[发明专利]一种基于深度学习的煤矿监控视频解压缩方法及系统

说明书

本发明公开一种基于深度学习的煤矿监控视频解压缩方法及系统，涉及视频压缩技术领域，采用方案包括：将原始视频差分为图像帧，并选取一帧作为背景帧；基于深度学习的注意力机制和目标检测算法将每一帧图像中的工人检测出来，并将工人所在的位置行成矩形框裁剪出来，将裁剪的工人矩形框图片、定位信息、所处理的帧信息这三项作为一组保存到链表中；从链表中依次取出工人的裁剪矩形框、位置和图像帧的编号作为一组，把每一组覆盖到背景帧中；对工人的矩形框图片和工人的矩形框在背景图片的位置之间存在的色彩进行微调，以将重构图像帧组合形成视频。本方法只获取关键信息，减少了冗余信息，可以提高视频的压缩率。

技术领域

本发明涉及视频压缩技术领域，具体的说是一种基于深度学习的煤矿监控视频解压缩方法及系统。

背景技术

煤矿井下环境复杂，危险点较多，安全生产工作进展缓慢，为了进一步提高安全生产工作的，适应新时期国家对煤矿安全生产的客观要求，众多矿井都开始布设矿用视频监控系统。由于煤矿井下存在瓦斯、煤尘等混合气体，存在着一定的爆炸风险，故而煤矿井下视频监控系统所配备的摄像仪必须通过煤安认证和防爆认证，外壳为不锈钢构造，密封性能良好，防腐防尘防水。由于煤矿井下环境的复杂性，对视频的传输提出了更高的要求，因此需要在保证视频质量的前提下，尽量的压缩视频的大小，以提高视频实时传输的效率，保证井下工人的安全。

基于深度学习的视频压缩方法对传统的H.264和H.265等传统视频压缩方法带了颠覆性的革命，使视频压缩技术得到飞速的发展，大大提高了视频的压缩效率。

发明内容

本发明针对目前技术发展的需求和不足之处，提供一种基于深度学习的煤矿监控视频解压缩方法及系统，其在保证原有视频质量的前提下能够进一步提高视频的压缩率，减少其他无关因素对视频的影响。

首先，本发明提供一种基于深度学习的煤矿监控视频解压缩方法，解决上述技术问题采用的技术方案如下：

一种基于深度学习的煤矿监控视频解压缩方法，该方法的实现过程包括：

S10、将原始视频差分为图像帧，并选取一帧作为背景帧；

S20、基于深度学习的注意力机制和目标检测算法将每一帧图像中的工人检测出来，并将工人所在的位置行成矩形框裁剪出来，保存为图片，随后，将裁剪的工人矩形框图片、定位信息、所处理的帧信息这三项作为一组保存到链表中，完成所有帧图像的压缩；

S30、从链表中依次取出工人的裁剪矩形框、位置和图像帧的编号作为一组，把每一组覆盖到背景帧中，完成所有帧图像的解码还原；

S40、对工人的矩形框图片和工人的矩形框在背景图片的位置之间存在的色彩进行微调，以将解码还原的所有帧图像帧组合形成视频。

在步骤S10中，将原始视频差分为图像帧，并选取一帧作为背景帧，其操作具体为：

固定监控摄像头，使拍摄的背景保持不变；

获取原始视频；

将原始视频差分为图像帧；

选取一张没有运动物体的图像帧作为背景图片；

将背景图片存入链表的第一个位置。

在步骤S20中，所述目标检测算法为基于区域的卷积神经网络，包括Fast-RCNN，SSD，YOLO，目标检测算法用于检测出物体的种类，定位物体的位置。

在步骤S20中，将工人所在的位置行成矩形框裁剪出来保存为图片的过程中，将工人所在的位置作为感兴趣区域，将其他运动的物体作为非感兴趣区域对其滤除。

在步骤S40中，对工人的矩形框图片和工人的矩形框在背景图片的位置之间存在的色彩进行微调，微调的方法为：