基于YOLOv1的目标检测算法的车库监控视频压缩方法及系统技术方案

本发明专利技术公开了基于YOLOv1的目标检测算法的车库监控视频压缩方法及系统，属于视频压缩及目标检测领域，本发明专利技术要解决的技术问题为如何改善传统的压缩技术对文件压缩效果，确保既能保证视频的分辨率，又能降低视频的存储代价，技术方案为：该方法步骤如下：S1、获取监控视频序列；S2、确定关键帧；S3、关键帧的提取和保存；S4、确定关键帧的同时对运动目标进行检测；其中，运动目标包括人和车；S5、对运动目标进行提取和保存；S6、记录关键信息生成压缩文件；S7、视频解码重构。该系统包括监控视频序列获取单元、关键帧确定单元、关键帧保存单元、运动目标检测单元、运动目标保存单元、压缩文件生成单元及视频解码重构单元。

Video compression method and system of garage monitoring based on object detection algorithm of yolov1

【技术实现步骤摘要】
基于YOLOv1的目标检测算法的车库监控视频压缩方法及系统
本专利技术涉及视频压缩及目标检测领域，具体地说是基于YOLOv1的目标检测算法的车库监控视频压缩方法及系统。
技术介绍
随着人工智能技术快速发展，尤其是深度学习的已经成功的应用到很多领域中，例如图像识别、语音识别、NLP和目标检测等领域中。因此可以考虑利用深度学习到视频压缩，尤其是安防等方面的视频监控。因为随着许多无人场景的出现，视频监控成为越来越流行，随之带来的是海量的视频存储，因此视频压缩成为一个需求非常强烈的技术，视频压缩也成为了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。基于目标检测的视频压缩技术是近年来低码率视频压缩技术研究的热点之一，利用深度学习网络对任意形状的运动目标进行检测和标定，估计目标的运动参数，记录位置等关键信息，可以提高视频编码效率，并较好地完成视频帧图像的重构。MPEG-4编码是现在较为主流的视频编码方式，利用图像分割、检测运动目标完成图像编码，另外在编码过程中，对不同的视频目标采用不同编码策略，效率高，压缩率高，因而基于视频目标的编码是实现视频压缩的有效方法。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。故如何改善传统的压缩技术对文件压缩效果，确保既能保证视频的分辨率，又能降低视频的存储代价是目前现有技术中急需解决的技术问题。专利号为CN106550237A的专利文献公开了一种监控视频压缩方法,其包括以下步骤：针对I帧背景长期不变的特性，去除重复出现的I帧带来的冗余信息；P帧使用有选择地跳帧方法来降低数据量；针对于P帧跳帧后有可能给视频带来的跳跃感，使用插帧重建方法来降低其跳跃感。但是该技术方案不能改善传统的压缩技术对文件压缩效果，同时也不能保证视频的分辨率及降低视频的存储代价。
技术实现思路
本专利技术的技术任务是提供一种基于YOLOv1的目标检测算法的车库监控视频压缩方法及系统，来解决如何改善传统的压缩技术对文件压缩效果，确保既能保证视频的分辨率，又能降低视频的存储代价的问题。本专利技术的技术任务是按以下方式实现的，一种基于YOLOv1的目标检测算法的车库监控视频压缩方法，该方法步骤如下：S1、获取监控视频序列；S2、确定关键帧；S3、关键帧的提取和保存；S4、确定关键帧的同时对运动目标进行检测；其中，运动目标包括人和车；S5、对运动目标进行提取和保存；S6、记录关键信息生成压缩文件；关键信息包括提取和保存的关键帧、运动目标、坐标和帧数信息；S7、视频解码重构。作为优选，所述步骤S2中确定关键帧的步骤如下：S201、获取视频帧序列；S202、对视频帧进行预处理；S203、选择不包含运动目标的视频帧图像作为背景关键帧完成背景建模；S204、背景建模的同时进行前景检测；S205、针对背景建模和前景检测的结果进行后处理；S206、选取关键帧序列。更优地，所述步骤S202中对视频帧进行预处理具体如下：S20201、利用OpenCV工具把视频截取为一张一张的图片；S20202、将图片进行分组；S20203、利用OpenCV工具对图片进行预处理，预处理的内容包括把图片大小调到固定的尺寸、去除噪点。更优地，所述步骤S203中背景建模具体如下：S20301、利用预处理好的每一组图片，进行运动目标的检测并标定运动目标；S20302、对目标检测网络进行单一图像数据集通过YOLOV1网络进行预训练；S20303、对图像数据进行旋转、改变亮度、变化大小的多尺度变换的图像增强手段操作；S20304、利用新数据，对YOLOV1网络参数进行进一步的优化调整；S20305、利用训练好的模型参数对后续新的数据进行目标检测和标定。更优地，所述步骤S204中前景检测具体如下：S20401、利用步骤S203训练的好的YOLOV1模型，对预处理好的每一组图片进行运动物体检测；S20402、对于每一组检测到的运动目标进行帧数和坐标记录的操作，作为后期视频帧图像重构的关键信息进行保存。更优地，所述步骤S206中选取关键帧序列具体如下：S20601、对步骤S202预处理好的图片，在每一组帧中，确定第一个帧为关键帧；S20602、找到在同一组中和前一个已经确定为关键帧差值大于设定的阈值的帧，作为一个新的关键帧；S20604、不断重复步骤S20602直到整个组结束；若一个组中均不满足步骤S20602中的条件，则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；S20605、对关键帧进行保存，作为图像重构的背景关键帧。更优地，所述步骤S20602中差值的计算方法是通过对应像素点之间的差值的绝对值之和。作为优选，所述步骤S7中视频解码重构具体是利用关键帧和运动目标的图片、帧数及坐标信息进行逐帧重构，再利用OpenCV把帧还原为视频，重构后的视频与原视频基本保持一致。一种基于YOLOv1的目标检测算法的车库监控视频压缩系统，该系统包括，监控视频序列获取单元，用于获取监控视频序列；关键帧确定单元，用于确定关键帧，选择不包含运动目标的视频帧图像作为背景关键帧，根据镜头内帧的变化来确定关键帧的数量；关键帧保存单元，用于提取和保存关键帧；运动目标检测单元，用于对运动目标进行检测；其中，运动目标包括人和车；运动目标保存单元，用于对运动目标进行提取和保存；压缩文件生成单元，用于将记录关键信息生成压缩文件；关键信息包括提取和保存的关键帧、运动目标、坐标和帧数信息；视频解码重构单元，用于利用关键帧和运动目标的图片、帧数及坐标信息进行逐帧重构，再利用OpenCV把帧还原为视频，重构后的视频与原视频基本保持一致。作为优选，所述关键帧确定单元的工作过程如下：(1)、获取视频帧序列；(2)、对视频帧进行预处理；(3)、选择不包含运动目标的视频帧图像作为背景关键帧完成背景建模；(4)、背景建模的同时进行前景检测；(5)、针对背景建模和前景检测的结果进行后处理；(6)、选取关键帧序列。本专利技术的基于YOLOv1的目标检测算法的车库监控视频压缩方法及系统具有以下优点：(一)、传统的压缩技术对文件压缩，可以起到很好的作用，但是对于视频的压缩，并没有获得想要压缩效果。使用YOLOv1深度目标检测算法进行车库本文档来自技高网...

【技术保护点】
1.一种基于YOLOv1的目标检测算法的车库监控视频压缩方法，其特征在于，该方法步骤如下：/nS1、获取监控视频序列；/nS2、确定关键帧；/nS3、关键帧的提取和保存；/nS4、确定关键帧的同时对运动目标进行检测；其中，运动目标包括人和车；/nS5、对运动目标进行提取和保存；/nS6、记录关键信息生成压缩文件；关键信息包括提取和保存的关键帧、运动目标、坐标和帧数信息；/nS7、视频解码重构。/n

【技术特征摘要】
1.一种基于YOLOv1的目标检测算法的车库监控视频压缩方法，其特征在于，该方法步骤如下：
S1、获取监控视频序列；
S2、确定关键帧；
S3、关键帧的提取和保存；
S4、确定关键帧的同时对运动目标进行检测；其中，运动目标包括人和车；
S5、对运动目标进行提取和保存；
S6、记录关键信息生成压缩文件；关键信息包括提取和保存的关键帧、运动目标、坐标和帧数信息；
S7、视频解码重构。


2.根据权利要求1所述的基于YOLOv1的目标检测算法的车库监控视频压缩方法，其特征在于，所述步骤S2中确定关键帧的步骤如下：
S201、获取视频帧序列；
S202、对视频帧进行预处理；
S203、选择不包含运动目标的视频帧图像作为背景关键帧完成背景建模；
S204、背景建模的同时进行前景检测；
S205、针对背景建模和前景检测的结果进行后处理；
S206、选取关键帧序列。


3.根据权利要求2所述的基于YOLOv1的目标检测算法的车库监控视频压缩方法，其特征在于，所述步骤S202中对视频帧进行预处理具体如下：
S20201、利用OpenCV工具把视频截取为一张一张的图片；
S20202、将图片进行分组；
S20203、利用OpenCV工具对图片进行预处理，预处理的内容包括把图片大小调到固定的尺寸、去除噪点。


4.根据权利要求2所述的基于YOLOv1的目标检测算法的车库监控视频压缩方法，其特征在于，所述步骤S203中背景建模具体如下：
S20301、利用预处理好的每一组图片，进行运动目标的检测并标定运动目标；
S20302、对目标检测网络进行单一图像数据集通过YOLOV1网络进行预训练；
S20303、对图像数据进行旋转、改变亮度、变化大小的多尺度变换的图像增强手段操作；
S20304、利用新数据，对YOLOV1网络参数进行进一步的优化调整；
S20305、利用训练好的模型参数对后续新的数据进行目标检测和标定。


5.根据权利要求2所述的基于YOLOv1的目标检测算法的车库监控视频压缩方法，其特征在于，所述步骤S204中前景检测具体如下：
S20401、利用步骤S203训练的好的YOLOV1模型，对预处理好的每一组图片进行运动物体检测；
S20402、对于每一组检测到的运动目标进行帧数和坐标记录的操作，作为后期视频帧图像重构的关键信息进行保存。

【专利技术属性】
技术研发人员：冯落落，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