[发明专利]一种视频压缩方法、装置及终端设备

权利要求书

1.一种视频压缩方法，其特征在于，包括：

构建待压缩视频中第m帧的分离卷积网络，其中1＜m≤N，m、N为正整数，N为待压缩视频的总帧数；

基于所述分离卷积网络，根据第m-1帧重构帧及第m帧计算运动向量；

根据所述第m-1帧重构帧和运动向量得到第m帧预测帧；

计算所述第m帧预测帧与第m帧的残差，并根据残差网络对所述残差进行压缩得到压缩残差；

解码所述压缩残差并与所述第m帧预测帧相加，得到第m帧重构帧；

根据所述第m帧重构帧、分离卷积网络及残差网络训练所述分离卷积网络；

基于训练后的分离卷积网络对所述待压缩视频进行压缩。

2.如权利要求1所述的视频压缩方法，其特征在于，所述构建待压缩视频中第m帧的分离卷积网络包括：

构建一个分离卷积网络；

将第1帧重构帧与第2帧相加并输入所述分离卷积网络，其中所述第1帧重构帧为基于第1帧重构网络对第1帧进行重构得到的；

基于反向传播算法对所述分离卷积网络进行训练。

3.如权利要求1所述的视频压缩方法，其特征在于，所述基于所述分离卷积网络，根据第m-1帧重构帧及第m帧计算运动向量包括：

提取所述分离卷积网络中瓶颈层的参数，其中所述瓶颈层为所述分离卷积网络中尺寸最小的卷积层；

基于所述分离卷积网络，根据所述瓶颈层参数得到运动向量。

4.如权利要求1所述的视频压缩方法，其特征在于，所述根据所述第m帧重构帧、分离卷积网络及残差网络训练所述分离卷积网络包括：

将所述第m帧重构帧与第m帧比较，得到失真残差；

提取所述分离卷积网络的瓶颈层的参数，并进行量化、熵编码后得到运动比特流；

提取所述残差网络的瓶颈层的参数，并进行量化、熵编码后得到残差比特流；

根据所述失真残差、运动比特流和残差比特流算出率失真残差；

根据所述率失真残差调整所述分离卷积网络的权重参数。

5.如权利要求1所述的视频压缩方法，其特征在于，所述根据所述第m-1帧重构帧和运动向量得到第m帧预测帧包括：

将所述第m-1帧与运动向量进行分离卷积操作得到第m帧预测帧。

6.一种视频压缩装置，其特征在于，包括：

网络构建模块，用于构建待压缩视频中第m帧的分离卷积网络，其中1＜m≤N，m、N为正整数，N为待压缩视频的总帧数；

运动向量模块，用于基于所述分离卷积网络，根据第m-1帧重构帧及第m帧计算运动向量；

预测帧模块，用于根据所述第m-1帧重构帧和运动向量得到第m帧预测帧；

残差模块，用于计算所述第m帧预测帧与第m帧的残差，并根据残差网络对所述残差进行压缩得到压缩残差；

重构帧模块，用于解码所述压缩残差并与所述第m帧预测帧相加，得到第m帧重构帧；

网络训练模块，用于根据所述第m帧重构帧、分离卷积网络及残差网络训练所述分离卷积网络；

视频压缩模块，用于基于训练后的分离卷积网络对所述待压缩视频进行压缩。

7.如权利要求6所述的视频压缩装置，其特征在于，所述网络训练模块包括：

失真残差单元，用于将所述第m帧重构帧与第m帧比较，得到失真残差；

运动比特流单元，用于提取所述分离卷积网络的瓶颈层的参数，并进行量化、熵编码后得到运动比特流；

残差比特流单元，用于提取所述残差网络的瓶颈层的参数，并进行量化、熵编码后得到残差比特流；

率失真单元，用于根据所述失真残差、运动比特流和残差比特流算出率失真残差；

参数调整单元，用于根据所述率失真残差调整所述分离卷积网络的权重参数。