[发明专利]基于深度学习的机坪监控视频压缩方法及系统

摘要

本发明涉及一种基于深度学习的机坪监控视频压缩方法及系统，包括：一、生成背景图片；二、确定每一帧图像整体的亮度、颜色和灯光整体参数；三、记录航站楼、登机桥的亮灯和关灯两种状态的图片、亮灯时间范围以及建筑位置；四、使用基于区域的卷积神经网络将原始视频中的每一帧图像中的飞机、车辆和人检测出来，并将这些检测到的物体根据算法定位的位置裁剪下来；五、将步骤1至步骤4处理的内容以结点的形式按照处理的顺序依次存入链表；六、解压视频；七、将建筑物图片覆盖到已经渲染好的背景图片中；八、将若干个物体视频从链表中取出，将视频中的每一帧图片根据位置信息覆盖到相应的背景图片中，将这些图片以每秒25帧的速度播放。

主权项

1.一种基于深度学习的机坪监控视频压缩方法，其特征在于，至少包括：步骤1，压缩视频时，选取原始机坪监控视频中的一帧图像，使用基于区域的卷积神经网络检测出图像中的车辆、飞机和人的位置，在这些位置覆盖上其他帧的图像中相应位置没有物体的图片，生成背景图片；步骤2，将原始机坪监控视频中的每一帧图像与背景图片的整体的色度进行对比，根据得到的色差确定每一帧图像整体的亮度、颜色和灯光整体参数；步骤3，使用基于区域的卷积神经网络检测航站楼、登机桥的亮灯和关灯的两种状态，记录这两种状态的图片、亮灯时间范围以及建筑位置；步骤4，使用基于区域的卷积神经网络将原始视频中的每一帧图像中的飞机、车辆和人检测出来，并将这些检测到的物体根据算法定位的位置裁剪下来，上述物体为飞机、车辆和人中的一个或多个，同一物体的每一张图像通过H.264标准编码以视频mp4的格式存储，并记录视频的起止帧数、位置信息；步骤5，将步骤1至步骤4处理的内容以结点的形式按照处理的顺序依次存入链表，链表的结构从前往后依次是背景图片、视频每一帧图像的整体参数、不亮灯时建筑物的图片、亮灯时建筑物的图片、建筑在视频图像中的位置、亮灯的起止时间、每个算法检测到的物体的视频、视频在图像中的位置以及小视频的起止帧数；步骤6，解压视频时，从链表的第一个结点处取出背景图片，然后取出背景图片后面的每帧图像的整体参数信息，根据每帧的亮度、颜色信息对背景图片进行渲染；步骤7，将前帧的时间与亮灯时间范围进行比较，确定选择何种状态的建筑物的图片，根据存储的这些图片在原始图片中的位置信息，将建筑物图片覆盖到已经渲染好的背景图片中；步骤8，将若干个物体视频从链表中取出，将视频中的每一帧图片根据位置信息覆盖到相应的背景图片中，将这些图片以每秒25帧的速度播放。