[发明专利]一种基于AI目标跟踪的窄带高清视频压缩方法

说明书

一种基于AI目标跟踪的窄带高清视频压缩方法，通过AI技术对视频进行场景切换检测，视频感兴趣区域跟踪，智能分析视频内容，简单、高效提取用户感兴趣重点区域，对视频内容进行智能编码优化，让视频的每一个区域得到最佳的编码处理，保证视频流畅，提升用户观感。

技术领域

本发明涉及流媒体技术领域，具体涉及一种基于AI目标跟踪的窄带高清视频压缩方法。

背景技术

随着超高清技术的快速发展，社交媒体、网络直播等对画质的要求越来越高，用户对于视频的清晰度、临场感、体验感的追求更加极致，这给视频网络传输带来了很大压力，保证超高清视频的流畅观感会使带宽成本急剧增加。

发明内容

本发明为了克服以上技术的不足，提供了一种通过对视频不同的区域赋予不同的编码参数来优化视频整体编码，减少不重要区域的编码质量，合理配置成本与观看体验，最终得到体积更小的优化视频的方法。

本发明克服其技术问题所采用的技术方案是：

一种基于AI目标跟踪的窄带高清视频压缩方法，包括如下步骤：

a)搭建视频存储库，输入待处理视频，检测视频中场景切换时间点，根据场景切换时间点将视频进行切分，得到若干视频段；

b)通过AI跟踪算法锁定本段视频重点目标人物、重点区域，得到跟踪重点优化区域；

c)根据跟踪重点优化区域，将跟踪重点优化区域被的图像内容编码质量保持不变或提高，将跟踪重点优化区域外的图像内容编码质量降低；

d)重复执行步骤c)至步骤c)直至每个视频段的图像内容根据跟踪重点优化区域完成压缩；

e)将各个视频段重新组合为新的视频，作为优化视频进行输出。

优选的，步骤a)中scenedetect算法检测视频中的场景切换时间点。

优选的，步骤b)中通过YOLO目标检测算法找到本段视频需要跟踪的重点目标人物，通过DeepSort多目标跟踪算法跟踪重点目标人物，保存每一帧目标ROI的坐标数据。

进一步的，步骤b)中通过公式X＝MIN(xi-wi)计算得到跟踪重点优化区域的矩形左上顶点的横坐标，式中xi为第i个ROI矩形框的中心位置的横坐标X，wi为第i个ROI矩形框的中心位置距离矩形框侧边的距离，通过公式Y＝MIN(yi-hi)计算得到跟踪重点优化区域的矩形左上顶点的纵坐标Y，式中yi为第i个ROI矩形框的中心位置的纵坐标X，hi为第i个ROI矩形框的中心位置距离矩形框上边的距离，通过公式W＝MAX(xi+wi)-X计算得到跟踪重点优化区域的宽度W，通过公式H＝MAX(yi+hi)-Y计算得到跟踪重点优化区域的高度H。

进一步的，上述ROI的坐标数据包括ROI矩形框中心位置坐标(x,y)、中心位置距离矩形框上边的距离h以及中心位置距离矩形框侧边的距离w，x为矩形框中心位置的横坐标，y为矩形框中心位置的纵坐标。

本发明的有益效果是：通过AI技术对视频进行场景切换检测，视频感兴趣区域跟踪，智能分析视频内容，简单、高效提取用户感兴趣重点区域，对视频内容进行智能编码优化，让视频的每一个区域得到最佳的编码处理，保证视频流畅，提升用户观感。

附图说明

图1为本发明的方法流程图。

具体实施方式

下面结合附图1对本发明做进一步说明。

一种基于AI目标跟踪的窄带高清视频压缩方法，包括如下步骤：

a)搭建视频存储库，输入待处理视频，检测视频中场景切换时间点，根据场景切换时间点将视频进行切分，得到若干视频段，方便为每个单独场景进行符合场景特点的编码优化处理。