一种基于AVS帧内压缩编码的视频目标分割方法技术

一种基于AVS帧内压缩编码的视频目标分割方法，包括以下步骤：S1.提取DCT编码：根据AVS帧内压缩编码，在视频解码阶段，获取未解码视频帧的DCT编码；S2.去除DCT高频：将提取到的DCT编码去除高频信号、保留低频信号，得到去除高频信号后的DCT编码特征图，将所述去除高频信号后的DCT编码特征图直接作为CNN模型的输入；以及S3.CNN模型分割：选择具有目标分割功能的CNN模型，并使用所述去除高频信号后的DCT编码特征图对CNN模型进行训练，最终得到具备视频目标分割功能的CNN模型。解决CNN目标分割模型输入数据缺失的问题，可以最大程度输入图像分割算法需要的DCT低频信号；解决了现有方法中因缩减CNN模型输入图像，而导致DCT信号低频缺失、高频冗余的问题。高频冗余的问题。高频冗余的问题。

【技术实现步骤摘要】
一种基于AVS帧内压缩编码的视频目标分割方法


[0001]本专利技术属于计算机视觉领域，特别涉及一种基于AVS帧内压缩编码的视频目标分割方法。

技术介绍

[0002]随着社会的发展，伴随着人类活动多元化，日常生活录制的视频内容也越来越多样化，对视频进行剪辑处理的要求也越来越高。比如，在替换视频画面背景时，经常需要将人物从视频中扣取出来，然后对其背景进行替换。同时，由中国主导的数字音视频编解码标准(Audio Video coding Standard，简称AVS)，正在逐步推广使用，目前已推出第三代AVS3标准。在AVS标准中，使用熵编码，对视频进行帧内有损压缩。压缩过程保存的信息，主要是图像信号经离散余弦变换(Discrete Cosine Transform,简称DCT)后的低频信号。DCT高频信号去除得越多，图像细节越少，但图像中物体边缘信息依旧保存完好。而基于深度卷积神经网络(Deep Convolutional Neural Network，简称CNN)是目前主流的目标分割基础算法，比如Mask
‑
>RCNN目标分割算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AVS帧内压缩编码的视频目标分割方法，其特征在于，包括以下步骤：S1.提取DCT编码；S2.去除DCT高频；以及S3.CNN模型分割。2.根据权利要求1所述的基于AVS帧内压缩编码的视频目标分割方法，其特征在于，在步骤S1中，根据AVS帧内压缩编码，在视频解码阶段，获取未解码视频帧的DCT编码。3.根据权利要求1所述的基于AVS帧内压缩编码的视频目标分割方法，其特征在于，在步骤S2中，将提取到的DCT编码去除高频信号、保留低频信号，得到去除高频信号后的DCT编码特征图，将所述去除高频信号后的DCT编码特征图直接作为CNN模型的输入。4.根据权利要求3所述的基于AVS帧内压缩编码的视频目标分割方法，其特征在于，在...

【专利技术属性】
技术研发人员：魏文应，龙仕强，张世雄，陈智敏，张伟民，
申请(专利权)人：深圳龙岗智能视听研究院，
类型：发明
国别省市：