[发明专利]视频压缩方法及装置

说明书

本发明实施例提供了一种视频压缩方法及装置，该方法包括：在视频的各个视频帧的关注区域中分离出目标区域，并根据所述各个视频帧的目标区域和背景区域，确定所述各个视频帧的关键背景图；根据各个视频帧与所述各个视频帧对应的其它视频帧的关键背景图的差异，从所述各个视频帧中确定出冗余视频帧；基于非冗余视频帧的目标区域以及关键背景图，对所述视频进行压缩。在本发明中，通过在压缩视频时，去除冗余视频帧，保留非冗余视频帧的目标区域以及关键背景图，使得仅需配置极少的参数即可实现该压缩方法的复用，且压缩率较高。

技术领域

本发明实施例涉及安防技术领域，具体而言，涉及一种视频压缩压缩方法及装置。

背景技术

在安防领域，交通监控视频的使用范围日益增大，但其往往占用较大的存储空间，不便于日常的存储和传输，因此对视频进行压缩是一种常用的解决方案。

目前，视频压缩技术主要分为两类：一类是传统的视频压缩方法，主要通过运动估计、运动补偿、变换和量化、逆转换、熵编码等操作实现，这些方法在视频压缩领域占据主流地位；另一类是基于深度学习(Deep learning，DL)的视频压缩方法，主要依靠深度神经网络(Deep neural network，DNN)进行目标检测来分离前景目标和背景，并根据检测结果保留特定帧的目标区域，后期通过背景图和目标区域的叠加来实现视频恢复。相比于硬编码的传统方法，基于DL的方法为现今急剧增长的视频处理需求和日益多样化的视频类型提供了新的压缩方案，但它同时面临很多挑战，例如，DNN的训练往往需要大量的标注数据，且训练好的模型在不同的任务场景下泛化性较弱。

发明内容

本发明实施例提供了一种视频压缩方法及装置，以至少解决现有的视频压缩技术所存在的问题。

根据本发明的一个实施例，提供了一种视频压缩方法，包括：在视频的各个视频帧的关注区域中分离出目标区域，并根据所述各个视频帧的目标区域和背景区域，确定所述各个视频帧的关键背景图；根据各个视频帧与所述各个视频帧对应的其它视频帧的关键背景图的差异，从所述各个视频帧中确定出冗余视频帧；其中，一个视频帧对应的其它视频帧包括所述视频中除所述该视频帧之外的一个或多个视频帧；基于非冗余视频帧的目标区域以及关键背景图，对所述视频进行压缩，其中，所述非冗余视频帧包括所述视频中除所述冗余视频帧之外的视频帧。

在一个示例性实施例中，在所述关注区域中分离出目标区域包括：初始化水平集参数，基于水平集分割所述视频帧；提取所述水平集分割结果，确定目标区域和背景区域。

在一个示例性实施例中，提取所述水平集分割结果，确定目标区域和背景区域之后还包括：遍历所有视频帧，确定所有视频帧中的目标区域和背景区域。

在一个示例性实施例中，根据所述目标区域和背景区域确定视频帧的关键背景图包括：当第一视频帧图像中无目标区域时，确定所述第一视频帧图像为关键背景图；当所述第一视频帧图像中有目标区域时，则根据后续连续的第二视频帧的背景图像对所述第一视频帧的背景图像进行补全以确定关键背景图。

在一个示例性实施例中，当所述第一视频帧图像中有目标区域时，则根据后续连续的第二视频帧的背景图像对所述第一视频帧的背景图像进行补全以确定关键背景图，包括：计算所述第一视频帧与第二视频帧的背景的第一差异度；如果所述第一差异度大于第一阈值，则保存所述第一视频帧的背景为关键背景图；如果所述第一差异度小于或等于所述第一阈值，则计算所述第一视频帧与第二视频帧的背景缺失区域的重叠度(Intersection over union，IOU)值；当所述IOU≤0时，取所述第二视频帧相应位置的背景图像填充到所述第一视频帧的背景图像中，并将填充后的第一视频帧的背景保存为关键背景图；当所述IOU＞0时，继续取所述第二视频帧的后续的连续帧对第一视频帧的背景图像进行填充，直至第一视频帧的背景图像完整填充，或第一视频帧与第二视频帧的背景的差异度大于第一阈值,则将填充后的第一视频帧的背景保存为关键背景图。