压缩视频的显著性目标检测方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种压缩视频的显著性目标检测方法、系统、设备及存储介质，所述压缩视频包括多帧数据，所述多帧数据包括I帧数据和至少一个P帧数据，所述方法包括：将所述I帧数据输入特征提取网络，提取所述I帧数据的第一特征，所述特征提取网络包括卷积神经网络；对于各个所述P帧数据，将所对应的前一时刻的帧数据的第一特征和所述P帧数据输入长短时记忆网络，提取所述P帧数据的第一特征；根据所述各帧数据的第一特征，采用显著性识别网络，得到各帧的显著性目标区域。通过采用本发明专利技术，通过引入长短时记忆网络，只需要对I帧提取特征，而P帧可以采用前一帧的特征、P帧数据和长短时记忆网络进行特征提取，提升压缩视频显著性目标检测速度。

【技术实现步骤摘要】
压缩视频的显著性目标检测方法、系统、设备及存储介质
本专利技术涉及视频处理
，尤其涉及一种压缩视频的显著性目标检测方法、系统、设备及存储介质。
技术介绍
视频显著性检测主要分为两类，一类是视觉注意力检测，用于估计人眼观察一副图像时注视点的变化轨迹，在神经系统学中被广泛研究，一类是显著性目标检测，从背景噪声中分割出最重要或视觉上突出的目标。对于第二类显著性目标检测，现有技术中尚没有一种能够同时兼顾检测速度和检测效果的压缩视频的显著性目标检测方法。
技术实现思路
针对现有技术中的问题，本专利技术的目的在于提供一种压缩视频的显著性目标检测方法、系统、设备及存储介质，在保证检测效果的基础上提升压缩视频显著性目标检测速度。本专利技术实施例提供一种压缩视频的显著性目标检测方法，所述压缩视频包括多帧数据，所述多帧数据包括I帧数据和至少一个P帧数据，所述方法包括如下步骤：将所述I帧数据输入特征提取网络，提取所述I帧数据的第一特征，所述特征提取网络包括卷积神经网络；对于各个所述P帧数据，将所对应的前一时刻的帧数据的第一特征和所述本文档来自技高网...

【技术保护点】
1.一种压缩视频的显著性目标检测方法，其特征在于，所述压缩视频包括多帧数据，所述多帧数据包括I帧数据和至少一个P帧数据，所述方法包括如下步骤：/n将所述I帧数据输入特征提取网络，提取所述I帧数据的第一特征，所述特征提取网络包括卷积神经网络；/n对于各个所述P帧数据，将所对应的前一时刻的帧数据的第一特征和所述P帧数据输入长短时记忆网络，提取所述P帧数据的第一特征；/n根据所述各帧数据的第一特征，采用显著性识别网络，得到各帧的显著性目标区域。/n

【技术特征摘要】
1.一种压缩视频的显著性目标检测方法，其特征在于，所述压缩视频包括多帧数据，所述多帧数据包括I帧数据和至少一个P帧数据，所述方法包括如下步骤：
将所述I帧数据输入特征提取网络，提取所述I帧数据的第一特征，所述特征提取网络包括卷积神经网络；
对于各个所述P帧数据，将所对应的前一时刻的帧数据的第一特征和所述P帧数据输入长短时记忆网络，提取所述P帧数据的第一特征；
根据所述各帧数据的第一特征，采用显著性识别网络，得到各帧的显著性目标区域。


2.根据权利要求1所述的压缩视频的显著性目标检测方法，其特征在于，所述I帧数据包括由所述压缩视频的I帧码流解码得到的I帧图像数据，所述P帧数据包括所述压缩视频的P帧码流中的运动信息和残差信息。


3.根据权利要求1所述的压缩视频的显著性目标检测方法，其特征在于，所述特征提取网络还包括与所述卷积神经网络串联的第一残差网络。


4.根据权利要求1所述的压缩视频的显著性目标检测方法，其特征在于，根据所述各帧数据的第一特征，采用显著性识别网络，得到各帧的显著性目标区域，包括如下步骤：
将所述各帧数据的第一特征输入依次串联的第二残差网络、第三残差网络和第四残差网络，得到所述各帧数据的第二特征；
根据所述各帧数据的第二特征，采用显著性识别网络，得到各帧的显著性目标区域。


5.根据权利要求4所述的压缩视频的显著性目标检测方法，其特征在于，根据所述各帧数据的第二特征，采用显著性识别网络，得到各帧的显著性目标区域，包括如下步骤：
将各帧数据的第二特征输入空洞空间卷积池化金字塔网络，得到各帧数据的第三特征；
根据所述各帧数据的第三特征，采用显著性识别网络，得到各帧的显著性目标区域。


6.根据权利要求5所述的压缩视频的显著性目标检测方法，其特征在于，所述空洞空间卷积池化金字塔网络包括并联连接的五个模块，所述五个模块包括一个全局平均池化层、一个1x1卷积层和三个3x3空洞卷积层，所述五个...

【专利技术属性】
技术研发人员：邹文艺，章勇，曹李军，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏;32