[发明专利]基于信息散度的视频大数据冗余删除方法

摘要

本发明公开了一种基于信息散度的视频大数据冗余删除方法，目的是提出一种冗余视频数据删除方法，节省存储容量，减少视频大数据计算分析时间，提高视频大数据维护管理的效率。技术方案是先将视频大数据用视频大数据集V来表示，对V进行归一化，然后定义面向视频图像帧矢量的K‑L散度和信息量分布矩阵M_L，确认各视频图像帧矢量对V的信息量贡献，删除V中的信息量贡献最小的冗余视频图像帧。采用本发明能缓解视频数据的存储压力，提高视频数据存储效率，加快视频大数据计算分析速率，提升整个大数据视频应用系统的运营效率。

主权项

1.一种基于信息散度的视频大数据冗余删除方法，其特征在于包括以下步骤第一步、将视频大数据进行归一化，具体方法如下：1.1将视频大数据用视频大数据集V来表示，V∈R^L×N，视频大数据以数字化形式呈现，R表示实数，R^L×N表示规模为L×N的实数矩阵，每个视频均由多个视频图像帧组成，N为V中的视频个数，L是V中的N个视频中视频图像帧的个数的最大值，L和N均为正整数，V_i表示V中N个视频的第i个视频图像帧组成的矢量集合，简称视频图像帧矢量，1≤i≤L，V_i＝[v_i1,v_i2,…v_ij,…v_iN]，v_ij表示V_i中第j个视频的第i个视频图像帧，v_ij是实数，1≤j≤N；1.2将V中的V₁,V₂,…,V_i,…V_L进行归一化，得到归一化后的视频图像帧和归一化后的视频图像帧矢量1.3将归一化后的视频图像帧对应依次赋值给v_i1,v_i2,…v_ij,…v_iN；1.4将归一化后的视频图像帧矢量对应依次赋值给V₁,V₂,…,V_i,…V_L；第二步、定义面向视频图像帧矢量的K‑L散度，第i组视频图像帧矢量V_i相对于第i'组视频图像帧矢量V_i'的K‑L散度M_L(V_i||V_i')定义为：式(1)表示的意义是使用V_i'的信息表示V_i的信息所需要的额外比特数，相对于视频图像帧V_i'来说，如果从V中去掉视频图像帧V_i，V便损失了大小为M_L(V_i||V_i')的信息量,相对于视频图像帧V_i来说，如果去掉视频图像帧V_i'，V便损失了大小为M_L(V_i'||V_i)的信息量；第三步、定义V的信息量分布矩阵M_L如公式(2)所示：即:M_L_i,i'＝M_L(V_i||V_i')   (3)M_L_i,i'表示M_L中第i行第i'列处的元素，1≤i≤L，1≤i'≤L；M_L中的第i行用M_L_i表示，M_L_i中M_L_i,i＝0，假设除了M_L_i,i，最小的元素为M_L_i,i'，将视频图像帧矢量V_i从V中移除，则视频图像帧V_i的大小为M_L_i,i'的信息量随之丢失，视频图像帧V_i的信息量将由最接近它的视频图像帧矢量V_i'表示；第四步、确认V₁,V₂,…,V_i,…V_L对V的信息量贡献，V_i对V的信息量贡献contribution(i)为M_L_i中最小的元素值。即：contribution(i)＝min{M_L_i,1,M_L_i,2,…,M_L_i,i',…M_L_i,L}   (4)第五步、删除V中的信息量贡献最小的冗余视频图像帧，具体步骤如下：5.1设定需要从V中保留的视频图像帧数K，1≤K≤L；5.2计算V的信息量分布矩阵M_L；5.3定义删除的视频图像帧矢量集合5.4确定最小贡献量，具体步骤如下：5.4.1定义变量i＝1；5.4.2定义变量L'＝L；5.4.3根据式(4)计算contribution(i)；5.4.4i＝i+1；5.4.5若i≤L，转5.4.3，否则，转5.4.6；5.4.6遴选视频大数据集合V中的最小信息贡献量的视频图像帧，方法是：令contribution＝min{contribution(1),contribution(2),…contribution(ii),…,contribution(L')}，contribution表示V₁,V₂,…,V_ii,…V_L'对V的最小信息贡献量，1≤ii≤L'，令g为contribution对应的视频图像帧矢量的编号；5.5更新V＝V‑{V_g}，L'＝L'‑1；5.6更新S＝S+{V_g}；5.7令num(S)为S中的视频图像帧矢量的数目；5.8若num(S)＜L‑K，转5.4.6；否则，转第六步；第六步、结束。