段,在此不做赘述。分母为每个剩余像素值类型的出现概率均相同情况下的信息熵,即熵极限,熵极限为个像素值类型在帧图像中均匀分布时的熵,此时熵达到最大值,因此均匀程度越接近于1,说明此时剩余像素值类型的分布越均匀,总体冗余程度越大,压缩上限越高。
优选地,根据均匀程度和已筛除的像素值类型数量获得停止条件包括:
因为在筛除过程中不能只考虑到要趋近于剩余像素值类型的均匀程度,否则会出现不停筛除像素值类型的循环中,因此将已筛除的像素值类型对应的出现概率的累加值作为已筛除像素值类型信息,将均匀程度与已筛除像素值类型信息的差值作为条件指标;若条件指标达到最大值,说明此时均匀程度较大的同时筛除了较少的像素值类型,则认定满足停止条件。在本发明一个实施例中,条件指标的公式表示为:
其中,/>为条件指标,/>为均匀程度,/>为筛除的像素值类型的数量,/>为第/>个筛除的像素值类型对应的出现概率。即/>的最大值表示为满足停止条件时的条件指标。
在条件指标公式中,通过已筛除像素值类型信息作为均匀程度的惩罚项对迭代过程进行修正,随着筛除过程的执行,当条件指标到达最大值时即认定筛除过程结束。
因为筛除过程中是依次将出现频次小的像素值类型进行筛除,因此当筛除过程停止后,将剩余的像素值类型作为第一像素值类型,即冗余程度较大的像素值类型;将筛除的像素值类型作为第二像素值类型,即冗余程度较小的像素值类型。完成对帧图像中像素值类型的分类。
步骤S3:获取帧图像中的光源区域;根据帧图像中每个像素点与光源区域的相对距离,获得每个像素点的光线环境系数;根据每个第一像素值类型的像素点在传输周期内的帧图像之间像素值的变化特征和光线环境系数,获得每个第一像素值类型的像素点的调节系数。
若直接利用分类好的像素值类型构建二叉树会导致受到矿下光线环境影响的无用信息进行优先编码传输,无法保证编码压缩结果的质量。因此需要对帧图像中每个像素点位置所处的矿下环境进行分析,获得每个像素点的调节系数。
因为矿下环境主要收到光线影响,光线影响主要是因为矿洞中的光源产生的,因此需要首先获取帧图像中的光源区域。
优选地,本发明一个实施例中获取帧图像中的光源区域包括:
利用暗通道图像去雾算法提取出帧图像中最亮的预设比例数量的像素点作为光源像素点,以光源像素点构成的区域作为光源区域。在本发明一个实施例中,预设比例数量设置为0.1%,即将图像中像素点总数量的0.1%取整后获得光源像素点数量,选择根据光源像素点数量选择最亮的对应数量的像素点作为光源像素点。需要说明的是,暗通道图像去雾算法为本领域技术人员熟知的技术手段,在此不做赘述,在本发明一个实施例中取整选择向下取整。
在本发明另一个实施例中,因为监控摄像头的位置是固定的,光源也是固定的,因此可通过先验标记的模板直接提取出帧图像中的光源区域,其中先验标记的模板获取方法为:获得与监控摄像头采集的图像视野大小相同且各个位置的像素值为0的模板图像,根据光源固定位置在模板图像中标记,将标记位置的像素值设置为1,获得先验标记的模板,即先验标记的模板为一张蒙版图像,将蒙版图像与帧图像相乘即可直接提取出光源区域。在本发明其他实施例中也可采用神经网络识别等算法提取光源区域,具体算法在此不做限定及赘述。
光源所散发光线笼罩的区域,随着距离越来越远,光照量逐渐减少,在传输过程中应当优先保证光线环境较好区域的信息量,因此根据帧图像中每个像素点与光源区域的相对位置获得每个像素点的光线环境系数。通过光线环境系数能够表征对应像素点的信息可用程度。
优选地,本发明一个实施例中光线环境系数的获取方法包括:
获取像素点与每个光源区域之间的距离,将距离最小值进行负相关映射并归一化,获得对应像素点的光线环境系数。在本发明一个实施例中,光线环境系数用公式表示为:
其中,/>为光线环境系数,/>为自然常数,/>为像素点的坐标,为光源区域的坐标,/>为距离获取函数,/>为最小值挑选函数。
由光线环境系数公式可知,通过以自然常数为底的指数函数将距离最小值进行负相关映射并归一化,像素点与光源区域之间距离的最小值越小,说明像素点距离光源区域越接近,则对应的光线环境系数越大,信息可用程度越大。
需要说明的是,在本发明其他实施例中也可选用其他方法对距离最小值进行负相关映射并归一化,在此不做限定及赘述。
进一步分析帧图像中每个第一像素值类型的像素点邻域范围内像素值的变化特征,变化特征越小说明对应像素值邻域范围内越稳定,可能像素值属于监控画面中的静态区域,如矿壁、标语等,变化特征越大说明对应像素点的信息越不稳定,可能是突发情况造成的矿下环境信息的变化,例如工人的移动以及传送带的工作等。因此需要结合变化特征和第一像素值类型的像素点的光线环境系数共同分析,获得每个第一像素值类型的像素点的调节系数。
优选地,每个第一像素值类型的像素点在传输周期内的帧图像之间像素值的变化特征的获取方法包括:
任选一个像素点为目标点,根据目标点在对应邻域范围内的像素值范围将目标点的像素值进行归一化,获得归一化像素值;获得当前帧图像所在传输周期内所有帧图像中目标点位置对应的平均归一化像素值;根据归一化像素值和平均归一化像素值计算传输周期内的方差,获得目标点的变化特征;改变目标点,获得每个第一像素值类型的像素点的变化特征。在本发明一个实施例中,变化特征用公式表示为:
其中,/>为目标点的变化特征,/>表示目标点,/>为传输周期中包含的帧图像数量,/>为第/>帧的帧图像在目标点位置处的像素值,/>为第/>帧的帧图像中目标点邻域范围内的像素值累加值,/>为目标点的归一化像素值,/>为平均归一化像素值。
在变化特征公式中,将作为分母实现对/>的归一化,因为矿下灯光可能会因为电流波动产生微弱的明暗变化,因此通过归一化消除明暗变化的误差,能够准确表征目标点位置处的结构特征。通过计算传输周期内帧图像之间目标点的归一化像素值的方差,获得目标点的变化特征,方差越大说明传输周期内目标点位置处的像素值变化越不稳定,则目标点的信息有效程度越大。
在本发明实施例中,因为监控摄像头采集数据时的帧率为30,即传输周期为1秒,一个传输周期内的帧图像数量为30张。
通过将每个第一像素值类型的像素点的变化特征和光学环境系数进行整合,即可获得每个第一像素值类型的像素点的调节系数。
优选地,在本发明一个实施例中,调节系数的获取方法包括:
将变化特征进行归一化处理,获得归一化变化特征,将光线环境系数与归一化变化特征相乘,获得调节系数。因为本发明一个实施例中光线环境系数的值域也为0到1之间,因此所获得的调节系数的值域也在0到1之间。
需要说明的是,本发明实施例所提出的归一化处理以及负相关映射等操作均为本领域技术人员熟知的技术手段,本领域技术人员可通过多种方法实现其过程,因此不做限定及赘述。并且本发明实施例所获得的指标均消除了量纲的影响。
步骤S4:根据第一像素值类型和第二像素值类型构建二叉树并进行霍夫曼编码,获得压缩结果;对第一像素值类型进行霍夫曼编码过程中,根据调节系数调整对应像素点的霍夫曼权重。
经过步骤S3的处理,针对每个属于第一像素值类型的像素点均获得了对应的调节系数,因此可通过调节系数调整对应像素点的霍夫曼权重,使其在二叉树中的编码优先级发生变化,将信息更有效且冗余程度更高的像素点信息优先进行编码。
优选地,本发明一个实施例中根据所述调节系数调整对应像素点的霍夫曼权重包括:
获取第一像素值类型对应像素点的初始霍夫曼权重,将初始霍夫曼权重与对应调节系数相乘,获得第一像素值类型对应像素点调节后的霍夫曼权重。
经过霍夫曼权重的调整后,帧图像中每个像素点均对应各自的霍夫曼权重以及像素值类型,因此可根据第一像素值类型和第二像素值类型构建二叉树并进行霍夫曼编码。需要说明的是,霍夫曼二叉树的构建为本领域技术人员熟知的技术手段在此不做赘述。
优选地,在本发明一个实施例中,为了进一步区分第一像素值类型和第二像素值类型对应像素点的编码规则,以及进一步提高编码效率,具体根据第一像素值类型和第二像素值类型构建二叉树包括:
根据帧图像中的各个像素值类型构建霍夫曼二叉树;霍夫曼二叉树的左子树由第一像素值类型的像素点根据对应霍夫曼权重进行排序构建;霍夫曼二叉树的右子树由第二像素值类型的像素点根据对应霍夫曼权重进行排序构建;霍夫曼二叉树的根节点以及根节点对应的两个子节点为空,左子树的所有左侧子节点为空,右子树的所有右侧子节点为空。请参阅图2,其示出了本发明一个实施例一种二叉树局部示意图,在图2中,、/>和/>表示第一像素值类型的像素点经过调整后的霍夫曼权重,/>和/>表示第二像素值类型的像素点的霍夫曼权重,0和1表示二叉树中的编码规则。由图2可知,/>对应的节点编码为01,/>对应的节点编码为001,/>对应的节点编码为0001;/>对应的节点编码为11,/>对应的节点编码为101。通过霍夫二叉树的构建使得第一像素值类型与第二像素值类型的像素点存在了编码上的区分,并且通过霍夫曼权重的排序使得编码压缩过程中优先压缩信息重要且丰富的像素点信息,保证了压缩结果的质量和安全性。
步骤S5:获得矿下监控视频中所有帧图像的压缩结果,获得监控压缩数据;对监控压缩数据进行传输。
通过对矿下监控视频中的所有帧图像进行压缩,即可获得视频监控数据的监控压缩数据。在监控压缩数据中既保证了良好的压缩比,同时对光线环境良好、信息有效程度高的像素点信息进行优先压缩,因为是优先压缩,所以产生的编码长度更短,在对监控压缩数据进行传输过程中发生数据丢失的概率较小,提高了监控视频的保真率和质量。
综上所述,本发明实施例根据矿下监控视频的帧图像中像素值类型的出现频次依次筛除像素值类型,通过剩余像素值类型的均匀程度和已筛除像素值类型信息控制筛除过程,完成对像素值类型的分类。进一步分析矿下的环境特征,获得每个第一像素值类型像素点的调节系数,通过调节系数调整霍夫曼权重。利用霍夫曼权重以及像素值类型构建二叉树并进行霍夫曼编码,将获得的监控压缩数据进行传输。本发明通过分析像素点信息的有效程度改变霍夫曼二叉树的构建,保证了压缩结果的效果,提高了矿下监控数据传输过程中的安全性和保真率。
本发明还提出了一种矿下智能视频监控数据传输系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种矿下智能视频监控数据传输方法的步骤。
一种矿下智能视频监控数据压缩方法实施例:
现有技术中常用霍夫曼压缩对监控视频进行压缩,但是在矿下监控环境中,因为环境影响较为复杂,光线影响较为负责,成像结果灰度值分布混乱,因此直接根据监控图像中的像素值类型构建二叉树会导致较为重要的信息无法进行优先编码,编码结果较长,编码效果较差。为了解决该问题,本实施例提供了一种矿下智能视频监控数据压缩方法,包括:
步骤S1:获取待传输矿下监控视频中的帧图像;根据帧图像的像素统计直方图获取每个像素值类型下的出现频次,根据出现频次将像素值类型升序排列,获得像素值类型序列。
步骤S2:对像素值类型序列中的像素值类型依次筛除,每次筛除获得剩余像素值类型在帧图像中的均匀程度,根据均匀程度和已筛除像素值类型信息获得停止条件;若满足停止条件则停止筛除,将剩余的像素值类型作为第一像素值类型,将筛除的像素值类型作为第二像素值类型。
步骤S3:获取帧图像中的光源区域;根据帧图像中每个像素点与光源区域的相对距离,获得每个像素点的光线环境系数;根据每个第一像素值类型的像素点在传输周期内的帧图像之间像素值的变化特征和光线环境系数,获得每个第一像素值类型的像素点的调节系数。
步骤S4:根据第一像素值类型和第二像素值类型构建二叉树并进行霍夫曼编码,获得压缩结果;对第一像素值类型进行霍夫曼编码过程中,根据调节系数调整对应像素点的霍夫曼权重。
其中,步骤S1~步骤S4在上述一种矿下智能视频监控数据传输方法及系统实施例中已给出了详细说明,不再赘述。本实施例所实现的技术效果包括:为了使得最终压缩结果中重要信息的编码更短、传输过程中更安全,以像素值类型对应的出现频次信息作为基础数据,通过依次筛除的思想对像素值类型进行分类,使得两种像素值类型代表不同的信息量,因为筛除过程中考虑到了剩余像素值类型的均匀程度,即所获得的第一像素值类型能够包含更多的信息,并且压缩比更大,进而提高后续过程中编码结果的安全性。进一步考虑到矿下的光线环境信息以及像素值在传输周期内不同帧图像之间的变化特征,通过获得的调节系数实现对第一像素值类型对应像素点的霍夫曼权重的调整,即调整过程中考虑到了矿下环境信息以及成像后的像素值变化信息,使得后续构建的二叉树能够对信息丰富的像素值类型信息进行有效压缩,保证信息丰富的像素值类型压缩结果的编码程度足够短,提高了压缩结果的编码效果。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种矿下智能视频监控数据传输方法,其特征在于,所述方法包括:
获取待传输矿下监控视频中的帧图像;根据所述帧图像的像素统计直方图获取每个像素值类型下的出现频次,根据所述出现频次将所述像素值类型升序排列,获得像素值类型序列;
对所述像素值类型序列中的所述像素值类型依次筛除,每次筛除获得剩余所述像素值类型在所述帧图像中的均匀程度,根据所述均匀程度和已筛除像素值类型信息获得停止条件;若满足停止条件则停止筛除,将剩余的所述像素值类型作为第一像素值类型,将筛除的像素值类型作为第二像素值类型;
获取所述帧图像中的光源区域;根据所述帧图像中每个像素点与所述光源区域的相对距离,获得每个像素点的光线环境系数;根据每个第一像素值类型的像素点在传输周期内的帧图像之间像素值的变化特征和光线环境系数,获得每个第一像素值类型的像素点的调节系数;
根据所述第一像素值类型和所述第二像素值类型构建二叉树并进行霍夫曼编码,获得压缩结果;对所述第一像素值类型进行霍夫曼编码过程中,根据所述调节系数调整对应像素点的霍夫曼权重;
获得所述矿下监控视频中所有所述帧图像的所述压缩结果,获得监控压缩数据;对所述监控压缩数据进行传输。
2.根据权利要求1所述的一种矿下智能视频监控数据传输方法,其特征在于,所述均匀程度的获取方法包括:
获得每个所述像素值类型在所述帧图像中的出现概率;根据筛除后剩余像素值类型的所述出现概率获得剩余像素值类型的信息熵;将每个剩余像素值类型的出现概率均相同情况下的信息熵作为熵极限;以剩余像素值类型的信息熵与所述熵极限的比值作为所述均匀程度。
3.根据权利要求2所述的一种矿下智能视频监控数据传输方法,其特征在于,所述根据所述均匀程度和已筛除的像素值类型数量获得停止条件包括:
将已筛除的像素值类型对应的所述出现概率的累加值作为所述已筛除像素值类型信息;将所述均匀程度与所述已筛除像素值类型信息的差值作为条件指标;若所述条件指标达到最大值,则认定满足所述停止条件。
4.根据权利要求1所述的一种矿下智能视频监控数据传输方法,其特征在于,所述获取所述帧图像中的光源区域包括:
利用暗通道图像去雾算法提取出所述帧图像中最亮的预设比例数量的像素点作为光源像素点,以所述光源像素点构成的区域作为所述光源区域。
5.根据权利要求1所述的一种矿下智能视频监控数据传输方法,其特征在于,所述光线环境系数的获取方法包括:
获取像素点与每个所述光源区域之间的距离,将距离最小值进行负相关映射并归一化,获得对应像素点的所述光线环境系数。
6.根据权利要求1所述的一种矿下智能视频监控数据传输方法,其特征在于,所述每个第一像素值类型的像素点在传输周期内的帧图像之间像素值的变化特征的获取方法包括:
任选一个像素点为目标点,在所述帧图像中根据目标点在对应邻域范围内的像素值范围将所述目标点的像素值进行归一化,获得归一化像素值;获得当前所述帧图像所在传输周期内所有帧图像中所述目标点位置对应的平均归一化像素值;根据所述归一化像素值和所述平均归一化像素值计算所述传输周期内的方差,获得所述目标点的所述变化特征;改变所述目标点,获得每个第一像素值类型的像素点的所述变化特征。
7.根据权利要求1所述的一种矿下智能视频监控数据传输方法,其特征在于,所述调节系数的获取方法包括:
将所述变化特征进行归一化处理,获得归一化变化特征,将所述光线环境系数与所述归一化变化特征相乘,获得所述调节系数。
8.根据权利要求1所述的一种矿下智能视频监控数据传输方法,其特征在于,所述根据所述调节系数调整对应像素点的霍夫曼权重包括:
获取所述第一像素值类型对应像素点的初始霍夫曼权重,将所述初始霍夫曼权重与对应所述调节系数相乘,获得所述第一像素值类型对应像素点调节后的所述霍夫曼权重。
9.根据权利要求1或8所述的一种矿下智能视频监控数据传输方法,其特征在于,所述根据所述第一像素值类型和所述第二像素值类型构建二叉树包括:
根据所述帧图像中的各个像素值类型构建霍夫曼二叉树;所述霍夫曼二叉树的左子树由所述第一像素值类型的像素点根据对应霍夫曼权重进行排序构建;所述霍夫曼二叉树的右子树由所述第二像素值类型的像素点根据对应霍夫曼权重进行排序构建;所述霍夫曼二叉树的根节点以及根节点对应的两个子节点为空,所述左子树的所有左侧子节点为空,所述右子树的所有右侧子节点为空。
10.一种矿下智能视频监控数据传输系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述一种矿下智能视频监控数据传输方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098895.2A CN116828209B (zh) | 2023-08-30 | 2023-08-30 | 一种矿下智能视频监控数据传输方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098895.2A CN116828209B (zh) | 2023-08-30 | 2023-08-30 | 一种矿下智能视频监控数据传输方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116828209A true CN116828209A (zh) | 2023-09-29 |
CN116828209B CN116828209B (zh) | 2023-10-31 |
Family
ID=88127755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098895.2A Active CN116828209B (zh) | 2023-08-30 | 2023-08-30 | 一种矿下智能视频监控数据传输方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116828209B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117671464A (zh) * | 2024-02-02 | 2024-03-08 | 深圳市拓远能源科技有限公司 | 一种基于边缘计算的设备物联网数据管理系统 |
CN117768615A (zh) * | 2023-12-12 | 2024-03-26 | 广州众翔信息科技有限公司 | 用于监控视频的图像数据传输方法及系统 |
CN117831744A (zh) * | 2024-03-06 | 2024-04-05 | 大连云间来客科技有限公司 | 一种呼吸重症患者远程监控方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102263951A (zh) * | 2011-07-06 | 2011-11-30 | 北京航空航天大学 | 一种快速的分形视频压缩与解压缩方法 |
CN108932467A (zh) * | 2018-03-02 | 2018-12-04 | 于志国 | 跟踪区域图像分析平台 |
CN109711379A (zh) * | 2019-01-02 | 2019-05-03 | 电子科技大学 | 一种复杂环境交通信号灯候选区域提取及识别方法 |
CN113435373A (zh) * | 2021-07-05 | 2021-09-24 | 西安科技大学 | 一种矿井火灾视频图像智能识别装置及方法 |
CN114782479A (zh) * | 2022-06-17 | 2022-07-22 | 江苏乐尔环境科技股份有限公司 | 一种工业设备状态监控管理方法 |
CN115297363A (zh) * | 2022-10-09 | 2022-11-04 | 南通商翼信息科技有限公司 | 基于霍夫曼编码的视频数据加密传输方法 |
CN116612436A (zh) * | 2023-07-19 | 2023-08-18 | 华洋通信科技股份有限公司 | 基于煤矿掘进工作面关键特征的视频编码注意力标定系统 |
-
2023
- 2023-08-30 CN CN202311098895.2A patent/CN116828209B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102263951A (zh) * | 2011-07-06 | 2011-11-30 | 北京航空航天大学 | 一种快速的分形视频压缩与解压缩方法 |
CN108932467A (zh) * | 2018-03-02 | 2018-12-04 | 于志国 | 跟踪区域图像分析平台 |
CN109711379A (zh) * | 2019-01-02 | 2019-05-03 | 电子科技大学 | 一种复杂环境交通信号灯候选区域提取及识别方法 |
CN113435373A (zh) * | 2021-07-05 | 2021-09-24 | 西安科技大学 | 一种矿井火灾视频图像智能识别装置及方法 |
CN114782479A (zh) * | 2022-06-17 | 2022-07-22 | 江苏乐尔环境科技股份有限公司 | 一种工业设备状态监控管理方法 |
CN115297363A (zh) * | 2022-10-09 | 2022-11-04 | 南通商翼信息科技有限公司 | 基于霍夫曼编码的视频数据加密传输方法 |
CN116612436A (zh) * | 2023-07-19 | 2023-08-18 | 华洋通信科技股份有限公司 | 基于煤矿掘进工作面关键特征的视频编码注意力标定系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117768615A (zh) * | 2023-12-12 | 2024-03-26 | 广州众翔信息科技有限公司 | 用于监控视频的图像数据传输方法及系统 |
CN117671464A (zh) * | 2024-02-02 | 2024-03-08 | 深圳市拓远能源科技有限公司 | 一种基于边缘计算的设备物联网数据管理系统 |
CN117671464B (zh) * | 2024-02-02 | 2024-04-16 | 深圳市拓远能源科技有限公司 | 一种基于边缘计算的设备物联网数据管理系统 |
CN117831744A (zh) * | 2024-03-06 | 2024-04-05 | 大连云间来客科技有限公司 | 一种呼吸重症患者远程监控方法及系统 |
CN117831744B (zh) * | 2024-03-06 | 2024-05-10 | 大连云间来客科技有限公司 | 一种呼吸重症患者远程监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116828209B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116828209B (zh) | 一种矿下智能视频监控数据传输方法及系统 | |
CN111797653B (zh) | 基于高维图像的图像标注方法和装置 | |
CN103002289B (zh) | 面向监控应用的视频恒定质量编码装置及其编码方法 | |
CN102045566B (zh) | 图像处理装置及图像处理装置的控制方法 | |
CN115834895B (zh) | 用于无人机的数据高效压缩存储方法 | |
CN111797707B (zh) | 一种基于聚类的镜头关键帧提取方法 | |
CN116996673B (zh) | 基于通行出入管理及设备运行状态的智能云端管理系统 | |
CN116471412B (zh) | 一种基于密度聚类的自适应图像压缩方法及系统 | |
CN116456061B (zh) | 基于动态目标检测的智能社区监控管理方法、系统及介质 | |
TWI512685B (zh) | 移動物體偵測方法及其裝置 | |
US9940543B2 (en) | Control of computer vision pre-processing based on image matching using structural similarity | |
CN116980629B (zh) | 一种大型照明系统自动故障检测系统 | |
Mei et al. | Learn a compression for objection detection-vae with a bridge | |
CN112699901A (zh) | 一种基于物联网的植物种类识别系统 | |
CN116233479A (zh) | 基于数据处理的直播信息内容审核系统及方法 | |
CN115008255B (zh) | 一种用于机床的刀具磨损识别方法及装置 | |
CN109714602B (zh) | 一种基于背景模板和稀疏编码的无人机视频压缩方法 | |
CN114022367A (zh) | 一种图像质量调优方法、装置、电子设备和介质 | |
CN118018035B (zh) | 一种装修进度智能监管系统的信息传输方法 | |
CN116600118B (zh) | 一种基于混合特征多模态分析的视频采集参数优化方法 | |
CN113689411B (zh) | 一种基于视觉识别的计件方法、装置及存储介质 | |
CN105357575A (zh) | 一种视频图像处理装置和方法 | |
CN117079197B (zh) | 一种智慧工地管理方法及系统 | |
CN116823975B (zh) | 一种煤矿数据优化存储方法 | |
CN118095971B (zh) | 一种ad钙奶饮料加工工艺评估方法、系统及介质 |
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 |