基于視頻的局部特征描述子的壓縮方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，具體設(shè)及一種基于視頻的局部特征描述子的壓縮 方法及系統(tǒng)。
【背景技術(shù)】
[0002] 局部特征是從圖像/視頻的局部結(jié)構(gòu)出發(fā)，描述圖像/視頻中的區(qū)域信息，體現(xiàn)唯 一的描述性，從而將繁雜的圖像/視頻匹配問題轉(zhuǎn)換為特征向量的度量問題，因此，局部特 征描述子在圖像/視頻數(shù)據(jù)處理W及計(jì)算機(jī)視覺領(lǐng)域得到了廣泛的應(yīng)用，如視覺檢索、增 強(qiáng)現(xiàn)實(shí)、目標(biāo)檢測(cè)識(shí)別。
[0003] 現(xiàn)有技術(shù)中，常見的局部特征描述子有SIFT (Scale-Invariant化3化'6 Transform)、SURF (Speeded Up Robust Features)、GLOH (Gradient Location and 化ientation Histogram)，而原始的局部特征描述子的龐大數(shù)據(jù)量是描述子應(yīng)用中的 主要瓶頸之一。例如，對(duì)128維的SIFT局部特征描述子而言，將每個(gè)維度量化到8比 特，一帖圖像包含1000個(gè)SIFT特征點(diǎn)，則一個(gè)300帖的視頻包含的SIFT特征數(shù)據(jù)量為 300*1000*128*861*3 = 292.97113，無(wú)論對(duì)于存儲(chǔ)還是傳輸都是需要付出巨大的代價(jià)，在實(shí) 際應(yīng)用中是難W承受的?，F(xiàn)有技術(shù)中，采用多種方式進(jìn)行圖像/視頻數(shù)據(jù)的傳輸。例如，在 視覺檢索應(yīng)用中，客戶端得到的圖像/視頻內(nèi)容是需要在云端檢索的數(shù)據(jù)，有=種可行的 傳輸框架；第一框架，將圖像/視頻內(nèi)容傳輸?shù)皆贫耍坏诙蚣?，將圖像/視頻內(nèi)容中提取 的特征傳輸?shù)皆贫耍坏?框架，在客戶端存儲(chǔ)檢索數(shù)據(jù)庫(kù)。其中，第一框架傳輸?shù)拇鷥r(jià)較大， 第二框架和第=框架都需要高效的局部特征壓縮方法才能實(shí)現(xiàn)。因此，局部特征描述子的 壓縮方法對(duì)描述子的廣泛應(yīng)用起著非常重要的作用。
[0004] 現(xiàn)有技術(shù)中的描述子壓縮方法大多數(shù)都是基于圖像的。如，MPEG制定了面向 視覺捜索的局部特征描述子的緊湊表示方法；主成分分析（PCA，Principal Component Analysis)方法可W將基于圖像的128維SIFT描述子降到20的維數(shù)；哈希（L甜， Locality-sensitive hashing)，變換化LT，Karhunen-Loeve Transform)，矢量量化（TSVQ， Tree Struc1:ured Vector Quantization)幾種壓縮方法，都是基于圖像，使壓縮后的特征 描述子能夠在保證檢索效率的基礎(chǔ)上得到緊湊的表示。然而，基于視頻的局部特征描述子 壓縮方法的研究還處于起步階段，該對(duì)視頻數(shù)據(jù)檢索技術(shù)的發(fā)展造成了很大的阻礙。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例的目的是提供一種基于視頻的局部特征描述子的壓縮方法及系統(tǒng)， W提高視頻局部特征描述子的壓縮效率，同時(shí)支持在視頻觀看的同時(shí)進(jìn)行高效的實(shí)時(shí)檢 索。
[0006] 根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于視頻的局部特征描述子的壓縮方法，所 述方法包括如下步驟：
[0007] 對(duì)當(dāng)前局部特征描述子進(jìn)行帖內(nèi)預(yù)測(cè)得到第一預(yù)測(cè)信號(hào)，對(duì)所述當(dāng)前局部特征描 述子進(jìn)行帖間預(yù)測(cè)得到第二預(yù)測(cè)信號(hào)，對(duì)所述當(dāng)前局部特征描述子進(jìn)行重構(gòu)帖預(yù)測(cè)得到第 =預(yù)測(cè)信號(hào)；
[000引通過預(yù)設(shè)的優(yōu)化策略對(duì)所述第一預(yù)測(cè)信號(hào)、第二預(yù)測(cè)信號(hào)、第=預(yù)測(cè)信號(hào)進(jìn)行計(jì) 算并選擇滿足所述預(yù)設(shè)的優(yōu)化策略的預(yù)測(cè)信號(hào)為最終預(yù)測(cè)信號(hào)，計(jì)算所述最終預(yù)測(cè)信號(hào)的 殘差系數(shù)；
[0009] 對(duì)所述殘差系數(shù)進(jìn)行量化得到量化系數(shù)；
[0010] 對(duì)所述量化系數(shù)進(jìn)行滴編碼，輸出碼流。
[0011] 上述方案中，所述計(jì)算殘差系數(shù)之后，得到量化系數(shù)之前，所述方法還包括：
[0012] 對(duì)所述殘差系數(shù)進(jìn)行變換得到變換系數(shù)；
[0013] 所述對(duì)所述殘差系數(shù)進(jìn)行量化得到量化系數(shù)，進(jìn)一步為，對(duì)所述變換系數(shù)進(jìn)行量 化得到量化系數(shù)。
[0014] 上述方案中，所述方法還包括；對(duì)所述量化系數(shù)進(jìn)行反量化和反變換后，得到重構(gòu) 描述子，并存儲(chǔ)所述重構(gòu)描述子；
[0015] 所述對(duì)當(dāng)前局部特征描述子進(jìn)行帖內(nèi)預(yù)測(cè)得到第一預(yù)測(cè)信號(hào)，進(jìn)一步包括：在當(dāng) 前局部特征描述子所在的當(dāng)前帖中，從所存儲(chǔ)的重構(gòu)描述子中找到一個(gè)與所述當(dāng)前局部特 征描述子最相近的重構(gòu)描述子作為第一預(yù)測(cè)信號(hào)。
[0016] 上述方案中，所述對(duì)所述當(dāng)前局部特征描述子進(jìn)行帖間預(yù)測(cè)得到第二預(yù)測(cè)信號(hào)， 進(jìn)一步包括；在所述視頻的已編碼的帖中，找到一個(gè)與所述當(dāng)前局部特征描述子最相近的 重構(gòu)描述子，作為第二預(yù)測(cè)信號(hào)。
[0017] 上述方案中，所述對(duì)所述當(dāng)前局部特征描述子進(jìn)行重構(gòu)帖預(yù)測(cè)得到第=預(yù)測(cè)信 號(hào)，進(jìn)一步包括：在所述當(dāng)前局部特征描述子所在帖的重構(gòu)帖對(duì)應(yīng)位置提取局部特征描述 子作為第=預(yù)測(cè)信號(hào)。
[0018] 上述方案中，所述量化為標(biāo)量量化或矢量量化。
[0019] 根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種基于視頻的局部特征描述子的壓縮系 統(tǒng)，所述系統(tǒng)包括：預(yù)測(cè)模塊、預(yù)測(cè)信號(hào)選擇模塊、量化模塊、滴編碼模塊；其中，
[0020] 所述預(yù)測(cè)模塊用于對(duì)當(dāng)前局部特征描述子進(jìn)行帖內(nèi)預(yù)測(cè)得到第一預(yù)測(cè)信號(hào)，對(duì)所 述當(dāng)前局部特征描述子進(jìn)行帖間預(yù)測(cè)得到第二預(yù)測(cè)信號(hào)，并用于對(duì)所述當(dāng)前局部特征描述 子進(jìn)行重構(gòu)帖預(yù)測(cè)得到第=預(yù)測(cè)信號(hào)；
[0021] 所述預(yù)測(cè)信號(hào)選擇模塊與所述預(yù)測(cè)模塊相連，用于通過預(yù)設(shè)的優(yōu)化策略對(duì)所述第 一預(yù)測(cè)信號(hào)、第二預(yù)測(cè)信號(hào)、第=預(yù)測(cè)信號(hào)進(jìn)行計(jì)算并選擇滿足所述預(yù)設(shè)的優(yōu)化策略的預(yù) 測(cè)信號(hào)為最終預(yù)測(cè)信號(hào)，計(jì)算所述最終預(yù)測(cè)信號(hào)的殘差系數(shù)；
[0022] 所述量化模塊與所述預(yù)測(cè)信號(hào)選擇模塊相連，用于接收所述預(yù)測(cè)模塊所輸出的殘 差系數(shù)，并用于對(duì)所述殘差系數(shù)進(jìn)行量化得到并輸出量化系數(shù)；
[0023] 所述滴編碼模塊與所述量化模塊相連，用于接收所述量化模塊輸出的量化系數(shù)， 并用于對(duì)所述量化系數(shù)進(jìn)行滴編碼，輸出碼流。
[0024] 上述方案中，所述系統(tǒng)還包括變換模塊，所述變換模塊與所述預(yù)測(cè)信號(hào)選擇模塊 和量化模塊相連，用于接收所述預(yù)測(cè)信號(hào)選擇模塊輸出的殘差系數(shù)，并用于對(duì)所述殘差系 數(shù)進(jìn)行變換得到并輸出變換系數(shù)；
[0025] 所述量化模塊進(jìn)一步用于接收所述變換模塊所輸出的變換系數(shù)，并用于對(duì)所述殘 差系數(shù)變換后的所述變換系數(shù)進(jìn)行量化得到量化系數(shù)。
[0026] 上述方案中，所述系統(tǒng)還包括重構(gòu)描述子存儲(chǔ)模塊，所述重構(gòu)描述子存儲(chǔ)模塊與 滴編碼模塊和預(yù)測(cè)模塊相連，用于對(duì)所述量化系數(shù)進(jìn)行反量化和反變換，而后構(gòu)建重構(gòu)描 述子，并存儲(chǔ)所述重構(gòu)描述子；
[0027] 所述預(yù)測(cè)模塊進(jìn)一步用于在當(dāng)前局部特征描述子所在的當(dāng)前帖中，從所存儲(chǔ)重構(gòu) 描述子中找到一個(gè)與所述當(dāng)前局部特征描述子最相近的重構(gòu)描述子作為第一預(yù)測(cè)信號(hào)，并 進(jìn)一步用于，在所述視頻的已編碼的帖中，找到一個(gè)與所述當(dāng)前局部特征描述子最相近的 重構(gòu)描述子，作為第二預(yù)測(cè)信號(hào)。
[002引上述方案中，所述預(yù)測(cè)模塊進(jìn)一步用于，在所述當(dāng)前局部特征描述子所在帖的重 構(gòu)帖對(duì)應(yīng)位置提取局部特征描述子作為第=預(yù)測(cè)信號(hào)。
[0029] 本發(fā)明實(shí)施例提供了一種基于視頻的局部特征描述子的壓縮方法和系統(tǒng)，壓縮方 法