【技术实现步骤摘要】
本专利技术属于视频编码领域，尤其涉及一种基于人体特征紧凑表示的视频压缩方法。
技术介绍
1、近年来，基于深度学习的视频编码框架显示出了良好的发展前景。lu等人提出了首个端到端视频压缩框架dvc，用神经网络代替传统的运动估计、运动补偿、残差编码等模块，并通过率失真函数共同优化整个网络。lin等人采用多参考帧进行运动补偿和运动矢量预测，有效地消除了时间冗余。yang等人提出了一种基于学习的分层质量和循环增强视频压缩方法，压缩不同质量的视频帧，通过循环增强网络提高视频质量。hu等人将编码过程转移到特征域，使用可变形卷积估计运动偏移量。他们的多帧特征融合模块从当前帧和前一帧中提取多个特征表示，并使用可变形补偿和非局部注意机制来细化初始重构特征，从而实现更好的帧重构。habibian等人将多个帧视为一个整体，并使用3d卷积直接压缩。liu等人使用图像编码器和独立压缩每帧，并提出了一种熵模型来探讨潜在特征的时间相关性。此外，li等人将残差编码转化为条件编码，利用时间上下文优化编码器和熵模型。然而，这些方法无论是使用光流扭曲还是直接使用潜在表示来生成...
【技术保护点】
1.一种基于人体特征紧凑表示的视频压缩方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人体特征紧凑表示的视频压缩方法，其特征在于，所述步骤1包括如下具体步骤：
3.根据权利要求1所述的基于人体特征紧凑表示的视频压缩方法，其特征在于，所述人体特征压缩算法将由骨架提取器提取出的骨架信息根据人体关节分成六个部分：头，身体，左臂，右臂，左腿和右腿。
4.根据权利要求1所述的基于人体特征紧凑表示的视频压缩方法，其特征在于，所述步骤2包括如下具体步骤：
5.根据权利要求1所述的基于人体特征紧凑表示的视频压缩方法，其特征...
【技术特征摘要】
1.一种基于人体特征紧凑表示的视频压缩方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人体特征紧凑表示的视频压缩方法，其特征在于，所述步骤1包括如下具体步骤：
3.根据权利要求1所述的基于人体特征紧凑表示的视频压缩方法，其特征在于，所述人体特征压缩算法将由骨架提取器提取出的骨架信息根据人体关节分成六个部分：头，身体，左臂，右臂，左腿和右腿。
4.根据权利要求1所述的基于人体特征紧凑表示的视频压缩方法，其特征在于，所述步骤2包括如下具体步骤：
5.根据权利要...
【专利技术属性】
技术研发人员：殷海兵，郦渊浩，王鸿奎，黄晓峰，谢亚光，林聚财，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
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。