[发明专利]一种视频压缩方法及系统在审

专利信息
申请号: 201811350985.5 申请日: 2018-11-07
公开(公告)号: CN111163320A 公开(公告)日: 2020-05-15
发明(设计)人: 武祥吉;周雷;武俊敏 申请(专利权)人: 合肥图鸭信息科技有限公司
主分类号: H04N19/42 分类号: H04N19/42;H04N19/567;H04N19/573;H04N19/587
代理公司: 暂无信息 代理人: 暂无信息
地址: 210000 江苏省南京市秦淮*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 视频压缩 方法 系统
【说明书】:

发明实施例提供了一种视频压缩方法及系统,所述方法包括:基于预测网络中的分离卷积单元,根据前一帧和当前帧计算运动向量;基于所述预测网络,根据所述前一帧和所述运动向量对当前帧进行预测,得到预测帧;计算所述当前帧和所述预测帧的残差;根据残差网络对所述残差进行压缩,得到残差压缩;基于视频压缩网络,根据所述残差压缩和所述预测帧对所述当前帧进行压缩,该方法压缩效果更好并易于实现、扩展性强。

技术领域

本发明涉及视频压缩领域,特别涉及一种视频压缩方法及系统。

背景技术

目前的视频压缩方法在发展上遇到瓶颈,且复杂度越来越高,并不能很好得利用GPU硬件加速性能,在CPU上也难以优化。

发明内容

为了解决上述问题,本发明实施例提供了一种视频压缩方法。

根据本发明的第一方面,提供了一种视频压缩方法,包括:

基于预测网络中的分离卷积网络,根据前一帧和当前帧计算运动向量;

基于所述预测网络,根据所述前一帧和所述运动向量对当前帧进行预测,得到预测帧;

计算所述当前帧和所述预测帧的残差;

根据残差网络对所述残差进行压缩,得到残差压缩;

基于视频压缩网络,根据所述残差压缩和所述预测帧对所述当前帧进行压缩。

进一步地,所述残差网络的训练方法包括:

通过特征提取网络提取训练图像的特征;

根据概率模型对所述特征进行估计,得到码率估计结果;

将所述特征输入解码网络,得到重建图;

将所述重建图与所述训练图像进行比较,并根据所述码率估计得到率-失真优化结果;

根据所述率-失真优化结果对所述特征提取网络的参数进行调整。

进一步地,所述通过特征提取网络提取训练图像的特征包括:

通过特征提取网络进行图像特征的映射,得到所述训练图像的特征,其中,所述特征提取网络为自编码网络。

进一步地,所述根据概率模型对所述特征进行估计,得到码率估计结果包括:

根据概率模型对分布进行估计,并根据熵进行码率估计,得到所述码率估计结果。

进一步地,所述将所述特征输入解码网络,得到重建图包括:

根据自解码网络,对所述特征进行解码,得到重建图;

进一步地,所述将所述重建图与所述训练图像进行比较,并根据所述码率估计得到率-失真优化结果包括:

将所述重建图和所述训练图像进行比较,得到失真残差;

根据所述码率估计结果和所述失真残差得到所述率-失真优化结果。

进一步地,所述自编码网络和自解码网络为多层卷积神经网络,其中所述自编码网络的层数和所述自解码网络的层数可以相同和/或不同。

进一步地,在所述将所述特征输入解码网络,得到重建图之前,还包括:

对所述特征进行量化,得到量化后的特征。

根据本发明的第二方面,提供了一种视频压缩系统,其特征在于,包括:

获取装置,用于获取前一帧和当前帧;

压缩装置,用于根据预测网络、残差网络以及视频压缩网络对所述视频进行压缩,得到压缩后的视频;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥图鸭信息科技有限公司,未经合肥图鸭信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811350985.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top