[发明专利]一种基于Hog特征和lgb分类器的视频解压缩方法及系统

权利要求书

1.一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于,该方法的实现过程包括：

S10、将无人便利店的监控视频通过OpenCV技术转化为多帧图像；

S20、选取原始监控视频的第一帧图像，利用Hog特征和lgb分类器做行人检测，去除行人位置，形成一张没有运动物体的背景图片；

S30、利用Hog特征和lgb分类器做行人检测，找出行人位置，并剪裁下来作为行人图片进行保存，以帧数标号和在视频图像中的位置信息来编码；

S40、将原始视频包含的每一帧图像与背景图像进行对比做差值，将残差数据存放在链表中，进行压缩；

S50、取出背景图片，根据链表中的残差数据对每一帧图像的背景进行解码还原；

S60、取出链表中的行人图像，根据图像文件编码的位置信息来覆盖每一帧背景图片，完成所有帧图像的解码还原；

S70、利用OpenCV技术，将覆盖后的所有帧图像按照原始视频的比特率和码率拼接成视频，完成视频还原。

2.根据权利要求1所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S30中，利用Hog特征和lgb分类器做行人检测，具体执行过程为：

首先，收集训练样本并划分为正样本和负样本，提取正负样本hog特征，将这些特征投入到lgb分类器中进行训练，形成所需要的模型；

然后，利用形成的模型来生成检测子，再运用检测子对负样本进行检测，从而得到难样本；

最后，提取难样本的hog特征并结合第一步中的特征一起投入训练，得到最终检测子。

3.根据权利要求1或2所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S30中，将保存的行人图片命名为n_x_y，其中，n为第几帧，x为视频检测边界框左上角的横纵坐标，y为边界框右下角的横纵坐标，以记录所保存行人图片的位置信息。

4.根据权利要求3所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S60中，取出链表中的行人图像，根据图片文件名的帧数标号信息n,检测边界框坐标信息x和y，将物体图片覆盖到相应的每一帧背景图中。

5.根据权利要求1所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S40中，将原始视频包含的每一帧图像与背景图像进行对比做差值，将残差数据存放在链表中，其具体操作为：

将原始视频包含的每一帧图像与背景图像的整体色度进行对比，根据得到的色差确定每一帧图像与背景图的亮度差异值、饱和度差异值、灰度差异和直方图差异；

将确定的内容以结点的形式按照处理顺序存入链表，链表的结构从前往后依次是背景图片、视频每一帧图像的整体差值参数、裁剪下来的图片以及视频的起止帧数。

6.根据权利要求5所述的一种基于Hog特征和lgb分类器的视频解压缩方法，其特征在于，在步骤S50中，取出背景图片，根据链表中的残差数据对每一帧图像的背景进行解码还原，具体执行步骤包括：

首先从链表的第一个结点取出背景图片，

然后取出背景图片后面的每帧图像的整体差值参数信息，根据每一帧图像与背景图的亮度差异值、饱和度差异值、灰度差异和直方图差异，对背景图进行渲染，还原成接近原视频的图像。