[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

说明书

本发明公开一种基于Hog特征和lgb分类器的视频解压缩方法及系统，涉及视频解压缩技术领域，采用方案包括：将无人便利店的监控视频转化为多帧图像；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；利用Hog特征和lgb分类器做行人检测，找出行人位置，剪裁下来作为行人图片进行保存并命名；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；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；取出链表中的行人图像，来覆盖每一帧背景图片，完成所有帧图像的解码还原；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。

技术领域

本发明涉及视频解压缩技术领域，具体的说是一种基于Hog特征和lgb分类器的视频解压缩方法及系统。

背景技术

视频监控是安全防范系统的重要组成部分，传统的监控系统包括前端摄像机、传输线缆、视频监控平台。

无人便利店指商店内所有或部分经营流程，通过技术手段进行智能化自动化处理，且降低或不存在人工干预。无人便利店中的监控视频是24小时不间断运行，所形成的视频的存储空间非常巨大，需要耗费大量资金进行存储。而视频压缩是可以缩小视频所占空间，节省存储资源的。。人便利店的监控视频背景场景是基本固定不变的，主要变化来自于顾客进入店中的走动。

传统的视频压缩算法包括MPEG-4，H.264和H.265等算法大多遵循预测编码结构，属于是硬编码，无法适应日益增长的需求和多样化的视频用例。

基于机器学习的方法给视频压缩领域带来了变个性的发展。其中，

行人检测是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。该技术可与行人跟踪，行人重识别等技术结合，应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。

方向梯度直方图(Histogram of Oriented Gradient，HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，它通过计算和统计图像局部区域的梯度方向直方图来构成特征。

发明内容

本发明的目的就是为了克服传统压缩技术所存在的缺陷，提供一种基于Hog特征和lgb分类器的视频解压缩方法及系统，有效地解决无人便利店中监控摄像头采集的大量视频流重复率压缩和简化问题。

首先，本发明提供一种基于Hog特征和lgb分类器的视频解压缩方法，解决上述技术问题采用的技术方案如下：

一种基于Hog特征和lgb分类器的视频解压缩方法，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。