[发明专利]视频处理装置及视频处理方法

权利要求书

1.一种视频处理装置，包括：

存储介质，配置成存储第一视频文件；

图像缩小模块，耦合到所述存储介质且配置成将所述第一视频文件缩小成第二视频文件；

学习机模块，配置成接收所述第一视频文件和第三视频文件进行机器学习并生成训练模型数据，所述第三视频文件来源于所述第二视频文件经压缩-解压缩-放大处理；

发送器，配置成发送数据包，所述数据包包括第二视频文件压缩包和训练模型数据压缩包，

其中所述学习机模块更配置成接收所述第一视频文件和所述第三视频文件进行所述机器学习并生成所述训练模型数据，包括：

接收第一帧以生成第一帧训练模型；以及

接收第二帧以通过复用所述第一帧训练模型的部分数据来训练第二帧训练模型，

所述第二帧训练模型是在所述第一帧训练模型的基础上，保持所述第一帧训练模型大部分数据不变，只更新其余小部分数据来生成所述第二帧训练模型。

2.根据权利要求1所述的视频处理装置，还包括：

视频压缩器，配置成对所述第二视频文件进行压缩以打包成所述第二视频文件压缩包；

视频解压器，配置成接收所述第二视频文件压缩包以生成解压缩的所述第二视频文件的解压缩版本；

图像放大模块，配置成将所述第二视频文件的解压缩版本放大成所述第三视频文件，所述第三视频文件是所述第一视频文件的低解析度版本。

3.根据权利要求1所述的视频处理装置，还包括：

数据压缩器，配置成接收所述训练模型数据以打包成所述训练模型数据压缩包；

封装模块，配置成接收所述训练模型数据压缩包以及所述第二视频文件压缩包以打包成所述数据包。

4.根据权利要求1所述的视频处理装置，其中所述学习机模块包括回归模块。

5.根据权利要求1所述的视频处理装置，其中所述学习机模块包括卷积神经网络模块。

6.根据权利要求5所述的视频处理装置，其中所述卷积神经网络模块是DRSCN(deepresidual convolution neural network)模块、SRCNN(Super Resolution using DeepConvolutional Neural Network)模块或VDSR(very deep convolution network)模块。

7.根据权利要求6所述的视频处理装置，其中所述卷积神经网络模块是包括多个卷积层的DRSCN模块，所述DRSCN模块配置成：接收所述第一视频文件以及所述第三视频文件，通过训练更新卷积神经网络(DRSCN)中的每一层内的一或多个滤波器；以及将所述DRSCN中的全部所述滤波器的权重作为所述训练模型数据输出。

8.根据权利要求7所述的视频处理装置，其中所述DRSCN模块配置成更新所述DRSCN中的每一层内的所述滤波器的权重，以使所述第三视频文件的高解析度版本与所述第一视频文件之间的差最小化。

9.根据权利要求8所述的视频处理装置，其中所述DRSCN中的每一层包括卷积层以及激活层，每个所述卷积层包括多个卷积神经元，且每个所述卷积神经元包括相同大小的多个滤波器。

10.根据权利要求8所述的视频处理装置，其中所述DRSCN中的每一层内的滤波器大小从所述DRSCN的第一个卷积层到所述DRSCN的最后一个卷积层逐渐减小，且所述DRSCN中的每一层内的卷积神经元的数量从所述第一个卷积层到所述DRSCN中的所述最后一个卷积层逐渐增加。

11.根据权利要求10所述的视频处理装置，其中所述第一个卷积层包括多个神经元，且所述神经元中的每一个接收所述第三视频文件且通过每个滤波器处理后输出，且所述神经元相应的所述滤波器具有相同大小。