【技术实现步骤摘要】
基于人工智能和视频分析的视频编码优化方法
本专利技术涉及人工智能
，具体涉及一种基于人工智能和视频分析的视频编码优化方法。
技术介绍
目前视频编码优化的方法通常为根据误差分析等方式得到最优的量化参数。然而并未考虑到以视频中感兴趣信息作为因素选择量化参数，其实现难点在于，现有背景建模方法容易出现误判，且感兴趣信息(前景运动信息)难以量化。
技术实现思路
本专利技术的目的在于针对上述现有技术存在的缺陷，提出一种基于人工智能和视频分析的视频编码优化方法。一种基于人工智能和视频分析的视频编码优化方法，该方法包括：步骤1，为视频帧图像的各像素点匹配高斯模型；步骤2，根据视频帧图像的语义分割图生成辅助修正矩阵：若像素点不存在匹配的高斯模型，则像素点对应的辅助修正矩阵元素为第一设定值；若像素点存在匹配的高斯模型，但匹配的高斯模型类别与语义分割图中像素点的语义类别不同，则像素点对应的辅助修正矩阵元素为第二设定值；若像素点存在匹配的高斯模型，且匹配的高斯模型类别与语义分割图中像素点的语义类别相...
【技术保护点】
1.一种基于人工智能和视频分析的视频编码优化方法，其特征在于，该方法包括：/n步骤1，为视频帧图像的各像素点匹配高斯模型；/n步骤2，根据视频帧图像的语义分割图生成辅助修正矩阵：若像素点不存在匹配的高斯模型，则像素点对应的辅助修正矩阵元素为第一设定值；若像素点存在匹配的高斯模型，但匹配的高斯模型类别与语义分割图中像素点的语义类别不同，则像素点对应的辅助修正矩阵元素为第二设定值；若像素点存在匹配的高斯模型，且匹配的高斯模型类别与语义分割图中像素点的语义类别相同，则像素点对应的辅助修正矩阵元素为第三设定值；/n步骤3，遍历视频帧图像中的像素点，若像素点存在匹配的高斯模型，且匹配...
【技术特征摘要】
1.一种基于人工智能和视频分析的视频编码优化方法，其特征在于，该方法包括：
步骤1，为视频帧图像的各像素点匹配高斯模型；
步骤2，根据视频帧图像的语义分割图生成辅助修正矩阵：若像素点不存在匹配的高斯模型，则像素点对应的辅助修正矩阵元素为第一设定值；若像素点存在匹配的高斯模型，但匹配的高斯模型类别与语义分割图中像素点的语义类别不同，则像素点对应的辅助修正矩阵元素为第二设定值；若像素点存在匹配的高斯模型，且匹配的高斯模型类别与语义分割图中像素点的语义类别相同，则像素点对应的辅助修正矩阵元素为第三设定值；
步骤3，遍历视频帧图像中的像素点，若像素点存在匹配的高斯模型，且匹配的高斯模型与像素点的语义类别相同，则对混合高斯模型进行更新，否则在辅助修正矩阵中确定以像素点位置为中心的分块矩阵，根据分块矩阵与预设模板的卷积计算结果确定修正指标，若修正指标大于第一阈值，则对下一像素点进行分析，若修正指标小于等于第一阈值，则根据修正指标确定标准差修正系数、权重修正系数，根据像素点的像素值构建新增高斯模型或确定最接近高斯模型，利用标准差修正系数对新增高斯模型或最接近高斯模型的标准差进行修正，利用权重修正系数对新增高斯模型或最接近高斯模型的权重进行修正；
步骤4，当混合高斯模型的参数趋于稳定，进行背景建模，根据当前背景下视频帧图像的前景信息、色彩信息、亮度信息动态调节视频量化参数。
2.如权利要求1所述的方法，其特征在于，所述根据分块矩阵与预设模板的卷积计算结果确定修正指标包括：
计算修正指标：其中，A′为分块矩阵，B为预设模板，Size为预设模板尺寸，V1为辅助修正矩阵中像素点的值。
3.如权利要求1所述的方法，其特征在于，所述若修正指标小于等于第一阈值，则根据修正指标确定标准差修正系数、权重修正系数，根据像素点的像素值构建新增高斯模型或确定最接近高斯模型，利用标准差修正系数对新增高斯模型或最接近高斯模型的标准差进行修正，利用权重修正系数对新增高斯模型或最接近高斯模型的权重进行修正具体为：
若修正指标小于等于第一阈值且小于第二阈值，第二阈值小于第一阈值，则以像素点的像素值作为新增高斯模型的均值，新增高斯模型的类别为分块矩阵中各像素点语义类别频次较大的类别，根据修正指标计算第一标准差修正系数、第一权重修正系数，利用第一标准差修正系数对新增高斯模型所属类别的高斯模型最大标准差进行修正并将修正结果作为新增高斯模型的标准差，利用第一权重修正系数对新增高斯模型所属类别的高斯模型最小权重进行修正并将修正结果作为新增高斯模型的权重；若修正指标大于等于第二阈值且小于等于第一阈值，则以均值与分块矩阵对应图像块的像素均值最接近的高斯模型为最接近高斯模型，并将最接近高斯模型的类别...
【专利技术属性】
技术研发人员：楚志刚，李焕勤，孙陆鹏，刘婷，
申请(专利权)人：郑州师范学院，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。