[发明专利]一种用于智能识别的视频帧的独立判断方法有效
申请号: | 201910440340.9 | 申请日: | 2019-05-24 |
公开(公告)号: | CN110175559B | 公开(公告)日: | 2020-12-11 |
发明(设计)人: | 王再励;胡晓军 | 申请(专利权)人: | 北京博视未来科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 成都正华专利代理事务所(普通合伙) 51229 | 代理人: | 陈选中 |
地址: | 100082 北京市海淀区*** | 国省代码: | 北京;11 |
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 用于 智能 识别 视频 独立 判断 方法 | ||
本发明提供了一种用于智能识别的视频帧的独立判断方法,本发明在基于感知哈希图片相似度对比基础之上,采用多种基于帧图原始色彩通道与其它域信息的感知哈希算法分别生成同一张帧图的不同指纹,得到当前帧图的指纹组,并将所述指纹组中所述的指纹码映射至映射空间中的对应比特位上,新抽得的帧图生成指纹后,用同样的算法映射后,通过检验存储内空间对应的比特位,来判断是当前帧是否独立。本发明利用哈希算法冲突率低的特点,采用指纹码映射空间来保存已处理帧图的哈希指纹码,从而无需重新计算或逐图保存已处理视频帧图的指纹码,也无需逐个对比当前处理帧与所有已处理帧间的相似度,从而降低相似度评判的耗时,提升视频处理的整体效率。
技术领域
本发明属于视频图像处理技术领域,尤其涉及一种用于智能识别的视频帧的独立判断方法。
背景技术
近些年来,机器视觉领域中深度学习技术有了迅速的发展,也越来越多地应用到各种场景之中。基于深度学习的机器视觉方案基本实现方式是通过预训练的深度卷积神经网络模型,对目标图片进行复杂的神经网络前向运算,最终得到如图片分类、检测等结果。基于深度学习的机器视觉算法准确率通常高于传统算法,但其代价是运算复杂,速度较慢。目前的主流深度学习模型,在中高端图形处理单元(GPU)上,单个模型处理单张图片耗时大致为上百至数百毫秒。由于视频中包含非常多的帧图(每秒视频约25~30帧),当利用深度学习算法对海量视频资源进行处理时,其耗时与需经模型处理的帧图量成正比,检测总耗时将会很大,需要优化。
发明内容
针对现有技术中的上述不足,本发明提供的一种用于智能识别的视频帧的独立判断方法可以无需重新计算或逐图保存已处理视频帧图的指纹码,也无需逐个对比当前处理帧与所有已处理帧间的相似度,从而降低相似度评判的耗时,提升视频处理的整体效率。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种用于智能识别的视频帧的独立判断方法,包括如下步骤:
S1、获取映射空间中2段4Gbits的存储空间,并初始化所述存储空间;
S2、根据固定时间间隔对原始视频进行抽帧处理;
S3、根据抽取的帧图利用感知哈希算法生成当前帧图的指纹组;
S4、将所述指纹组中的所有指纹码分别进行映射处理,得到当前帧图中所有指纹码在映射空间中对应的比特位;
S5、根据所述当前帧图的所有比特位判断当前帧是否为独立帧,若是,进入步骤S6,反之,则丢弃当前帧图,结束对当前视频帧图的独立判断,并进入步骤S7;
S6、根据判断结果将所述独立帧进行智能识别处理,并将所述当前帧图指纹组中的所有指纹码在映射空间中对应的比特位均置为1;
S7、判断步骤S2是否能抽取新的帧,若是,则返回步骤S3,反之,则结束视频。
进一步地,所述步骤S3中根据抽取的帧图利用感知哈希算法生成当前帧图的指纹组,其具体为:
根据抽取的帧图利用空域均值哈希算法、空域差分哈希算法、频域低频均值哈希算法同时生成当前帧图的空域均值哈希指纹码、空域差分哈希指纹码、频域低频均值哈希指纹码,并根据所述同时生成的所述当前帧图的空域均值哈希指纹码、空域差分哈希指纹码、频域低频均值哈希指纹码得到当前帧图的指纹组。
再进一步地,所述利用空域均值哈希生成当前帧图的空域均值哈希指纹码,其包括如下步骤:
a1、根据抽取的帧图将RGB三通道格式的帧图转为单通道灰度图;
a2、将所述灰度图通过双线性插值法进行压缩,得到像素为8x8的缩略图;
a3、利用感知哈希算法得到所述8x8的缩略图中所有64个像素灰度值的均值;
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北京博视未来科技有限公司,未经北京博视未来科技有限公司许可,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/201910440340.9/2.html,转载请声明来源钻瓜专利网。