[发明专利]一种视频去重压缩的方法、装置、服务器及存储介质在审

专利信息
申请号: 201911213186.8 申请日: 2019-12-02
公开(公告)号: CN110944201A 公开(公告)日: 2020-03-31
发明(设计)人: 闫骏;刘青青 申请(专利权)人: 深圳云朵数据技术有限公司
主分类号: H04N19/42 分类号: H04N19/42;G06N3/04;G06N3/08
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 518000 广东省深圳市南山区粤*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 视频 压缩 方法 装置 服务器 存储 介质
【权利要求书】:

1.一种视频去重压缩的方法,其特征在于,包括:

从目标视频中提取第一帧图像作为压缩集合的基准图像;

获取所述第一帧图像的神经卷积图像特征;

针对所述目标视频的第二帧图像开始的每一帧图像,计算当前帧图像的神经卷积图像特征和所述基准图像的神经卷积图像特征的距离;

判断所述距离是否大于预设阈值;

若大于,则将所述当前帧图像存入所述压缩集合并定义为新的基准图像;

若小于,则将所述当前帧图像删除。

2.根据权利要求1所述的视频去重压缩的方法,其特征在于,所述获取所述第一帧图像的神经卷积图像特征,包括:

将所述第一帧图像输入预设的神经卷积网络,获取所述第一帧图像的特征描述子。

3.根据权利要求2所述的视频去重压缩的方法,其特征在于,所述计算当前帧图像的神经卷积图像特征和所述基准图像的神经卷积图像特征的距离,包括:

获取所述当前帧图像的第一神经卷积图像特征和所述基准图像的第二神经卷积图像特征;

根据所述第一神经卷积图像特征和所述第二神经卷积图像特征计算余弦距离作为所述距离。

4.根据权利要求3所述的视频去重压缩的方法,其特征在于,所述根据所述第一神经卷积图像特征和所述第二神经卷积图像特征计算余弦距离作为所述距离的公式为:

其中,A为第一神经卷积图像特征,B为第二神经卷积图像特征。

5.根据权利要求1所述的视频去重压缩的方法,其特征在于,所述方法还包括:

确认预设的视频压缩算法;

根据所述预设的视频压缩算法对所述压缩集合进行视频压缩。

6.一种视频去重压缩的装置,其特征在于,包括:

首次提取单元,用于从目标视频中提取第一帧图像作为压缩集合的基准图像;

首次特征单元,用于获取所述第一帧图像的神经卷积图像特征;

距离计算单元,用于针对所述目标视频的第二帧图像开始的每一帧图像,计算当前帧图像的神经卷积图像特征和所述基准图像的神经卷积图像特征的距离;

距离判断单元,用于判断所述距离是否大于预设阈值;

存入压缩单元,用于若大于预设阈值,则将所述当前帧图像存入所述压缩集合并定义为新的基准图像;

当前删除单元,用于若小于预设阈值,则将所述当前帧图像删除。

7.根据权利要求6所述的视频去重压缩的装置,其特征在于,所述距离计算单元,还用于获取所述当前帧图像的第一神经卷积图像特征和所述基准图像的第二神经卷积图像特征;根据所述第一神经卷积图像特征和所述第二神经卷积图像特征计算余弦距离作为所述距离。

8.根据权利要求7所述的视频去重压缩的装置,其特征在于,所述根据所述第一神经卷积图像特征和所述第二神经卷积图像特征计算余弦距离作为所述距离的公式为:

其中,A为第一神经卷积图像特征,B为第二神经卷积图像特征。

9.一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现根据权利要求1-5中任一所述的视频去重压缩的方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1-5中任一所述的视频去重压缩的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳云朵数据技术有限公司,未经深圳云朵数据技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911213186.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top