一种基于YOLOv2目标检测算法的视频解压缩方法及系统技术方案

本发明专利技术公开一种基于YOLOv2目标检测算法的视频解压缩方法及系统，涉及视频处理技术领域，采用方案包括：获取固定摄像机采集的监控视频；对视频序列进行分组，利用帧间差法获取视频关键帧并保存，作为图像重构的背景模型；利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标；对检测得到的运动目标进行帧数和坐标记录，作为后期视频帧图像重构的关键信息进行保存；保存前述得到的关键帧和帧内运动目标信息，作为压缩后的信息存储；对前述存储的信息进行解压缩，利用存储的关键帧以及帧内运动目标信息进行逐帧重构，还原原监控视频的信息。本发明专利技术提取和保存视频运动目标的，并结合关键帧提取，完成视频压缩工作，降低压缩时的存储空间。

A video decompression method and system based on yolv2 target detection algorithm

【技术实现步骤摘要】
一种基于YOLOv2目标检测算法的视频解压缩方法及系统
本专利技术涉及视频压缩
，具体的说是一种基于YOLOv2目标检测算法的视频解压缩方法及系统。
技术介绍
人工智能技术逐渐取代人类完成无意义的重复劳动，催生多种无人参与的行业，例如现在正流行的新零售概念。在这类不由人参与的行业中，视频监控室必不可少的环节之一，随之带来的是海量的视频存储，因此衍生出多种视频压缩技术。视频压缩一直是视频监控领域的研究热点，视频监控的主要任务之一是检测场景中图像的变化并提取运动目标。在传统的视频压缩方法中，由于运动目标存在遮挡、变化速度过快、孔径和匹配误差等问题，分割效果不尽如人意。其次，待检测目标种类多、数量多，传统的特征描述子语义信息少、泛化程度低，给检测带来很大的挑战。另外，目标模型需要从大规模标记数据集中学习得到，而数据采集和标注通常是很大的工程，耗费大量的人力物力，这些情况导致目标检测的计算复杂性很高。最后，动态变化的环境需要时常更新视觉模型，提高模型对复杂环境的自适应能力。随着深度学习技术的发展，很多基于深度学习的目标检测方法陆续被提出，在精度上显著优于传统方法，成为最新的研究热点。
技术实现思路
本专利技术针对目前技术发展的需求和不足之处，提供一种基于YOLOv2目标检测算法的视频解压缩方法及系统，通过对视频序列关键帧的提取、对运动目标的检测与提取，完成视频所包含帧的压缩和重构。首先，本专利技术提供一种基于YOLOv2目标检测算法的视频解压缩方法，解决上述技术问题采用的技术方案如下：一种基于YOLOv2目标检测算法的视频解压缩方法，该方法应用于无人工作场所，该方法的实现过程包括：S10、获取固定摄像机采集的监控视频；S20、对视频序列进行分组，利用帧间差法获取视频关键帧并保存，作为图像重构的背景模型；S30、利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标；S40、对检测得到的运动目标进行帧数和坐标记录，作为后期视频帧图像重构的关键信息进行保存；S50、保存步骤S20-S40得到的关键帧和帧内运动目标信息，作为压缩后的信息存储；S60、对步骤S50存储的信息进行解压缩，利用存储的关键帧以及帧内运动目标信息进行逐帧重构，还原原监控视频的信息。在步骤S20中，利用帧间差法获取视频关键帧的具体操作为：首先计算所有镜头内的帧的平均差值，随后找出镜头内帧的差值大于平均值的倍数的帧，若不存在，说明视频帧基本保持不变，选择该视频序列的中间帧作为关键帧，亮度过于黑暗的帧忽略不计。在步骤S20中，在利用帧间差法获取视频关键帧的过程中，可以直接选择不包含运动目标的视频帧图像作为关键帧，即图像重构的背景模型，同时，根据镜头内帧的变化来确定关键帧的数量。在步骤S30中，利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标，具体执行步骤包括：首先需要对目标检测网络进行单一图像数据集的预训练，然后对图像数据进行多尺度变换操作，对目标检测网络的参数进行优化调整，最后利用训练好的模型参数进行目标检测和标定。其次，本专利技术提供一种基于YOLOv2目标检测算法的视频解压缩系统，解决上述技术问题采用的技术方案如下：一种基于YOLOv2目标检测算法的视频解压缩系统，该系统应用于无人工作场所，该系统包括：视频获取模块，用于获取固定摄像机采集的监控视频；关键帧获取模块，用于对视频序列进行分组，进而利用帧间差法获取视频关键帧并保存，作为图像重构的背景模型；检测标定模块，用于利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标；记录模块，用于对检测得到的运动目标进行帧数和坐标记录，作为后期视频帧图像重构的关键信息进行保存；保存模块，用于保存得到的关键帧和帧内运动目标信息，作为压缩后的信息存储；解压缩模块，用于对保存模块存储的信息进行解压缩，利用存储的关键帧以及帧内运动目标信息进行逐帧重构，还原原监控视频的信息。具体的，所涉及关键帧获取模块利用帧间差法获取视频关键帧的具体过程包括：首先计算所有镜头内的帧的平均差值，随后找出镜头内帧的差值大于平均值的倍数的帧，若不存在，说明视频帧基本保持不变，选择该视频序列的中间帧作为关键帧，亮度过于黑暗的帧忽略不计。具体的，所涉及视频解压缩系统还包括提取计算模块；所述提取计算模块直接选择不包含运动目标的视频帧图像作为关键帧，即图像重构的背景模型，同时，根据镜头内帧的变化来确定关键帧的数量。具体的，所涉及检测标定模块包括：预训练子模块，用于对目标检测网络进行单一图像数据集的预训练；变换优化子模块，用于对图像数据进行多尺度变换操作，对目标检测网络的参数进行优化调整；检测标定子模块，用于利用训练好的模型参数进行目标检测和标定。本专利技术的一种基于YOLOv2目标检测算法的视频解压缩方法及系统，与现有技术相比具有的有益效果是：1)本专利技术基于YOLOv2目标检测算法进行视频运动目标的提取和保存，并结合关键帧提取完成视频压缩工作，有效降低压缩时的存储空间；2)本专利技术适用于没有店员参与的智能化购物场所，将该场所的工作环境作为关键帧，随后进一步对监控视频中的运动目标进行检测并标定运动目标，可以有效地解决智能化购物场所中固定摄像机采集的监控视频重复率压缩导致的工作效率低等问题。附图说明附图1是本专利技术实施例一的方法流程图；附图2是本专利技术实施例二的连接框图。附图中各标号信息表示：1、视频获取模块，2、关键帧获取模块，3、检测标定模块，4、记录模块，5、保存模块，6、解压缩模块，7、提取计算模块；8、预训练子模块，9、变换优化子模块，10、检测标定子模块。具体实施方式为使本专利技术的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本专利技术的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。实施例一：结合附图1，本实施例提出一种基于YOLOv2目标检测算法的视频解压缩方法，该方法应用于无人工作场所，该方法的实现过程包括：S10、获取固定摄像机采集的监控视频；S20、对视频序列进行分组，利用帧间差法获取视频关键帧并保存，作为图像重构的背景模型；S30、利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标；S40、对检测得到的运动目标进行帧数和坐标记录，作为后期视频帧图像重构的关键信息进行保存；S50、保存步骤S20-S40得到的关键帧和帧内运动目标信息，作为压缩后的信息存储；S60、对步骤S50存储的信息进行解压缩，利用存储的关键帧以及帧内运动目标信息进行逐帧重构，还原原监本文档来自技高网...

【技术保护点】
1.一种基于YOLOv2目标检测算法的视频解压缩方法，其特征在于,该方法应用于无人工作场所，该方法的实现过程包括：/nS10、获取固定摄像机采集的监控视频；/nS20、对视频序列进行分组，利用帧间差法获取视频关键帧并保存，作为图像重构的背景模型；/nS30、利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标；/nS40、对检测得到的运动目标进行帧数和坐标记录，作为后期视频帧图像重构的关键信息进行保存；/nS50、保存步骤S20-S40得到的关键帧和帧内运动目标信息，作为压缩后的信息存储；/nS60、对步骤S50存储的信息进行解压缩，利用存储的关键帧以及帧内运动目标信息进行逐帧重构，还原原监控视频的信息。/n

【技术特征摘要】
1.一种基于YOLOv2目标检测算法的视频解压缩方法，其特征在于,该方法应用于无人工作场所，该方法的实现过程包括：
S10、获取固定摄像机采集的监控视频；
S20、对视频序列进行分组，利用帧间差法获取视频关键帧并保存，作为图像重构的背景模型；
S30、利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标；
S40、对检测得到的运动目标进行帧数和坐标记录，作为后期视频帧图像重构的关键信息进行保存；
S50、保存步骤S20-S40得到的关键帧和帧内运动目标信息，作为压缩后的信息存储；
S60、对步骤S50存储的信息进行解压缩，利用存储的关键帧以及帧内运动目标信息进行逐帧重构，还原原监控视频的信息。


2.根据权利要求1所述的一种基于YOLOv2目标检测算法的视频解压缩方法，其特征在于，在步骤S20中，利用帧间差法获取视频关键帧的具体操作为：
首先计算所有镜头内的帧的平均差值，
随后找出镜头内帧的差值大于平均值的倍数的帧，
若不存在，说明视频帧基本保持不变，选择该视频序列的中间帧作为关键帧，亮度过于黑暗的帧忽略不计。


3.根据权利要求1所述的一种基于YOLOv2目标检测算法的视频解压缩方法，其特征在于，在步骤S20中，在利用帧间差法获取视频关键帧的过程中，可以直接选择不包含运动目标的视频帧图像作为关键帧，即图像重构的背景模型，同时，根据镜头内帧的变化来确定关键帧的数量。


4.根据权利要求1所述的一种基于YOLOv2目标检测算法的视频解压缩方法，其特征在于，在步骤S30中，利用YOLOv2目标检测算法对监控视频中的运动目标进行检测并标定运动目标，具体执行步骤包括：
首先需要对目标检测网络进行单一图像数据集的预训练，
然后对图像数据进行多尺度变换操作，对目标检测网络的参数进行优化调整，
最后利用训练好的模型参数进行目标检测和标定。

【专利技术属性】
技术研发人员：李雪，李锐，于治楼，
申请(专利权)人：山东浪潮人工智能研究院有限公司，
类型：发明
国别省市：山东;37