CN116828210A - 一种用于矿下视频采集智能传输方法及系统 - Google Patents
一种用于矿下视频采集智能传输方法及系统 Download PDFInfo
- Publication number
- CN116828210A CN116828210A CN202311098923.0A CN202311098923A CN116828210A CN 116828210 A CN116828210 A CN 116828210A CN 202311098923 A CN202311098923 A CN 202311098923A CN 116828210 A CN116828210 A CN 116828210A
- Authority
- CN
- China
- Prior art keywords
- gray value
- characterization
- super
- super pixel
- pixel blocks
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012512 characterization method Methods 0.000 claims abstract description 85
- 238000012544 monitoring process Methods 0.000 claims abstract description 52
- 230000006835 compression Effects 0.000 claims abstract description 16
- 238000007906 compression Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及压缩传输技术领域,具体涉及一种用于矿下视频采集智能传输方法及系统,将每个视频帧图像分割为若干个超像素块,根据每两个相邻的超像素块的合并必要度对超像素块进行合并,根据每个超像素块的轮廓多边形对超像素块进行更新;根据每个待确定灰度值的表征度获得每个超像素块的表征灰度值;获得每种表征灰度值的灰度值序列,根据所有超像素块的表征灰度值和每种表征灰度值的灰度值序列构建霍夫曼树;根据霍夫曼树对每个视频帧图像中的每个超像素块进行编码,对所有视频帧图像的编码压缩结果进行传输。本发明通过改进的霍夫曼编码算法对矿下监控视频进行编码,在降低传输成本的同时,保留高质量的视频内容。
Description
技术领域
本发明涉及压缩传输技术领域,具体涉及一种用于矿下视频采集智能传输方法及系统。
背景技术
对于危险性较大的矿下作业,需要通过安装摄像头采集矿下监控视频,实时进行视频监控,及时对安全隐患进行预警。
考虑到矿下的复杂环境,通常对采集的矿下监控视频进行无线传输,为了保持矿下监控视频的质量,避免了图像失真或信息丢失,确保视频内容的完整性,同时降低数据传输的成本,需要对采集的矿下监控视频进行无损压缩传输。
虽然矿下监控视频具有局部相似性,但局部相似并不等同于局部相同,因此,利用游程编码对矿下监控视频进行编码的压缩效率较低。通过常规的霍夫曼编码算法对矿下监控视频进行能压缩时,基于灰度值在矿下监控视频中的全局频率进行编码压缩,并没有充分利用矿下监控视频的局部相似性,因此,利用霍夫曼编码算法对矿下监控视频进行编码的压缩效率较低。
因此,本发明需要结合矿下监控视频的局部相似性,通过对霍夫曼编码算法进行改进,通过改进后的霍夫曼编码算法对矿下监控视频进行编码,在降低数据传输的成本的同时,保留高质量的视频内容,避免了图像失真或信息丢失,确保视频内容的完整性。
发明内容
本发明提供一种用于矿下视频采集智能传输方法及系统,以解决现有的问题。
本发明的一种用于矿下视频采集智能传输方法及系统采用如下技术方案:
本发明提供了一种用于矿下视频采集智能传输方法,该方法包括以下步骤:
根据采集的矿下监控视频获得若干个视频帧图像;
将每个视频帧图像分割为若干个超像素块,根据每两个相邻的超像素块的合并必要度对超像素块进行合并,根据每个超像素块的轮廓多边形对超像素块进行更新;
根据每个超像素块的每个待确定灰度值的表征度,获得每个超像素块的表征灰度值;
获得每种表征灰度值的灰度值序列,根据所有超像素块的表征灰度值和每种表征灰度值的灰度值序列构建霍夫曼树;
根据霍夫曼树对每个视频帧图像中的每个超像素块进行编码,对所有视频帧图像的编码压缩结果进行传输。
进一步的,所述根据每两个相邻的超像素块的合并必要度对超像素块进行合并,包括的具体步骤如下:
计算任意相邻的两个超像素块的合并必要度,如果两个超像素块的合并必要度大于预设合并阈值Y,则两个超像素块进行合并,获得新的超像素块;重复上述操作,直到所有相邻的两个超像素块的合并必要度都小于等于预设合并阈值Y。
进一步的,所述计算任意相邻的两个超像素块的合并必要度,包括的具体步骤如下:
对于任意两个相邻的超像素块,分别计算两个超像素块的平均灰度值和/>,以及两个超像素块的灰度值方差/>和/>;计算两个超像素块组成的区域的平均灰度值/>和方差/>;进而计算两个超像素块的合并必要度,具体计算公式为:
式中,B表示两个超像素块的合并必要度,/>、/>分别表示两个超像素块的平均灰度值,/>、/>分别表示两个超像素块的灰度值方差,/>、/>分别表示两个超像素块组成的区域的平均灰度值和方差,/>表示预设允许程度。
进一步的,所述根据每个超像素块的轮廓多边形对超像素块进行更新,包括的具体步骤如下:
利用多边形近似算法获得每个超像素块的轮廓多边形,多边形近似算法的阈值为,S表示预设边长;将每个超像素块的轮廓多边形对应的区域作为更新后的超像素块,后续过程中的超像素块均是更新后的超像素块。
进一步的,所述获得每个超像素块的表征灰度值,包括的具体步骤如下:
获得每个超像素块的灰度直方图,将每个超像素块的灰度直方图中频率最大的个灰度值作为待确定灰度值,/>表示预设允许程度,计算每个待确定灰度值的表征度,将每个超像素块的所有待确定灰度值中,将表征度最大的待确定灰度值作为每个超像素块的表征灰度值;获得所有超像素块的表征灰度值。
进一步的,所述计算每个待确定灰度值的表征度,包括的具体步骤如下:
式中,/>表示待确定灰度值,/>表示待确定灰度值的表征度,/>表示允许程度,/>表示第i个灰度值,/>表示取绝对值,/>表示第i个灰度值的频率。
进一步的,所述获得每种表征灰度值的灰度值序列,包括的具体步骤如下:
对于任意一种表征灰度值,将[0,255]范围内的每个灰度值与表征灰度值的差值的绝对值记为每个灰度值与表征灰度值的差异,将所有灰度值按照差异从小到大的顺序进行排列,对于差异相同的灰度值,按照灰度值从大到小进行排列,将排序后的灰度值组成的序列记为每种表征灰度值的灰度值序列。
进一步的,所述构建霍夫曼树,包括的具体步骤如下:
根据所有超像素块的表征灰度值构建霍夫曼树,将每种表征灰度值在霍夫曼树中对应的节点记为次节点;将每种表征灰度值在霍夫曼树中对应的次节点作为根节点,构建每种表征灰度值的子树,每种表征灰度值的子树均为255层的范式二叉树,范式二叉树是指右节点均为父节点且左节点均为子节点的二叉树,按照从上到下的顺序,将表征灰度值的灰度值序列中的所有灰度值依次分配给每个左节点,按照左0右1的方式给范式二叉树分配编码。
进一步的,所述对每个视频帧图像中的每个超像素块进行编码,包括的具体步骤如下:
根据每个超像素块的表征灰度值的子树对每个超像素块中的所有像素点进行编码,将所有超像素块的轮廓多边形的顶点的坐标以及所有超像素块的表征灰度值记录下来。
本发明还提供了一种用于矿下视频采集智能传输系统,包括视频采集模块、视频发送模块、视频接收模块和隐患预警模块,视频采集模块用于采集矿下监控视频,视频发送模块用于实现上述方法的步骤;视频接收模块用于接收来自视频发送模块的编码结果,并根据霍夫曼树对编码结果进行解码;隐患预警模块用于对矿下监控视频进行分析,标记隐患位置,进行隐患预警。
本发明的技术方案的有益效果是:针对无论是利用游程编码还是霍夫曼编码算法对具有局部相似性的矿下监控视频进行编码的压缩效率较低的问题,本发明为了充分利用视频帧图像的局部相似性,根据局部相似性对视频帧图像进行超像素分割,结合矿下监控视频的局部相似性,根据灰度值相对于超像素块的表征灰度值的差异获得灰度值的编码,差异越小编码长度越短,相对于根据灰度值在矿下监控视频中的全局频率进行霍夫曼编码,本发明通过对霍夫曼编码算法进行改进,通过改进后的霍夫曼编码算法对矿下监控视频进行编码,在降低数据传输的成本的同时,保留高质量的视频内容,避免了图像失真或信息丢失,确保视频内容的完整性,对于矿下监控系统的效能和可行性都具有重要意义,有助于提供可靠的视频监控服务。
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为本发明的一种用于矿下视频采集智能传输方法的步骤流程图;
图2为本发明的一种用于矿下视频采集智能传输系统的系统框图。
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用于矿下视频采集智能传输方法,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。
下面结合附图具体的说明本发明所提供的一种用于矿下视频采集智能传输方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于矿下视频采集智能传输方法的步骤流程图,该方法包括以下步骤:
S001.采集矿下监控视频,获得视频帧图像。
需要说明的是,对于危险性较大的矿下作业,需要通过安装摄像头采集矿下监控视频,实时进行视频监控,及时对安全隐患进行预警。
具体的,通过设置在矿井下的摄像头采集矿下监控视频,将采集的矿下监控视频中的每帧图像记为视频帧图像,获得若干个视频帧图像。
S002.对视频帧图像进行超像素分割,获得超像素块,根据合并必要度对超像素块进行合并,根据每个超像素块的轮廓多边形对超像素块进行更新。
需要说明的是,考虑到矿下的复杂环境,通常对采集的矿下监控视频进行无线传输,为了保持矿下监控视频的质量,避免了图像失真或信息丢失,确保视频内容的完整性,同时降低数据传输的成本,需要对采集的矿下监控视频进行无损压缩传输。虽然矿下监控视频具有局部相似性,但局部相似并不等同于局部相同,因此,利用游程编码对矿下监控视频进行编码的压缩效率较低。因此,本发明需要结合矿下监控视频的局部相似性,通过对霍夫曼编码算法进行改进,通过改进后的霍夫曼编码算法对矿下监控视频进行编码,在降低数据传输的成本的同时,保留高质量的视频内容,避免了图像失真或信息丢失,确保视频内容的完整性。
进一步需要说明的是,为了充分利用视频帧图像的局部相似性,根据局部相似性对视频帧图像进行超像素分割,考虑到分割出的超像素块的尺寸相同,而视频帧图像中具有局部相似性的区域的形状和大小都不规则,因此,本实施例对相邻且相似的超像素块进行合并;对于合并后的超像素块,需要记录超像素块的位置和形状,对于形状不规则的超像素块,可以通过记录近似超像素块轮廓的多边形的顶点的位置,记录超像素块的位置和形状。
1、对视频帧图像进行超像素分割,获得超像素块。
预设一个边长S,其中本实施例以S=20为例进行叙述,本实施例不进行具体限定,其中S根据具体实施情况而定。
具体的,通过SLIC超像素分割算法对视频帧图像进行超像素分割,具体方法为:将人为设定K个超像素的种子点均匀地分配在视频帧图像上,调整种子点像素,根据距离度量准则计算种子点的邻域2S×2S的范围内所有像素与种子点的距离,重复迭代并赋值,将相似特征像素生成超像素块,获得视频帧图像的超像素分割结果,其中,,/>表示视频帧图像的大小。
2、根据合并必要度对超像素块进行合并。
预设一个允许程度,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对于任意两个相邻的超像素块,分别计算两个超像素块的平均灰度值和/>,以及两个超像素块的灰度值方差/>和/>;计算两个超像素块组成的区域的平均灰度值/>和方差/>;进而计算两个超像素块的合并必要度,具体计算公式为:
式中,B表示两个超像素块的合并必要度,/>、/>分别表示两个超像素块的平均灰度值,/>、/>分别表示两个超像素块的灰度值方差,/>、/>分别表示两个超像素块组成的区域的平均灰度值和方差,/>表示预设允许程度。
表征两个超像素块的平均灰度值与两个超像素块组成的区域的平均灰度值的差异,该值越小,则差异越小,则两个超像素块越相似,两个超像素块的合并必要度B越大;超像素块的灰度值方差表征超像素块的灰度值的分布性,/>表示两个超像素块的灰度值方差与两个超像素块组成的区域的灰度值方差的差异,即两个超像素块的灰度值的分布性与两个超像素块组成的区域的灰度值的分布性的差异,该值越小,则差异越小,则两个超像素块的灰度值的分布越相似,两个超像素块的合并必要度B越大。
预设一个合并阈值Y,其中本实施例以Y=0.7为例进行叙述,本实施例不进行具体限定,其中Y根据具体实施情况而定。
进一步,计算任意相邻的两个超像素块的合并必要度,如果两个超像素块的合并必要度大于合并阈值Y,则两个超像素块进行合并,获得新的超像素块;直到所有相邻的两个超像素块的合并必要度都小于等于合并阈值Y。
3、根据每个超像素块的轮廓多边形对超像素块进行更新。
具体的,利用多边形近似算法获得每个超像素块的轮廓多边形,将每个超像素块的轮廓多边形对应的区域作为更新后的超像素块,后续过程中的超像素块均是更新后的超像素块。
多边形近似算法为现有技术,此处不再进行赘述,其中,多边形近似算法需要设置阈值,在本实施例中,多边形近似算法的阈值为,S表示预设边长。
S003.根据每个超像素块的每个待确定灰度值的表征度,获得每个超像素块的表征灰度值。
需要说明的是,对于某个灰度值,其在矿下监控视频中的全局频率,因此,通过常规的霍夫曼编码算法对矿下监控视频进行能压缩时,该灰度值的编码长度较长,本实施例结合矿下监控视频的局部相似性,根据灰度值相对于超像素块的表征灰度值的差异获得灰度值的编码,差异越小编码长度越短,由于局部相似性,则超像素块中相对于表征灰度值差异较小的灰度值较多,因此,通过对霍夫曼编码算法进行改进,通过改进后的霍夫曼编码算法对矿下监控视频进行编码,在降低数据传输的成本的同时,保留高质量的视频内容,避免了图像失真或信息丢失,确保视频内容的完整性。
具体的,获得每个超像素块的灰度直方图,将每个超像素块的灰度直方图中频率最大的个灰度值作为待确定灰度值,计算每个待确定灰度值的表征度,具体计算公式为:
式中,表示待确定灰度值,/>表示待确定灰度值的表征度,/>表示允许程度,/>表示第i个灰度值,/>表示取绝对值,/>表示第i个灰度值的频率。
本实施例结合矿下监控视频的局部相似性,根据灰度值相对于超像素块的表征灰度值的差异获得灰度值的编码,差异越小编码长度越短,且由于超像素块是局部相似性获得的,因此,超像素块中大多数的像素点的灰度值与表征灰度值的差异较小,因此,本实施例根据每个待确定灰度值相邻的差异较小的灰度值的频率和码长,计算待确定灰度值的表征度。表示待确定灰度值相邻的差异较小的灰度值的平均码长,该值越小,则压缩效率越高,相应的待确定灰度值的表征度越大。
将每个超像素块的所有待确定灰度值中,表征度最大的待确定灰度值作为每个超像素块的表征灰度值;获得所有超像素块的表征灰度值。
S004.获得每种表征灰度值的灰度值序列,根据所有超像素块的表征灰度值和每种表征灰度值的灰度值序列构建霍夫曼树。
需要说明的是,虽然矿下监控视频具有局部相似性,但局部相似并不等同于局部相同,因此,利用游程编码对矿下监控视频进行编码的压缩效率较低。通过常规的霍夫曼编码算法对矿下监控视频进行能压缩时,基于灰度值在矿下监控视频中的全局频率进行编码压缩,并没有充分利用矿下监控视频的局部相似性,因此,利用霍夫曼编码算法对矿下监控视频进行编码的压缩效率较低。因此,本发明需要结合矿下监控视频的局部相似性,通过对霍夫曼编码算法进行改进,通过改进后的霍夫曼编码算法对矿下监控视频进行编码,在降低数据传输的成本的同时,保留高质量的视频内容,避免了图像失真或信息丢失,确保视频内容的完整性。
具体的,对于任意一种表征灰度值,将[0,255]范围内的每个灰度值与表征灰度值的差值的绝对值记为每个灰度值与表征灰度值的差异,将所有灰度值按照差异从小到大的顺序进行排列,对于差异相同的灰度值,按照灰度值从大到小进行排列,将排序后的灰度值组成的序列记为每种表征灰度值的灰度值序列。
进一步,根据所有超像素块的表征灰度值构建霍夫曼树,将每种表征灰度值在霍夫曼树中对应的节点记为次节点;将每种表征灰度值在霍夫曼树中对应的次节点作为根节点,构建每种表征灰度值的子树,每种表征灰度值的子树均为255层的范式二叉树,范式二叉树是指右节点均为父节点且左节点均为子节点的二叉树,按照从上到下的顺序,将表征灰度值的灰度值序列中的所有灰度值依次分配给每个左节点,按照左0右1的方式给范式二叉树分配编码。
S005.根据霍夫曼树对超像素块进行编码和解码。
编码时,根据每个超像素块的表征灰度值的子树对每个超像素块中的所有像素点进行编码,将所有超像素块的轮廓多边形的顶点的坐标以及所有超像素块的表征灰度值记录下来。
对每个视频帧图像中的每个超像素块进行编码,对所有视频帧图像的编码压缩结果进行传输。
对接收到的编码结果进行解码时,根据记录的顶点坐标还原所有超像素块,根据每个超像素块的表征灰度值的子树对每个超像素块中的所有编码进行解码。
请参阅图2,其示出了本发明一个实施例提供的一种用于矿下视频采集智能传输系统的系统框图,该系统包括视频采集模块、视频发送模块、视频接收模块和隐患预警模块,具体为:
视频采集模块用于实现上述S001方法的步骤;
视频发送模块用于实现上述S002到S005方法的步骤;
视频接收模块用于接收来自视频发送模块的编码结果,并根据霍夫曼树对编码结果进行解码;
隐患预警模块用于对矿下监控视频进行分析,标记隐患位置,进行隐患预警。
针对无论是利用游程编码还是霍夫曼编码算法对具有局部相似性的矿下监控视频进行编码的压缩效率较低的问题,本发明为了充分利用视频帧图像的局部相似性,根据局部相似性对视频帧图像进行超像素分割,结合矿下监控视频的局部相似性,根据灰度值相对于超像素块的表征灰度值的差异获得灰度值的编码,差异越小编码长度越短,相对于根据灰度值在矿下监控视频中的全局频率进行霍夫曼编码,本发明通过对霍夫曼编码算法进行改进,通过改进后的霍夫曼编码算法对矿下监控视频进行编码,在降低数据传输的成本的同时,保留高质量的视频内容,避免了图像失真或信息丢失,确保视频内容的完整性,对于矿下监控系统的效能和可行性都具有重要意义,有助于提供可靠的视频监控服务。
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 (10)
1.一种用于矿下视频采集智能传输方法,其特征在于,所述方法包括以下步骤:
根据采集的矿下监控视频获得若干个视频帧图像;
将每个视频帧图像分割为若干个超像素块,根据每两个相邻的超像素块的合并必要度对超像素块进行合并,根据每个超像素块的轮廓多边形对超像素块进行更新;
根据每个超像素块的每个待确定灰度值的表征度,获得每个超像素块的表征灰度值;
获得每种表征灰度值的灰度值序列,根据所有超像素块的表征灰度值和每种表征灰度值的灰度值序列构建霍夫曼树;
根据霍夫曼树对每个视频帧图像中的每个超像素块进行编码,对所有视频帧图像的编码压缩结果进行传输。
2.根据权利要求1所述的一种用于矿下视频采集智能传输方法,其特征在于,所述根据每两个相邻的超像素块的合并必要度对超像素块进行合并,包括的具体步骤如下:
计算任意相邻的两个超像素块的合并必要度,如果两个超像素块的合并必要度大于预设合并阈值Y,则两个超像素块进行合并,获得新的超像素块;重复上述操作,直到所有相邻的两个超像素块的合并必要度都小于等于预设合并阈值Y。
3.根据权利要求2所述的一种用于矿下视频采集智能传输方法,其特征在于,所述计算任意相邻的两个超像素块的合并必要度,包括的具体步骤如下:
对于任意两个相邻的超像素块,分别计算两个超像素块的平均灰度值和/>,以及两个超像素块的灰度值方差/>和/>;计算两个超像素块组成的区域的平均灰度值/>和方差/>;进而计算两个超像素块的合并必要度,具体计算公式为:
式中,B表示两个超像素块的合并必要度,/>、/>分别表示两个超像素块的平均灰度值,/>、/>分别表示两个超像素块的灰度值方差,/>、/>分别表示两个超像素块组成的区域的平均灰度值和方差,/>表示预设允许程度。
4.根据权利要求1所述的一种用于矿下视频采集智能传输方法,其特征在于,所述根据每个超像素块的轮廓多边形对超像素块进行更新,包括的具体步骤如下:
利用多边形近似算法获得每个超像素块的轮廓多边形,多边形近似算法的阈值为,S表示预设边长;将每个超像素块的轮廓多边形对应的区域作为更新后的超像素块,后续过程中的超像素块均是更新后的超像素块。
5.根据权利要求1所述的一种用于矿下视频采集智能传输方法,其特征在于,所述获得每个超像素块的表征灰度值,包括的具体步骤如下:
获得每个超像素块的灰度直方图,将每个超像素块的灰度直方图中频率最大的个灰度值作为待确定灰度值,/>表示预设允许程度,计算每个待确定灰度值的表征度,将每个超像素块的所有待确定灰度值中,将表征度最大的待确定灰度值作为每个超像素块的表征灰度值;获得所有超像素块的表征灰度值。
6.根据权利要求5所述的一种用于矿下视频采集智能传输方法,其特征在于,所述计算每个待确定灰度值的表征度,包括的具体步骤如下:
式中,/>表示待确定灰度值,/>表示待确定灰度值的表征度,/>表示允许程度,/>表示第i个灰度值,/>表示取绝对值,/>表示第i个灰度值的频率。
7.根据权利要求1所述的一种用于矿下视频采集智能传输方法,其特征在于,所述获得每种表征灰度值的灰度值序列,包括的具体步骤如下:
对于任意一种表征灰度值,将[0,255]范围内的每个灰度值与表征灰度值的差值的绝对值记为每个灰度值与表征灰度值的差异,将所有灰度值按照差异从小到大的顺序进行排列,对于差异相同的灰度值,按照灰度值从大到小进行排列,将排序后的灰度值组成的序列记为每种表征灰度值的灰度值序列。
8.根据权利要求1所述的一种用于矿下视频采集智能传输方法,其特征在于,所述构建霍夫曼树,包括的具体步骤如下:
根据所有超像素块的表征灰度值构建霍夫曼树,将每种表征灰度值在霍夫曼树中对应的节点记为次节点;将每种表征灰度值在霍夫曼树中对应的次节点作为根节点,构建每种表征灰度值的子树,每种表征灰度值的子树均为255层的范式二叉树,范式二叉树是指右节点均为父节点且左节点均为子节点的二叉树,按照从上到下的顺序,将表征灰度值的灰度值序列中的所有灰度值依次分配给每个左节点,按照左0右1的方式给范式二叉树分配编码。
9.根据权利要求1所述的一种用于矿下视频采集智能传输方法,其特征在于,所述对每个视频帧图像中的每个超像素块进行编码,包括的具体步骤如下:
根据每个超像素块的表征灰度值的子树对每个超像素块中的所有像素点进行编码,将所有超像素块的轮廓多边形的顶点的坐标以及所有超像素块的表征灰度值记录下来,对每个视频帧图像中的每个超像素块进行编码。
10.一种用于矿下视频采集智能传输系统,其特征在于,包括视频采集模块、视频发送模块、视频接收模块和隐患预警模块,所述视频采集模块用于采集矿下监控视频,所述视频发送模块用于实现如权利要求1到权利要求9的任意一项方法的步骤;所述视频接收模块用于接收来自视频发送模块的编码结果,并根据霍夫曼树对编码结果进行解码;所述隐患预警模块用于对矿下监控视频进行分析,标记隐患位置,进行隐患预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098923.0A CN116828210B (zh) | 2023-08-30 | 2023-08-30 | 一种用于矿下视频采集智能传输方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098923.0A CN116828210B (zh) | 2023-08-30 | 2023-08-30 | 一种用于矿下视频采集智能传输方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116828210A true CN116828210A (zh) | 2023-09-29 |
CN116828210B CN116828210B (zh) | 2023-11-14 |
Family
ID=88124366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098923.0A Active CN116828210B (zh) | 2023-08-30 | 2023-08-30 | 一种用于矿下视频采集智能传输方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116828210B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236566A (zh) * | 2023-11-10 | 2023-12-15 | 山东顺发重工有限公司 | 一种全程可视的法兰盘包装管理系统 |
CN117819160A (zh) * | 2024-03-04 | 2024-04-05 | 宝鸡杭叉工程机械有限责任公司 | 基于图像处理的带式输送机煤流自动监测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693816A (zh) * | 2022-04-02 | 2022-07-01 | 河南睿焓电子科技有限公司 | 一种智能化图像大数据存储方法 |
CN115225897A (zh) * | 2022-07-14 | 2022-10-21 | 河南职业技术学院 | 一种基于霍夫曼编码的视频多级加密传输方法 |
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 CN202311098923.0A patent/CN116828210B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693816A (zh) * | 2022-04-02 | 2022-07-01 | 河南睿焓电子科技有限公司 | 一种智能化图像大数据存储方法 |
CN115225897A (zh) * | 2022-07-14 | 2022-10-21 | 河南职业技术学院 | 一种基于霍夫曼编码的视频多级加密传输方法 |
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236566A (zh) * | 2023-11-10 | 2023-12-15 | 山东顺发重工有限公司 | 一种全程可视的法兰盘包装管理系统 |
CN117236566B (zh) * | 2023-11-10 | 2024-02-06 | 山东顺发重工有限公司 | 一种全程可视的法兰盘包装管理系统 |
CN117819160A (zh) * | 2024-03-04 | 2024-04-05 | 宝鸡杭叉工程机械有限责任公司 | 基于图像处理的带式输送机煤流自动监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116828210B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116828210B (zh) | 一种用于矿下视频采集智能传输方法及系统 | |
US5287200A (en) | Block adaptive linear predictive coding with multi-dimensional adaptive gain and bias | |
CN116405574B (zh) | 一种远程医疗图像优化通讯方法及系统 | |
CN116600132B (zh) | 一种煤矿视频数据自适应压缩方法 | |
US7532762B2 (en) | Image coding/decoding method, image coding apparatus and image decoding apparatus for obtaining decoded images having small distortion in DCT based standard coding/decoding | |
CN115456868B (zh) | 一种消防演练系统数据管理方法 | |
CN116156196B (zh) | 一种用于视频数据的高效传输方法 | |
CN112954393A (zh) | 一种基于视频编码的目标跟踪方法、系统、存储介质及终端 | |
CN116760952B (zh) | 基于无人机的电力铁塔维护巡检方法 | |
CN112333451A (zh) | 一种基于生成对抗网络的帧内预测方法 | |
CN113518226A (zh) | 一种基于地面分割的g-pcc点云编码改进方法 | |
CN114531599B (zh) | 一种用于医疗图像存储的图像压缩方法 | |
CN116095347B (zh) | 基于视频分析的建筑工程安全施工方法及系统 | |
EP0853435B1 (en) | Method and apparatus for encoding a contour image of an object in a video signal | |
CN115474044B (zh) | 一种Bayer域图像有损压缩方法 | |
CN113721859B (zh) | 一种基于人工智能的图像重复数据删除方法 | |
CN106534874A (zh) | 纹理砖压缩及解压缩方法以及使用该方法的装置 | |
CN117274820B (zh) | 一种测绘地理信息地图数据采集方法及系统 | |
CN116777845B (zh) | 基于人工智能的建筑工地安全风险智能评估方法及系统 | |
JPH07152915A (ja) | 画像符号化装置及び復合化装置 | |
CN117557582B (zh) | 基于人工智能的建筑景观设计图像处理系统 | |
CN110855991A (zh) | 一种计算机图像处理的图形数据压缩方法 | |
WO2012060172A1 (ja) | 動画像符号化装置、動画像復号装置、動画像伝送システム、動画像符号化装置の制御方法、動画像復号装置の制御方法、動画像符号化装置制御プログラム、動画像復号装置制御プログラム、および記録媒体 | |
CN116957524B (zh) | 一种技术转移过程中人才信息智能管理方法及系统 | |
CN111212284B (zh) | 一种自适应块尺寸的视频隐写方法 |
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 |