高质量视频重建方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种高质量视频重建方法、装置、设备及存储介质，所述方法包括提取参考视频流以及原始视频流的深度学习特征，得到参考特征流以及原始特征流；将所述参考特征流和原始特征流进行特征融合，得到融合特征流；根据所述融合特征流对待处理的低分辨率视频流进行视频重建，得到高质量的视频流。根据本公开实施例提供的高质量视频重建方法，可以对低分辨率的视频流进行视频重建，利用云端汇聚的低分辨率视频流以及深度学习特征，恢复出高质量的视频流。的视频流。的视频流。

【技术实现步骤摘要】
高质量视频重建方法、装置、设备及存储介质


[0001]本专利技术涉及视频数据处理
，特别涉及一种高质量视频重建方法、装置、设备及存储介质。

技术介绍

[0002]近年来，随着互联网、直播和监控等领域的快速发展，视频数据无论在数量上还是在应用上都呈现爆炸式增长，给带宽和存储带来了巨大的挑战。传统的基于视频编码技术的大数据解决方案将视频进行压缩后再传输到云端，然而视频压缩效率的发展已经难以满足视频大数据对高压缩率的需求。受“生物视网膜同时具有影像重构与特征提取功能”这一特征的启发，有研究提出了数字视网膜架构，解决了视频大数据实时汇聚与分析的技术瓶颈。在云端汇聚的有低分辨率视频与深度学习特征，因此如何利用二者恢复出高质量的视频以供人观看，是一项技术难题。

技术实现思路

[0003]本公开实施例提供了一种高质量视频重建方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高质量视频重建方法，其特征在于，包括：提取参考视频流以及原始视频流的深度学习特征，得到参考特征流以及原始特征流；将所述参考特征流和原始特征流进行特征融合，得到融合特征流；根据所述融合特征流对待处理的低分辨率视频流进行视频重建，得到高质量的视频流。2.根据权利要求1所述的方法，其特征在于，所述提取参考视频流以及原始视频流的深度学习特征之前，还包括：获取高质量的参考视频流以及摄像头拍摄的原始视频流。3.根据权利要求1所述的方法，其特征在于，将所述参考特征流和原始特征流进行特征融合，得到融合特征流，包括：将所述参考特征流和原始特征流输入第一神经网络模型进行特征融合，得到融合特征流。4.根据权利要求1所述的方法，其特征在于，根据所述融合特征流对待处理的低分辨率视频流进行视频重建之前，还包括：将所述原始视频流压缩成低分辨率视频流；获取所述低分辨率视频流。5.根据权利要求1所述的方法，其特征在于，根据所述融合特征流对待处理的低分辨率视频流进行视频重建，得到高质量的视频流，包括：提取所述低分辨率视频流的像素特征；计算所述融合特征流的相关性；将所述融合特征流的相关性映射到像素特征的相关性；将所述像素特征的相关性和所述...

【专利技术属性】
技术研发人员：田永鸿，马力，彭佩玺，邢培银，高文，
申请(专利权)人：北京大学，
类型：发明
国别省市：