一种基于抽象特征的固定场景视频超限压缩与解码方法技术

本发明专利技术公开了一种基于抽象特征的固定场景视频超限压缩与解码方法，包括以下步骤：1)采用背景建模方法提取原视频的背景图像并进行压缩编码；2)采用包含实例分割与关键点检测等算法的前景目标提取模块对前景目标提取抽象特征；3)对前景目标取快照并压缩；4)将视频背景压缩数据、前景目标抽象特征与快照压缩数据进行压缩；5)通过预解码将视频压缩数据解压缩；6)将前景目标抽象特征与前景目标快照输入到训练好的生成对抗网络的生成器中；7)将生成的各帧前景目标解码图像与背景图像融合；8)将融合后的视频帧重构，得到解码视频。本发明专利技术针对固定场景视频具有极高的压缩比，显著提升存储效率、延长监控视频的存储时长。延长监控视频的存储时长。延长监控视频的存储时长。

【技术实现步骤摘要】
一种基于抽象特征的固定场景视频超限压缩与解码方法


[0001]本专利技术涉及计算机视觉的深度学习
，具体为一种基于抽象特征的固定场景视频超限压缩与解码方法。

技术介绍

[0002]常见的对于视频数据的压缩编码主要是基于纹理、边缘、图像块的移动等底层特征来去除冗余信息，并未充分考虑视频内容所包含的高层抽象特征。深度学习在计算机视觉领域的蓬勃发展为图像和视频的高层抽象理解带来了技术可行性。深度卷积神经网络在大数据和高性能并行计算的支撑下，对图像和视频等高层特征提取带来了革命性的变革。不同于传统基于手工设计的图像特征提取方式，卷积神经网络可以自动在大数据中提取表达能力更强的高层特征。这些高层特征在图像理解和视频结构化中起到了至关重要的作用。借助于深度卷积神经网络模型的高层特征提取能力，在普遍可获取的视频大数据基础上，提取视频中表达性更强的高层抽象特征信息，去除视频中大量存在的抽象冗余，将可以大幅度提升视频压缩性能，减少存储空间和传输带宽，为视频更好的持久化存储和传输带来新的思路。
[0003]因此，如何提供一种通过从视频中提取高层抽象特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于抽象特征的固定场景视频超限压缩与解码方法，其特征在于包括以下步骤：利用编码器对固定场景视频数据进行压缩；利用解码器将压缩后的视频数据进行解码，得到解码视频。2.根据权利要求1所述的一种基于抽象特征的固定场景视频超限压缩与解码方法，其特征在于：在编码器中，采用背景建模方法提取原视频的背景图像，然后将提取到的背景图像进行压缩编码，得到视频背景压缩数据。3.根据权利要求1所述的一种基于抽象特征的固定场景视频超限压缩与解码方法，其特征在于：在编码器中，采用包含物体实例分割与关键点检测算法的前景目标提取模块，对视频帧中的前景目标进行特征提取，获得前景目标抽象特征，所述前景目标抽象特征包含前景目标的形状特征和关键点特征。4.根据权利要求1所述的一种基于抽象特征的固定场景视频超限压缩与解码方法，其特征在于：编码器利用前景目标快照提取算法，对前景目标提取模块获取的前景目标提取快照，将所述的快照进行压缩编码，得到前景目标快照压缩数据。5.根据权利要求2或3所述的一种基于抽象特征的固定场景视频超限压缩与解码方法，其特征在于：编码器通过提取前景目标抽象...

【专利技术属性】
技术研发人员：黄宏博，陈伟骏，孙牧野，李萌，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：