一种基于Hog特征和lgb分类器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Hog特征和lgb分类器的视频解压缩方法及系统，涉及视频解压缩技术领域，采用方案包括：将无人便利店的监控视频转化为多帧图像；选取原始监控视频的第一帧图像，利用Hog特征和lgb分类器做行人检测，去除行人位置，形成一张没有运动物体的背景图片；利用Hog特征和lgb分类器做行人检测，找出行人位置，剪裁下来作为行人图片进行保存并命名；将原始视频包含的每一帧图像与背景图像进行对比做差值，将残差数据存放在链表中，进行压缩；取出背景图片，根据链表中的残差数据对每一帧图像的背景进行解码还原；取出链表中的行人图像，来覆盖每一帧背景图片，完成所有帧图像的解码还原；将覆盖后的所有帧图像按照原始视频的比特率和码率拼接成视频，完成视频还原。

A video decompression method and system based on hog feature and LGB classifier

【技术实现步骤摘要】
一种基于Hog特征和lgb分类器的视频解压缩方法及系统
本专利技术涉及视频解压缩
，具体的说是一种基于Hog特征和lgb分类器的视频解压缩方法及系统。
技术介绍
视频监控是安全防范系统的重要组成部分，传统的监控系统包括前端摄像机、传输线缆、视频监控平台。无人便利店指商店内所有或部分经营流程，通过技术手段进行智能化自动化处理，且降低或不存在人工干预。无人便利店中的监控视频是24小时不间断运行，所形成的视频的存储空间非常巨大，需要耗费大量资金进行存储。而视频压缩是可以缩小视频所占空间，节省存储资源的。。人便利店的监控视频背景场景是基本固定不变的，主要变化来自于顾客进入店中的走动。传统的视频压缩算法包括MPEG-4，H.264和H.265等算法大多遵循预测编码结构，属于是硬编码，无法适应日益增长的需求和多样化的视频用例。基于机器学习的方法给视频压缩领域带来了变个性的发展。其中，行人检测是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。该技术可与行人跟踪，行人重识别等技术结合，应用于人工智能系统本文档来自技高网...

【技术保护点】
1.一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于,该方法的实现过程包括：/nS10、将无人便利店的监控视频通过OpenCV技术转化为多帧图像；/nS20、选取原始监控视频的第一帧图像，利用Hog特征和lgb分类器做行人检测，去除行人位置，形成一张没有运动物体的背景图片；/nS30、利用Hog特征和lgb分类器做行人检测，找出行人位置，并剪裁下来作为行人图片进行保存，以帧数标号和在视频图像中的位置信息来编码；/nS40、将原始视频包含的每一帧图像与背景图像进行对比做差值，将残差数据存放在链表中，进行压缩；/nS50、取出背景图片，根据链表中的残差数据对每一帧图像的背景进行解码还原...

【技术特征摘要】
1.一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于,该方法的实现过程包括：
S10、将无人便利店的监控视频通过OpenCV技术转化为多帧图像；
S20、选取原始监控视频的第一帧图像，利用Hog特征和lgb分类器做行人检测，去除行人位置，形成一张没有运动物体的背景图片；
S30、利用Hog特征和lgb分类器做行人检测，找出行人位置，并剪裁下来作为行人图片进行保存，以帧数标号和在视频图像中的位置信息来编码；
S40、将原始视频包含的每一帧图像与背景图像进行对比做差值，将残差数据存放在链表中，进行压缩；
S50、取出背景图片，根据链表中的残差数据对每一帧图像的背景进行解码还原；
S60、取出链表中的行人图像，根据图像文件编码的位置信息来覆盖每一帧背景图片，完成所有帧图像的解码还原；
S70、利用OpenCV技术，将覆盖后的所有帧图像按照原始视频的比特率和码率拼接成视频，完成视频还原。


2.根据权利要求1所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S30中，利用Hog特征和lgb分类器做行人检测，具体执行过程为：
首先，收集训练样本并划分为正样本和负样本，提取正负样本hog特征，将这些特征投入到lgb分类器中进行训练，形成所需要的模型；
然后，利用形成的模型来生成检测子，再运用检测子对负样本进行检测，从而得到难样本；
最后，提取难样本的hog特征并结合第一步中的特征一起投入训练，得到最终检测子。


3.根据权利要求1或2所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S30中，将保存的行人图片命名为n_x_y，其中，n为第几帧，x为视频检测边界框左上角的横纵坐标，y为边界框右下角的横纵坐标，以记录所保存行人图片的位置信息。


4.根据权利要求3所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S60中，取出链表中的行人图像，根据图片文件名的帧数标号信息n,检测边界框坐标信息x和y，将物体图片覆盖到相应的每一帧背景图中。


5.根据权利要求1所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S40中，将原始视频包含的每一帧图像与背景图像进行对比做差值，将残差数据存放在链表中，其具体操作为：
将原始视频包含的每一帧图像与背景图像的整体色度进行对比，根据得到的色差确定每一帧图像与背景图的亮度差异值、饱和度差异值、灰度差异和直方图差异；
将确定的内容以结点的形式按照处理顺序存入链表，链表的结构从前往后依次是背景图片、视频每一帧图像的整体差值参数、裁剪下来的图片以及视频的起止帧数。


6.根据权利要求5所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S50中，取出背景图片，根据链表中的残差数据对每一帧图像的...

【专利技术属性】
技术研发人员：吴振东，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