[发明专利]一种面向目标检测的JPEG图像压缩方法、装置、介质、设备

说明书

本发明属于图像处理技术领域，公开一种面向目标检测的JPEG图像压缩方法、装置、介质、设备，包括对公开的目标检测数据集进行处理，得到回归样本集；在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量；基于得到的回归样本集和图像特征向量，对最优质量因子进行回归，训练回归模型，得到回归参数，通过回归模型对输入的图像进行压缩。本发明在不降低下游视觉任务计算指标的前提下基于JPEG压缩回归算法计算最优质量因子，以自适应地压缩图像从而减少在传输过程中的资源消耗。

技术领域

本发明涉及图像处理领域，特别涉及一种面向目标检测的JPEG图像压缩方法、装置、介质、设备。

背景技术

随着计算机视觉处理技术的不断发展进步，各种智能监拍装置广泛应用于安防、电网、交通等领域。智能监拍装置的工作原理是将采集到的图像帧传输到中心节点进行实时智能分析计算，主要包括目标检测、目标识别等视觉处理过程。监拍装置采集到的图像通常为JPEG格式或可以转化为JPEG格式的PNG图像，但随着装置应用和部署规模的不断扩大，海量的图像传输会受到网络限制，从而严重影响到后续处理流程的进行。一种较为可行的解决方案是在不影响视觉任务计算指标的前提下，通过对采集到的图像在网络传输之前进行压缩优化，以达到降低网络资源消耗的目的。在图像压缩相关技术方向研究者们做出了很多探索，传统方法方面比如通过对JPEG量化表进行优化，同时近年来深度学习技术应用到此领域，衍生了基于CNN或LSTM等端到端图像压缩的方法。但这些方法大多面向人眼视觉观感，不适用于计算机视觉处理任务中，同时基于深度学习方法压缩图像通常需要一定的硬件算力支持，难以应用到实际的大规模智能监拍任务中。

因此基于传统JPEG压缩方式研究提出一种专门针对计算机视觉处理任务的JPEG图像优化方法以解决图像在传输过程中资源消耗较大的问题是必要且有意义的。

发明内容

本发明实施例提供了一种面向目标检测的JPEG图像压缩方法、装置、介质、设备，以解决现有技术中JPEG图像在传输过程中资源消耗较大的问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本发明实施例的第一方面，提供了一种面向目标检测的JPEG图像压缩方法，包括：

对公开的目标检测数据集进行处理，得到回归样本集；

在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量；

基于得到的回归样本集和图像特征向量，对最优质量因子进行回归，训练回归模型，得到回归参数；

通过回归模型对输入的图像进行压缩。

在一个实施例中，所述方法包括：所述对公开的目标检测数据集进行处理，得到回归样本集的步骤，包括：

构建训练样本、验证样本和测试样本。

在一个实施例中，所述方法包括：所述对公开的目标检测数据集进行处理，得到回归样本集的步骤，还包括：

在训练样本、验证样本和测试样本中，使用多种压缩质量因子，将所有图像划分为若干个图像子块，对所有图像子块进行压缩；

将压缩后的图像送入目标检测模型中进行预测推理，得到最优质量因子，作为该图像的标注值。

在一个实施例中，所述方法包括：所述在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量的步骤，所述图像特征包括：

图像亮度特征、图像色彩丰富度特征、图像纹理信息特征和图像边缘信息特征。

在一个实施例中，所述方法包括：所述图像亮度特征的特征向量以图像像素灰度值的平均值来表示。