[发明专利]视频压缩方法、装置、设备及存储介质

权利要求书

1.一种视频压缩方法，其特征在于，包括以下：

获取待处理视频，将所述待处理视频划分成包含若干连续的帧数据的图像集合；

从所述图像集合中获取一帧数据，从数据库中获取在所述帧数据前连续的三个帧数据对应的重建帧数据；

采用Conv-LSTM模块基于所述重建帧数据生成所述帧数据对应的预测帧数据；

对所述帧数据和所述预测帧数据进行特征提取，分别生成第一特征图和第二特征图；计算所述第一特征图和所述第二特征图的残差特征，对所述残差特征进行压缩处理后，与所述第二特征图相加，获得第三特征图；

基于所述第三特征图进行图像重建，获得所述帧数据对应的初步重建帧数据；

基于所述帧数据和所述初步重建帧数据生成差分图像，对所述差分图像进行压缩处理后，与所述初步重建帧数据进行相加，获得中间重建帧数据；

对所述中间重建帧数据进行融合色差去除，生成所述帧数据对应的重建帧数据；

将所述重建帧数据依序存储在所述数据库中，并获取下一帧数据，直至获得所有帧数据对应的重建帧数据，以获得目标视频。

2.根据权利要求1所述的视频压缩方法，其特征在于，所述对所述残差特征进行压缩处理，或对所述差分图像进行压缩处理，包括以下：

采用第一编码器对所述残差特征或所述差分图像进行编码，并对编码后的残差特征或差分图像进行量化，获得第一处理数据；

基于所述第一处理数据采用高斯混合模型确定所述第一处理数据对应的特征分布；

采用自编码器根据所述特征分布对所述第一处理数据进行压缩处理。

3.根据权利要求2所述的视频压缩方法，其特征在于，所述基于所述第一处理数据采用高斯混合模型确定所述第一处理数据对应的特征分布，包括以下：

对所述第一处理数据进行编码，量化，自编码生成分布参数；

其中，所述分布参数高斯混合模型中各个子模型对应的期望、方差以及在高斯混合模型中发生的概率，每一子模型对应一类别特征；

根据所述分布参数确定所述第一处理数据对应的特征分布。

4.根据权利要求3所述的视频压缩方法，其特征在于，所述确定所述第一处理数据对应的特征分布，包括以下：

根据下述公式确定特征分布：

其中，μ为子模型k的期望，σ为子模型k的方差，α为子模型k在高斯混合模型中发生的概率。

5.根据权利要求2所述的视频压缩方法，其特征在于，包括以下：

在对编码后的残差特征或差分图像进行量化时，采用先验概率模型对所述残差特征或差分图像的特征分布进行估计，以生成参考分布；

在采用高斯混合模型确定所述第一处理数据对应的特征分布后，基于所述参考分布对所述特征分布进行调整。

6.根据权利要求2所述的视频压缩方法，其特征在于，在对编码后的残差特征或差分图像进行量化后，还包括：

对所述编码后的残差特征或差分图像进行熵编码。

7.根据权利要求1所述的视频压缩方法，其特征在于，所述基于所述第三特征图进行图像重建，获得所述帧数据对应的初步重建帧数据，包括以下：

采用深度卷积生成对抗网络模型基于所述第三特征图进行图像重建，获得所述帧数据对应的初步重建帧数据。