WO2008110417A1 - Verfahren zur klassifikation komprimierter daten - Google Patents

Verfahren zur klassifikation komprimierter daten Download PDF

Info

Publication number
WO2008110417A1
WO2008110417A1 PCT/EP2008/051498 EP2008051498W WO2008110417A1 WO 2008110417 A1 WO2008110417 A1 WO 2008110417A1 EP 2008051498 W EP2008051498 W EP 2008051498W WO 2008110417 A1 WO2008110417 A1 WO 2008110417A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
compressed
characterizing
classification
compressed data
Prior art date
Application number
PCT/EP2008/051498
Other languages
English (en)
French (fr)
Inventor
Wolfgang Niem
Ulrich-Lorenz Benzler
Wolfgang Niehsen
Matthias Heiler
Original Assignee
Robert Bosch Gmbh
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of WO2008110417A1 publication Critical patent/WO2008110417A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content

Definitions

  • the invention relates to a method for classifying compressed data, a device, a computer program and a computer program product.
  • the method according to the invention is feasible for a dataset comprising compressed data and characterizing data associated therewith which characterize the compressed data.
  • the compressed data and the characterizing data were generated by a compression method.
  • For the amount of data it is provided that at least part of the compressed data is classified, whereby, when the method is performed, the compressed data is classified on the basis of the characterizing data.
  • the device comprises at least classification means comprising in a data set the compressed data and characterizing data associated therewith which characterize the compressed data, the compressed data and the characterizing data being generated by a compression method, at least part of the compressed one Classify data.
  • the classification means are arranged such that the compressed data are classified on the basis of the characterizing data.
  • the computer program with program code means according to the invention is intended to carry out all the steps of a method according to the invention when the computer program is run on a computer or a corresponding computer program
  • Arithmetic unit in particular a device according to the invention, is executed.
  • the computer program product according to the invention with program code means which are stored on a computer-readable data carrier is intended to carry out all the steps of a method according to the invention when the computer program is executed on a computer or a corresponding computing unit, in particular a device according to the invention.
  • the invention provides a strategy for classifying compressed data, for example, with which it is possible to record in compressed form Moving image sequences, such as those found in central video recording systems, can be classified directly.
  • the decoding or decompression of the compressed recorded motion picture sequences which was previously required and therefore necessarily takes place before a classification is eliminated.
  • This makes it possible for the first time to be able to classify compressed recorded motion picture sequences with an economically interesting effort.
  • the use of the inventive idea on the one hand no longer requires the high computing power previously required for the simultaneous decoding or decompression and classification of a large number of moving image data streams.
  • the high data throughput required for carrying out a classification is reduced to a lesser extent. This makes it possible to use more cost-effective components that work at lower clock rates. At the same time, circuit complexity can be reduced because of the lower bandwidth that needs to be maintained.
  • standard hardware components for the coding or compression of the non-compressed present moving picture sequences advantageously those are used in which widely used standardized compression methods from the family of block-based hybrid motion picture coding are executed or implemented.
  • Examples of such standardized compression methods are ISO-MPEG standards or ITU-T-H.26x standards.
  • the compression methods described above may be block-based
  • Block-based compression methods are called.
  • macroblocks are generated as compressed data and coded parameters assigned to the macroblocks as characterizing data.
  • Block-based compression methods are characterized among other things by Because of the type of compression or compression that is carried out, they provide a large number of coded parameters and thus characterizing data with which, on the one hand, a large number of classification tasks and, on the other hand, complex classification tasks can be realized.
  • the classification takes place on the grid of macroblocks into which the compression or coding process splits the individual pictures of a moving picture sequence.
  • each compressed datum is assigned at least one characterizing datum, whereby the complexity of the feasible classification tasks increases with the number of characterizing datas.
  • the characterizing datum may contain information about the associated compressed datum itself, for example about its structure and / or its structure, and / or information about the relationship between the associated compressed datum and a datum that precedes and / or succeeds it.
  • classification tasks can be realized which are aimed either at properties of the compressed date itself or at the relationship of several compressed data among themselves.
  • the data rate of a digitized video signal to be transmitted or the memory requirement required for the storage of such a memory can be reduced by a multiple. This is achieved by removing redundant and irrelevant information from the digitized video signal. Redundancy reduction takes into account features of the source in terms of reducing the amount of data to be transferred. In this case, static properties of the signal of the frame contained in the moving picture sequence, for example, the correlation between temporally and spatially adjacent pixels are exploited to produce the most compact code for the data to be transmitted. In the
  • Irrelevance reduction omits information that is not relevant to the sink. This is the case, for example, for quantization of the DCT coefficients, in which fine structures in the image are suppressed, which are imperceptible to a human observer.
  • the compressed data is macroblocks.
  • the characterizing data associated with each macroblock contains different information depending on which redundancy is removed. If the correlation of spatially adjacent pixels is taken into account, that is, if redundancy is removed from a single image, the characterizing data contain information that these are intra-coded macroblocks.
  • the characterizing data contain information that they are motion-compensated macroblocks. Additionally or alternatively, in this case, the characterizing data may also contain information about the size and direction of the motion vectors generated in the motion compensation.
  • discrete cosine transformation When compressing image signals, discrete cosine transformation (DCT) has proven to be a particularly effective transformation for redundancy reduction.
  • the discrete cosine transformation is a real, linear, orthogonal transformation that transforms a time-discrete signal from the local to the frequency domain. It effectively transforms image data into a form that can be compressed well.
  • a multiplicity of coefficients of the discrete cosine transformation are assigned to the macroblock. These coefficients correspond to characterizing data and, depending on the type of coded picture, represent the picture or the so-called prediction error signal. Classification may be based on all or part of these coefficients.
  • DCT coefficients Discrete cosine transform
  • further advantageous embodiments can be derived: to reduce the computing power required for the decoding of the characterizing data and the number of classification parameters not all 8x8 DCT coefficients are used, but only a part of them, for example the "low frequency" 2x2 or 4x4 DCT coefficients If a learning classification method is used then the feature selection can be done automatically, otherwise manually.
  • CBP Coded Block Pattern
  • the respectively associated characterizing data comprise the same information.
  • the characterizing data has different content. This is due to the fact that in such a block-based compression method, the frames contained in the moving picture sequence are compressed according to different viewpoints. Thus, for some of the frames, only the redundancy within that frame is eliminated, while motion compensation is made for other frames.
  • the characterizing data is extracted from the data set using the decoding method applied to the data set. These then classify the compressed data. Since the encoded parameters extractable directly from the compressed moving picture data stream are used as the classification parameter, the previously required complete decoding and reconstruction of the moving picture sequence is eliminated, which means that a lower computation power is required and data throughput is less to carry out a classification.
  • the classification of the compressed data is performed by means of a learning classification method which adapts itself to the classification to be performed. This is the highest for a procedure once established or for a device once set up
  • Flexibility is guaranteed, allowing, for example, the adaptation of said device to different requirements, without requiring changes to the hardware components, such as replacement.
  • Figure 1 shows in the form of a block diagram of the basic structure of the device according to the invention.
  • FIG. 2 shows, in the form of a flowchart, the basic sequence of the method according to the invention.
  • the block 1000 contained in FIG. 1 represents a data source with which a data set 1001 supplied to a decoding means 1300 is provided.
  • the block 1000 may be a camera, which generates the data amount 1001, or a memory in which the data amount 1001 is stored.
  • the data set 1001 is a compressed moving-picture data stream consisting of a sequence of compressed moving-picture sequences, of which only two moving-picture sequences 1100 and 1200 are shown in the detailed view.
  • These moving picture sequences 1100 and 1200 each again consist of compressed individual pictures, wherein in the detail view only two single pictures 1110, 1120, 1210 and 1220 are shown per moving picture sequence.
  • the compressed frames 1110, 1120, 1210 and 1220 are in turn constructed of compressed data generated from the uncompressed frames by a compression method. Of these compressed data, only the compressed data 1111, 1113, 1115, 1211, 1213 and 1215 are shown in the detail view.
  • the compressed data 1111, 1113, 1115, 1211, 1213 and 1215 are respectively associated with characterizing data 1112, 1114, 1116, 1212, 1214 and 1216.
  • the representation is selected so that the respective characterizing date 1112, 1114, 1116, 1212, 1214 or 1216 is appended to the respectively associated compressed date 1111, 1113, 1115, 1211, 1213 or 1215 in terms of data technology.
  • the characterizing date is contained in the compressed date in terms of data.
  • the decoding means 1300 a decoding process is carried out with which only the characterizing data 1112, 1114, 1116, 1212, 1214 and 1216 are extracted from the data set 1001. These are supplied to the classification means 1400, in which the compressed data 1111, 1113, 1115, 1211, 1213 and 1215 are classified on the basis of the characterizing data 1112, 1114, 1116, 1212, 1214 and 1216 or in which for the compressed
  • Data 1111, 1113, 1115, 1211, 1213 and 1215 from the characterizing data 1112, 1114, 1116, 1212, 1214 and 1216 a classification is performed.
  • Various classification methods or approaches known from the prior art can be used to carry out the classification or classification.
  • a so-called support vector machine which is a learning classification method.
  • hyperplane is determined on the basis of a set of training examples, which best divides the training examples of the classes to be separated, and which is then used after the completion of the training phase, in the classification to be performed as a decision criterion.
  • classification methods it is also possible to use a so-called boosting method in which first of all predefined learning rules are used to calculate several models for the data to be examined and then combine these individual models into an overall model with which the classification is then carried out.
  • Further applicable classification methods are so-called parametric or non-parametric probabilistic classification methods, the former being based on parametric probability densities and the probability ratios being represented by a sample in the latter case.
  • so-called graphical models can also be used as classification methods.
  • training data 1600 required for the learning phase from a block 1500 are supplied to the classification means 1400.
  • no learning classification method is used, this is not necessary.
  • the result of the classification carried out in the classification means 1400 is fed to a block 1800 in the form of classification result data 1700, so that in the block 1800 further processing of the classified compressed data, the classified macroblocks, can take place.
  • step 2000 shows the sequence of the method according to the invention, which begins with a step 2000.
  • the step 2000 is followed by a step 2100 in which the data set 1001 is read in or provided.
  • the characterizing data 1112, 1114, 1116, 1212, 1214, and 1216 are extracted from the data set 1001 using a decoding method.
  • the compressed data 1111, 1113, 1115, 1211, 1213 and 1215 are classified by means of a classification method based on the extracted characterizing data 1112, 1114, 1116, 1212, 1214 and 1216.
  • the result of the classification is further processed in a subsequent step 2400.
  • the parameters of the macroblocks are extracted from the coded video sequences compressed by preprocessing with inexpensive standard hardware or compressed directly. For this purpose, a minimal decoding of the data stream is necessary because the parameters are stored in predictive coded form in the data stream. A complete decoding is not necessary, in particular the complex processing steps of the inverse discrete cosine transformation and the inverse motion compensation are not performed.
  • the macroblock parameters extracted in this way are subsequently used as input values for a classification method which, insofar as it is a learning classification method, is trained on the basis of training data for the respective recognition task.
  • the compression or compression of data is also concerned with providing a suitable form of coding with which a reduction in the amount of data can be realized taking into account existing redundant or irrelevant information
  • the two terms compression and coding are used equally well are used as equivalent terms for a measure taken to reduce the amount of data.
  • compressed data is used both in the field of audio technology and in the field of video technology.
  • the above statements relate to the field of video technology. However, this is not intended to be limiting.
  • the invention is also in the field of Audio technology can be used.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

Das erfindungsgemässe Verfahren ist für eine Datenmenge (1001), die komprimierte Daten (1111, 1113, 1115, 1211, 1213, 1215) und diesen zugeordnete charakterisierende Daten (1112, 1114, 1116, 1212, 1214, 1216), die die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) charakterisieren, umfasst, wobei die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) und die charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) mittels eines Kompressionsverfahrens generiert wurden, durchführbar. Für die Datenmenge (1001) ist vorgesehen, dass zumindest ein Teil der komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) klassifiziert wird, wobei bei Durchführung des Verfahrens die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) anhand der charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) klassifiziert werden.

Description

Beschreibung
Titel
Verfahren zur Klassifikation komprimierter Daten
Stand der Technik
Die Erfindung betrifft ein Verfahren zur Klassifikation komprimierter Daten, eine Einrichtung, ein Computerprogramm und ein Computerprogrammprodukt.
Aus dem Stand der Technik sind Verfahren und Vorrichtungen bekannt, mit denen eine Klassifizierung von Datenmengen, die Bewegtbilder repräsentieren, durchführbar sind. Bei diesen so genannten Bewegtbild basierten Klassifikations- verfahren bzw. -Vorrichtungen erfolgt die Klassifizierung im wesentlichen mittels einer Analyse der von einer Kamera aufgenommenen Bildpunktdaten oder aber mittels einer Analyse von direkt aus diesen Bildpunktdaten abgeleiteten Größen.
Liegen jedoch komprimiert aufgezeichnete Bildsequenzen vor, wie es beispielsweise bei einem zentralen Videoaufzeichnungssystem der Fall ist, so ist hier zunächst eine Decodierung der komprimiert vorliegenden Bildsequenzen erforderlich, bevor eine Klassifizierung der dann nicht mehr komprimiert vorliegenden Bildsequenzen durchgeführt werden kann.
Vor diesem Hintergrund wird ein Verfahren mit den Merkmalen des Patentanspruchs 1, eine Einrichtung mit den Merkmalen des Patentanspruchs 7, ein Computerprogramm mit den Merkmalen des Patentanspruchs 9 und ein Compu- terprogrammprodukt mit den Merkmalen des Patentanspruchs 10 vorgestellt.
Offenbarung der Erfindung Das erfindungsgemäße Verfahren ist für eine Datenmenge, die komprimierte Daten und diesen zugeordnete charakterisierende Daten, die die komprimierten Daten charakterisieren, umfasst durchführbar. Die komprimierten Daten und die charakterisierenden Daten wurden mittels eines Kompressionsverfahrens gene- riert. Für die Datenmenge ist vorgesehen, dass zumindest ein Teil der komprimierten Daten klassifiziert wird, wobei bei Durchführung des Verfahrens die komprimierten Daten anhand der charakterisierenden Daten klassifiziert werden.
Die erfindungsgemäße Einrichtung weist zumindest Klassifikationsmittel auf, mit denen in einer Datenmenge, die komprimierte Daten und diesen zugeordnete charakterisierende Daten, die die komprimierten Daten charakterisieren, umfasst, wobei die komprimierten Daten und die charakterisierenden Daten mittels eines Kompressionsverfahrens generiert sind, zumindest ein Teil der komprimierten Daten zu klassifizieren ist. Die Klassifikationsmittel sind derart eingerichtet, dass die komprimierten Daten anhand der charakterisierenden Daten klassifiziert werden.
Das erfindungsgemäße Computerprogramm mit Programmcodemitteln ist dazu vorgesehen, alle Schritte eines erfindungsgemäßen Verfahrens durchzuführen, wenn das Computerprogramm auf einem Computer oder einer entsprechenden
Recheneinheit, insbesondere einer erfindungsgemäßen Einrichtung, ausgeführt wird.
Das erfindungsgemäße Computerprogrammprodukt mit Programmcodemitteln, die auf einem computerlesbaren Datenträger gespeichert sind, ist dazu vorgesehen, alle Schritte eines erfindungsgemäßen Verfahrens durchzuführen, wenn das Computerprogramm auf einem Computer oder einer entsprechenden Recheneinheit, insbesondere einer erfindungsgemäßen Einrichtung, ausgeführt wird.
Weitere vorteilhafte Ausgestaltungen ergeben sich aus den jeweiligen Unteransprüchen.
Mit der Erfindung wird eine Strategie zur Klassifizierung komprimierter Daten bereitgestellt, mit der es beispielsweise möglich ist, komprimiert aufgezeichnete Bewegtbildsequenzen, wie sie unter anderem bei zentralen Videoaufzeichnungssystemen vorliegen, direkt klassifizieren zu können. In diesem Fall entfällt die bisher erforderliche und deshalb notwendigerweise vor einer Klassifizierung durchgeführte Decodierung bzw. Dekomprimierung der komprimiert aufgezeich- neten Bewegtbildsequenzen. Hierdurch ist es nun erstmals möglich, komprimiert aufgezeichnete Bewegtbildsequenzen mit einem wirtschaftlich interessanten Aufwand klassifizieren zu können. So ist durch den Einsatz der erfindungsgemäßen Idee zum einen die hohe Rechenleistung, die bisher für die gleichzeitige Decodierung bzw. Dekomprimierung und Klassifizierung einer Vielzahl von Bewegt- bilddatenströmen notwendig gewesen ist, nicht mehr erforderlich. Zum anderen reduziert sich der für die Durchführung einer Klassifizierung erforderliche hohe Datendurchsatz auf ein geringeres Maß. Somit lassen sich kostengünstigere, weil bei niedrigerer Taktrate arbeitende Komponenten einsetzen. Gleichzeitig lässt sich wegen der geringeren vorzuhaltenden Bandbreite der schaltungstech- nische Aufwand reduzieren.
Selbst hinsichtlich der Durchführung einer Klassifizierung von nicht komprimiert vorliegenden Bewegtbildsequenzen ergibt sich folgender Vorteil: bisher war für deren Klassifizierung eine sehr große Rechenleistung erforderlich, da spezifisch für die jeweilige Klassifikationsaufgabe eine applikationsspezifische Verarbeitung der nicht komprimiert vorliegenden Bewegtbildsequenzen durch entsprechend eingerichtete Rechenwerke erfolgte. Dieser hohe applikationsspezifische Rechenbedarf entfällt nunmehr, da mit dem vorgeschlagenen Verfahren die Klassifizierung komprimiert vorliegender Bewegtbildsequenzen möglich ist. Somit bietet es sich an, die nicht komprimiert vorliegenden Bewegtbildsequenzen zunächst unter Verwendung kostengünstiger Standardhardwarekomponenten in komprimierte Bewegtbildsequenzen umzusetzen und für diese dann eine Klassifizierung vorzunehmen. Bei der Komprimierung werden neben den komprimierten Daten auch die charakterisierende Daten, die die komprimierten Daten charakterisieren, generiert. Diese können dann für die Durchführung einer Klassifizierung verwendet werden. Somit entfällt die bisher für die Durchführung einer Klassifizierung erforderliche Generierung geeigneter Parameter für die nicht komprimiert vorliegenden Bewegtbildsequenzen, was zu einer Verringerung des applikationsspezifischen Aufwands führt. Mit der Erfindung werden die bei heutzutage zur Klassifikation von komprimierten oder nicht komprimierten Bewegtbildsequenzen zum Einsatz kommenden Klassifikationssystemen bekannten Mängel behoben. Bei der Klassifikation nicht komp- rimiert vorliegender Bewegtbildsequenzen beispielsweise der erforderliche hohe applikationsspezifische Rechenbedarf oder der sich ergebende hohe Datendurchsatz. Bei der Klassifikation komprimiert vorliegender Bewegtbildsequenzen beispielsweise die erforderliche Decodierung bzw. Dekomprimierung,.
Dies wird dadurch erreicht, dass die in den komprimiert vorliegenden Bewegtbildsequenzen enthaltenen komprimierten Daten anhand der charakterisierenden Daten, die neben den komprimierten Daten mittels eines Kompressionsverfahrens generiert sind bzw. wurden, und die die komprimierten Daten charakterisieren, klassifiziert werden. Das heißt das erfindungsgemäße Klassifizierungsver- fahren bzw. die erfindungsgemäße Klassifizierungseinrichtung arbeitet direkt auf den codierten Parametern einer komprimierten Bewegtbildsequenz. Die Verwendung dieser Parameter erlaubt es, zum einen kostengünstige Standardhardwarekomponenten für die Kodierung bzw. Komprimierung der nicht komprimiert vorliegenden Bewegtbildsequenzen einzusetzen, die den Rechenaufwand für die ei- gentliche Klassifikationsaufgabe erheblich reduzieren. Zum anderen ist damit die direkte Klassifizierung von komprimiert vorliegenden Bewegtbildsequenzen in einfacher Art und Weise durchführbar.
Als Standardhardwarekomponenten für die Kodierung bzw. Komprimierung der nicht komprimiert vorliegenden Bewegtbildsequenzen werden vorteilhafterweise solche eingesetzt, in denen weit verbreitete standardisierte Kompressionsverfahren aus der Familie der blockbasierten hybriden Bewegtbildcodierung ablaufen bzw. implementiert sind. Als Beispiele solcher standardisierten Kompressionsverfahren kommen ISO-MPEG-Standards oder ITU-T-H.26x-Standards in Betracht. Die vorstehend beschriebenen Kompressionsverfahren können als blockbasierte
Kompressionsverfahren bezeichnet werden. Bei diesen blockbasierten Kompressionsverfahren werden als komprimierte Daten Makroblöcke und als charakterisierende Daten den Makroblöcken zugeordnete codierte Parameter generiert. Blockbasierte Kompressionsverfahren zeichnen sich unter anderem dadurch aus, dass sie auf Grund der Art der durchgeführten Kompression bzw. Komprimierung eine große Anzahl von codierten Parameter und somit charakterisierenden Daten bereitstellen, mit denen sich zum einen eine große Anzahl von Klassifizierungsaufgaben und zum anderen komplexe Klassifizierungsaufgaben realisieren las- sen. Bei blockbasierten Kompressionsverfahren findet die Klassifizierung auf dem Raster der Makroblöcke statt, in die das Kompressions- bzw. Kodierungsverfahren die einzelnen Bilder einer Bewegtbildsequenz aufteilt.
Vorteilhafterweise ist jedem komprimierten Datum wenigstens ein charakterisie- rendes Datum zugeordnet, wobei die Komplexität der durchführbaren Klassifizierungsaufgaben mit der Anzahl der charakterisierenden Daten zunimmt. Das charakterisierende Datum kann Informationen über das zugehörige komprimierte Datum selbst, beispielsweise über dessen Aufbau und/oder dessen Struktur, und/oder Informationen über den Zusammenhang zwischen dem zugeordneten komprimierten Datum und einem diesem zeitlich vorgehenden und/oder nachfolgenden komprimierten Datum enthalten. Somit lassen sich Klassifizierungsaufgaben realisieren, die entweder auf Eigenschaften des komprimierten Datums selbst oder aber auf den Zusammenhang mehrerer komprimierter Daten untereinander, abzielen.
Mit Hilfe der Videokompression lässt sich die Datenrate eines zu übertragenden digitalisierten Videosignals bzw. der für die Speicherung eines solchen benötigte Speicherbedarf um ein Vielfaches verkleinern. Dies wird dadurch erreicht, dass zum einen redundante und zum anderen irrelevante Information aus dem digitali- sierten Videosignal entfernt wird. Bei der Redundanzreduktion werden Eigenschaften der Quelle hinsichtlich der Reduzierung der zu übertragenden Datenmenge berücksichtigt. Dabei werden statische Eigenschaften des Signals des in der Bewegtbildsequenz enthaltenen Einzelbildes, beispielsweise die Korrelation zwischen zeitlich und räumlich benachbarten Bildpunkten ausgenutzt, um einen möglichst kompakten Code für die zu übertragenden Daten zu erzeugen. Bei der
Irrelevanzreduktion werden Informationen ausgelassen, die für die Senke nicht relevant sind. Dies ist beispielsweise bei Quantisierung der DCT- Koeffizienten der Fall, bei der feine Strukturen im Bild unterdrückt werden, die von einem menschlichen Betrachter nicht wahrnehmbar sind. Unter der Annahme, dass ein blockbasiertes Kompressionsverfahren eingesetzt wird, handelt es sich bei den komprimierten Daten um Makroblöcke. Die den einzelnen Makroblöcken jeweils zugeordneten charakterisierenden Daten enthalten abhängig davon, welche Redundanz entfernt wird, unterschiedliche Informationen. Wird die Korrelation räumlich benachbarter Bildpunkte berücksichtigt, das heißt wird Redundanz aus einem Einzelbild entfernt, so enthalten die charakterisierenden Daten eine Information darüber, dass es sich um intracodierte Makroblöcke handelt. Wird dagegen die Korrelation zeitlich benachbarter Bildpunkte berücksichtigt, wie es bei der Bewegungskompensation der Fall ist, so enthalten die charakterisierenden Daten eine Information darüber, dass es sich um bewe- gungskompensierte Makroblöcke handelt. Ergänzend oder alternativ können in diesem Fall die charakterisierenden Daten auch Angaben über Größe und Richtung der bei der Bewegungskompensation generierten Bewegungsvektoren ent- halten.
Bei der Kompression von Bildsignalen hat sich die Diskrete Kosinustransformation (DCT) als besonders effektive Transformation zur Redundanzreduktion erwiesen. Bei der Diskreten Kosinustransformation handelt es sich um eine reelle, Ii- neare, orthogonale Transformation, mit der ein zeitsdiskretes Signal vom Orts- in den Frequenzbereich transformiert wird. Mit ihr werden Bilddaten effektiv in eine Form transformiert, die gut komprimiert werden kann. Nach durchgeführter Transformation ist dem Makroblock eine Vielzahl von Koeffizienten der Diskreten Kosinustransformation zugeordnet. Diese Koeffizienten entsprechen charakteri- sierenden Daten und repräsentieren je nach Typ des codierten Bilds das Bildoder das so genannte Prädiktionsfehlersignal. Eine Klassifizierung kann anhand aller oder eines Teils dieser Koeffizienten erfolgen.
Ist die Diskrete Kosinustransformation Teil des zur Generierung der komprimier- ten Daten verwendeten Kompressionsverfahrens, so stehen Koeffizienten der
Diskreten Kosinustransformation (DCT- Koeffizienten) als charakterisierende Daten zur Verfügung. Daraus lassen sich weitere vorteilhafte Ausgestaltungen herleiten: zur Reduzierung der für die Decodierung der charakterisierenden Daten benötigten Rechenleistung und der Anzahl der Klassifizierungsparameter werden nicht alle 8x8 DCT- Koeffizienten verwendet, sondern lediglich ein Teil davon, beispielsweise die „tieffrequenten" 2x2 oder 4x4 DCT- Koeffizienten. Wird ein lernendes Klassifizierungsverfahren eingesetzt, so kann die Merkmalsauswahl automatisch erfolgen, ansonsten manuell.
Es ist auch denkbar, die Klassifizierung der Makroblöcke anhand von Parametern durchzuführen, die eine Information darüber enthalten, in welchem Maße Koeffizienten, beispielsweise mittels der Diskreten Kosinustransformation, für den einzelnen Makroblock generiert wurden. Die diese Information bereitstellen- den Parameter werden mit Coded Block Pattern (CBP) bezeichnet. Ferner ist auch denkbar, die Klassifizierung eines Makroblocks anhand von Parametern durchzuführen, die den Makroblöcken zugeordnet sind, die zu dem Makroblock, der zu klassifizieren ist, benachbart sind.
Es muss nicht zwangsläufig so sein, dass für sämtliche zu einer Datenmenge gehörenden komprimierten Daten die jeweils zugehörigen charakterisierenden Daten dieselbe Information umfassen. Beispielsweise haben bei einem aus der Familie der ISO-MPEG-Standards stammenden Kompressionsverfahren die charakterisierenden Daten unterschiedlichen Inhalt. Dies hängt damit zusammen, dass bei solch einem blockbasierten Kompressionsverfahren die in der Bewegtbildsequenz enthaltenen Einzelbilder nach unterschiedlichen Gesichtspunkten komprimiert werden. So wird für einen Teil der Einzelbilder lediglich die innerhalb dieses Bildes vorhandene Redundanz eliminiert, während für andere Einzelbilder eine Bewegungskompensation vorgenommen wird.
Bei dem erfindungsgemäßen Verfahren bzw. bei der erfindungsgemäßen Einrichtung werden mit dem auf die Datenmenge angewandten Decodierungsverfahren lediglich die charakterisierenden Daten aus der Datenmenge extrahiert. Mit diesen werden dann die komprimierten Daten klassifiziert. Da als Klassifikationspa- rameter die direkt aus dem komprimierten Bewegtbilddatenstrom extrahierbaren codierten Parameter verwendet werden, entfällt die bisher erforderliche vollständige Decodierung und Rekonstruktion der Bewegtbildsequenz, was bedeutet, dass für die Durchführung einer Klassifizierung eine geringere Rechenleistung erforderlich und der Datendurchsatz geringer ist. Vorteil hafterweise wird die Klassifikation der komprimierten Daten mittels eines lernenden Klassifikationsverfahrens durchgeführt, welches sich selbst an die durchzuführende Klassifizierung anpasst. Dadurch ist für ein einmal eingerichte- tes Verfahren bzw. für eine einmal eingerichtete Einrichtung ein Höchstmaß an
Flexibilität garantiert, was beispielsweise die Anpassung besagter Einrichtung an unterschiedliche Anforderungen ermöglicht, ohne dass hierfür Änderungen an den Hardwarekomponenten, beispielsweise ein Austausch, erforderlich sind.
Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und der beiliegenden Zeichnung.
Es versteht sich, dass die voranstehend genannten und die nachstehend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, son- dem auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den Rahmen der vorliegenden Erfindung zu verlassen.
Kurze Beschreibung der Zeichnungen
Die Erfindung ist anhand eines Ausführungsbeispiels in der Zeichnung schematisch dargestellt und wird im Folgenden unter Bezugnahme auf die Zeichnung ausführlich beschrieben.
Figur 1 zeigt in Form eines Blockschaltbildes den prinzipiellen Aufbau der erfindungsgemäßen Einrichtung.
Figur 2 zeigt in Form eines Flussdiagramms den prinzipiellen Ablauf des erfindungsgemäßen Verfahrens.
Ausführungsform der Erfindung
Die Figuren werden zusammenhängend und übergreifend beschrieben. Der in Figur 1 enthaltene Block 1000 stellt eine Datenquelle dar, mit der eine De- codierungsmitteln 1300 zugeführte Datenmenge 1001 bereitgestellt wird. Bei dem Block 1000 kann es sich um eine Kamera, mit der die Datenmenge 1001 erzeugt wird, oder um einen Speicher handeln, in dem die Datenmenge 1001 ab- gelegt ist. Wie der in Figur 1 für die Datenmenge 1001 enthaltenen Detailansicht zu entnehmen ist, handelt es sich bei der Datenmenge 1001 um einen komprimierten Bewegtbilddatenstrom, der aus einer Abfolge von komprimierten Bewegtbildsequenzen besteht, von denen in der Detailansicht lediglich zwei Bewegtbildsequenzen 1100 und 1200 dargestellt sind. Diese Bewegtbildsequenzen 1100 und 1200 bestehen wiederum jeweils aus komprimierten Einzelbildern, wobei in der Detailansicht pro Bewegtbildsequenz lediglich zwei Einzelbilder 1110, 1120, 1210 und 1220 dargestellt sind. Die komprimierten Einzelbilder 1110, 1120, 1210 und 1220 sind wiederum aus komprimierten Daten aufgebaut, die mittels eines Kompressionsverfahrens aus den unkomprimierten Einzelbildern generiert wurden. Von diesen komprimierten Daten sind in der Detailansicht lediglich die komprimierten Daten 1111, 1113, 1115, 1211, 1213 und 1215 dargestellt. Den komprimierten Daten 1111, 1113, 1115, 1211, 1213 und 1215 sind jeweils charakterisierende Daten 1112, 1114, 1116, 1212, 1214 und 1216 zugeordnet. In der Detailansicht ist die Darstellung so gewählt, dass das jeweilige charakterisierende Datum 1112, 1114, 1116, 1212, 1214 oder 1216 an das jeweils zugehörige komprimierte Datum 1111, 1113, 1115, 1211, 1213 oder 1215 datentechnisch angehängt ist. Es ist aber auch denkbar, dass das charakterisierende Datum datentechnisch in dem komprimierten Datum enthalten ist.
In den Decodierungsmitteln 1300 läuft ein Decodierungsverfahren ab, mit dem aus der Datenmenge 1001 lediglich die charakterisierenden Daten 1112, 1114, 1116, 1212, 1214 und 1216 extrahiert werden. Diese werden den Klassifikationsmitteln 1400 zugeführt, in denen die komprimierten Daten 1111, 1113, 1115, 1211, 1213 und 1215 anhand der charakterisierenden Daten 1112, 1114, 1116, 1212, 1214 und 1216 klassifiziert werden bzw. in denen für die komprimierten
Daten 1111, 1113, 1115, 1211, 1213 und 1215 anhand der charakterisierenden Daten 1112, 1114, 1116, 1212, 1214 und 1216 eine Klassifizierung durchgeführt wird. Für die Durchführung der Klassifikation bzw. Klassifizierung können verschiedene aus dem Stand der Technik bekannte Klassifikationsverfahren bzw. -ansätze zum Einsatz kommen. So ist beispielsweise der Einsatz einer so genannten Support- Vektor- Maschine denkbar, bei der es sich um ein lernendes Klassifikati- onsverfahren handelt. Hierbei wird anhand einer Menge von Trainingsbeispielen eine so genannte Hyperebene ermittelt, die die Trainingsbeispiele der zu trennenden Klassen bestmöglichst teilt, und die dann nach Abschluss der Trainingsphase, bei der durchzuführenden Klassifizierung als Entscheidungskriterium verwendet wird. Als weiteres lernendes Klassifikationsverfahren kann auch ein so- genanntes Boosting- Verfahren zum Einsatz kommen, bei dem zunächst mittels vorgegebener Lernregeln mehrere Modelle für die zu untersuchenden Daten berechnet und diese einzelnen Modelle dann zu einem Gesamtmodell kombiniert werden, mit dem dann die Klassifizierung durchgeführt wird. Weitere einsetzbare Klassifikationsverfahren sind so genannte parametrische oder nicht- parametrische probabilistische Klassifikationsverfahren, wobei die erstgenannten auf parametrischen Wahrscheinlichkeitsdichten beruhen und bei den letztgenannten die Wahrscheinlichkeitsdichten durch eine Stichprobe repräsentiert wird. Weiterhin können auch so genannte graphische Modelle als Klassifikationsverfahren zum Einsatz kommen.
Kommt in den Klassifikationsmitteln 1400 ein lernendes Klassifikationsverfahren zum Einsatz, so werden den Klassifikationsmitteln 1400 ausgehend von einem Block 1500 für die Lernphase benötigte Trainingsdaten 1600 zugeführt. Kommt dagegen kein lernendes Klassifikationsverfahren zum Einsatz, so ist dies nicht erforderlich.
Das Ergebnis der in den Klassifikationsmitteln 1400 durchgeführten Klassifikation wird einem Block 1800 in Form von Klassifikationsergebnisdaten 1700 zugeführt, so dass in dem Block 1800 eine Weiterverarbeitung der klassifizierten kompri- mierten Daten, der klassifizierten Makroblöcke erfolgen kann.
In Figur 2 ist der Ablauf des erfindungsgemäßen Verfahrens, welches mit einem Schritt 2000 beginnt, dargestellt, An den Schritt 2000 schließt sich ein Schritt 2100 an, in dem die Datenmenge 1001 eingelesen oder bereitgestellt wird. In ei- nem sich anschließenden Schritt 2200 werden die charakterisierenden Daten 1112, 1114, 1116, 1212, 1214 und 1216 mit Hilfe eines Decodierungsverfahrens aus der Datenmenge 1001 extrahiert. In einem nachfolgenden Schritt 2300 werden die komprimierten Daten 1111, 1113, 1115, 1211, 1213 und 1215 mittels ei- nes Klassifizierungsverfahrens anhand der extrahierten charakterisierenden Daten 1112, 1114, 1116, 1212, 1214 und 1216 klassifiziert. Das Ergebnis der Klassifizierung, alternativ die klassifizierten komprimierten Daten, wird in einem sich anschließenden Schritt 2400 weiter verarbeitet.
Der Aufbau des erfindungsgemäßen Systems wird nochmals zusammenfassend dargestellt:
Aus den von einer Vorverarbeitung mit kostengünstiger Standardhardware komprimierten oder direkt komprimiert vorliegenden codierten Videosequenzen werden die Parameter der Makroblöcke extrahiert. Hierzu ist eine minimale Decodie- rung des Datenstroms notwendig, da die Parameter in prädiktiv codierter Form im Datenstrom gespeichert sind. Eine vollständige Decodierung ist nicht notwendig, insbesondere die aufwendigen Verarbeitungsschritte der inversen Diskreten Kosinustransformation und der inversen Bewegungskompensation werden nicht durchgeführt. Die so extrahierten Makroblockparameter werden anschließend als Eingangswerte für ein Klassifizierungsverfahren verwendet, welches, sofern es sich um ein lernendes Klassifizierungsverfahren handelt, anhand von Trainingsdaten für die jeweilige Erkennungsaufgabe trainiert wird.
Da es bei der Kompression bzw. Komprimierung von Daten auch darum geht, ei- ne geeignete Form der Kodierung bereitzustellen, mit der sich unter Berücksichtigung vorliegender redundanter bzw. irrelevanter Information eine Verringerung der Datenmenge realisieren lässt, werden die beiden Begriffe Kompression und Kodierung gleichermaßen bzw. als gleichwertige Bezeichnungen für eine zur Reduzierung einer Datenmenge durchgeführten Maßnahme verwendet.
Abschließend sei angemerkt, dass komprimierte Daten sowohl im Bereich der Audiotechnik als auch im Bereich der Videotechnik eingesetzt werden. Die vorstehenden Ausführungen beziehen sich auf den Bereich der Videotechnik. Dies soll jedoch keine Einschränkung darstellen. Die Erfindung ist auch im Bereich der Audiotechnik einsetzbar.

Claims

Ansprüche
1. Verfahren, das für eine Datenmenge (1001), die komprimierte Daten (1111, 1113, 1115, 1211, 1213, 1215) und diesen zugeordnete charakterisierende Daten (1112, 1114, 1116, 1212, 1214, 1216), die die komprimierten Daten (Uli, 1113, 1115, 1211, 1213, 1215) charakterisieren, umfasst, wobei die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) und die charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) mittels eines Kompressionsverfahrens generiert sind, durchführbar ist, wobei für die Datenmenge (1001) vorgesehen ist, dass zumindest ein Teil der komprimier- ten Daten (1111, 1113, 1115, 1211, 1213, 1215) klassifiziert wird, wobei bei
Durchführung des Verfahrens die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) anhand der charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) klassifiziert werden.
2. Verfahren nach Anspruch 1, bei dem die Datenmenge (1001) einen komprimierten Bewegtbilddatenstrom darstellt, der aus einer Abfolge von komprimierten Bewegtbildsequenzen (1100, 1200) besteht, die wiederum jeweils aus komprimierten Einzelbildern (1110, 1120, 1210, 1220) bestehen, wobei die komprimierten Einzelbilder (1110, 1120, 1210, 1220) zumindest aus den komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215), die mittels des Kompressionsverfahrens aus den unkomprimierten Einzelbildern generiert wurden, aufgebaut sind.
3. Verfahren nach Anspruch 1 oder 2, bei dem jedem komprimierten Datum (Uli, 1113, 1115, 1211, 1213, 1215) wenigstens ein charakterisierendes
Datum (1112, 1114, 1116, 1212, 1214, 1216) zugeordnet ist, wobei das charakterisierende Datum (1112, 1114, 1116, 1212, 1214, 1216) zumindest Informationen über das zugehörige komprimierte Datum (1111, 1113, 1115, 1211, 1213, 1215) selbst und/oder Informationen über den Zusammenhang zwischen dem zugeordneten komprimierten Datum (1113, 1213) und einem diesem zeitlich vorgehenden komprimierten Datum (1111, 1211) und/oder einem diesem zeitlich nachfolgenden komprimierten Datum (1115, 1215) enthalten.
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei es sich bei dem Kompressionsverfahren um ein blockbasiertes Kompressionsverfahren handelt, wobei es sich bei den komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) um bei Anwendung des blockbasierten Kompressionsverfahrens ge- nerierte Makroblöcke und bei den charakterisierenden Daten (1112, 1114,
1116. 1212, 1214, 1216) um den Makroblöcken zugeordnete codierte Parameter handelt.
5. Verfahren nach einem der Ansprüche 1 bis 4, bei dem mittels eines auf die Datenmenge (1001) angewendeten Decodierungsverfahrens lediglich die charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) aus der Datenmenge (1001) extrahiert werden und die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) anhand der extrahierten charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) klassifiziert werden.
6. Verfahren nach einem der Ansprüche 1 bis 5, bei dem die Klassifikation der komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) mittels eines lernenden Klassifikationsverfahrens durchgeführt wird, welches sich selbst an die durchzuführende Klassifizierung anpasst.
7. Einrichtung, die zumindest Klassifikationsmittel (1400) aufweist, mit denen für eine Datenmenge (1001), die komprimierte Daten (1111, 1113, 1115,
1211. 1213, 1215) und diesen zugeordnete charakterisierende Daten (1112, 1114, 1116, 1212, 1214, 1216), die die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) charakterisieren, umfasst, wobei die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) und die charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) mittels eines Kompressionsverfahrens generiert wurden, zumindest ein Teil der komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) zu klassifizieren ist, wobei die Klassifikationsmittel (1400) derart eingerichtet sind, dass die komprimierten Daten (1111, 1113, 1115, 1211, 1213, 1215) anhand der charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) klassifiziert werden.
8. Einrichtung nach Anspruch 7, die ferner Decodierungsmittel (1300) aufweist, denen die Datenmenge (1001) zugeführt wird, wobei die Decodierungsmittel (1300) derart eingerichtet sind, dass lediglich die charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) aus der Datenmenge (1001) extrahiert werden, wobei die komprimierten Daten (1111, 1113,
1115, 1211, 1213, 1215) anhand der den Klassifikationsmitteln (1400) zugeführten extrahierten charakterisierenden Daten (1112, 1114, 1116, 1212, 1214, 1216) klassifiziert werden.
9. Computerprogramm mit Programmcodemitteln, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 6 durchzuführen, wenn das Computerprogramm auf einem Computer oder einer entsprechenden Recheneinheit, insbesondere in einer Einrichtung nach einem der Ansprüche 7 o- der 8, ausgeführt wird.
10. Computerprogrammprodukt mit Programmcodemitteln, die auf einem computerlesbaren Datenträger gespeichert sind, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 6 durchzuführen, wenn das Computerprogramm auf einem Computer oder einer entsprechenden Rechenein- heit, insbesondere in einer Einrichtung nach einem der Ansprüche 7 oder 8, ausgeführt wird.
PCT/EP2008/051498 2007-03-15 2008-02-07 Verfahren zur klassifikation komprimierter daten WO2008110417A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102007012457.2 2007-03-15
DE102007012457A DE102007012457A1 (de) 2007-03-15 2007-03-15 Verfahren zur Klassifikation komprimierter Daten

Publications (1)

Publication Number Publication Date
WO2008110417A1 true WO2008110417A1 (de) 2008-09-18

Family

ID=39677718

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2008/051498 WO2008110417A1 (de) 2007-03-15 2008-02-07 Verfahren zur klassifikation komprimierter daten

Country Status (2)

Country Link
DE (1) DE102007012457A1 (de)
WO (1) WO2008110417A1 (de)

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HUALU WANG ET AL: "A Highly Efficient System for Automatic Face Region Detection in MPEG Video", IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, vol. 7, no. 4, 1 August 1997 (1997-08-01), pages 615 - 628, XP011014414, ISSN: 1051-8215 *

Also Published As

Publication number Publication date
DE102007012457A1 (de) 2008-09-18

Similar Documents

Publication Publication Date Title
DE69608781T2 (de) Hybride wellenform- und modellbasierte kodierung und dekodierung von bildsignalen
EP0817496B1 (de) Verfahren und Anordnung zur Reduktion von Blockartefakten in codierten Bildern
EP1635578B1 (de) Verfahren und Anordnung zur Videocodierung, wobei die Videocodierung Texturanalyse und Textursynthese sowie Texturverzerrung umfasst, sowie ein entsprechendes Computerprogramm und ein entsprechendes computerlesbares Speichermedium
DE102009017436B4 (de) Erkennung einer Änderung zwischen Bildern oder in einer Sequenz von Bildern
DE19638632A1 (de) Verfahren und Vorrichtung zur Bildkodierung
DE602004001993T2 (de) Transformations basiertes restbewegungsrahmen kodierungsverfahren mit übervollständiger basis und zugehörige vorrichtung zur videokompression
EP1774790B1 (de) Verfahren und vorrichtung zum codieren und decodieren
DE69915843T2 (de) Teilbandkodierung/-dekodierung
DE202017007520U1 (de) Bewegungskompensation durch maschinelles Lernen
DE102016125086A1 (de) Adaptiver direktionaler Schleifenfilter
EP1472888B1 (de) Kontextsensitive kodierung und dekodierung eines videodatenstroms
DE102020128902A1 (de) Bewegungsadaptive video-codierung
EP0956539A1 (de) Verfahren und anordnung zur codierung und decodierung eines digitalisierten bildes
EP0956703B1 (de) Verfahren und anordnung zur codierung und decodierung eines digitalisierten bildes
EP1279291B1 (de) Verfahren und vorrichtung zum speichern und bearbeiten von bildinformation zeitlich aufeinanderfolgender bilder
EP0981910B1 (de) Verfahren und vorrichtung zur codierung eines digitalisierten bildes
WO2008110417A1 (de) Verfahren zur klassifikation komprimierter daten
EP0981909B1 (de) Verfahren und vorrichtung zur codierung und decodierung eines digitalisierten bildes
EP1121809B1 (de) Verfahren und anordnung zur codierung eines digitalisierten bildes, verfahren und anordnung zur decodierung eines digitalisierten bildes
DE102004029086A1 (de) Verfahren zum Entblocken und Umcodieren eines Medienstroms
WO2008052773A2 (de) Verfahren und system zur kompression von volumendaten
WO1998021894A1 (de) Verfahren zur bewegtbilddatenkompression und kodiervorrichtung zur durchführung des verfahrens

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08708779

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 08708779

Country of ref document: EP

Kind code of ref document: A1