[发明专利]城市交通监控视频全局编码方法及系统

说明书

技术领域

本发明属于城市交通监控视频编码技术领域，尤其涉及一种城市交通监控视频全局编码方法及系统。

背景技术

视频信号压缩编码技术的目标是在保证一定重构质量的前提下，以尽量少的比特数来表征视频信息。传统基于香农信息论的视频编码方法从信号处理层面入手，以像素、块为表示基础，采用变换、预测、熵编码融合的混合编码框架，通过挖掘图像视频信号自身的时空冗余来提高压缩性能。然而目前大多数视频压缩技术都面向非特定的应用，近年来，针对专门应用(例如监控视频)的特点和需求而开发的视频压缩技术成为备受关注的研究方向，例如城市交通环境下的监控视频编码和传输技术。AVS-S2针对监控视频场景长期不变的特点，通过对监控背景和前景进行建模，选择性地使用原始模式和差分模式对各块进行编码，去除了大量存在的“场景冗余”，编码效率是H.264/AVC的两倍，是首个面向视频监控的国际标准。然而AVS-S2无法去除因全局对象运动产生的“全局冗余”，压缩效率提升有限，数据量和存储容量之间的矛盾依然十分突出

监控视频中不同款型的车辆具有视频纹理特性的相似性，同一款型的车辆具有3D对象的同一性，同一台车则具有外观特征的长时稳定性。具有相似、同一、长时稳定性的各类城市运行车辆被遍布城市各地的监控摄像镜头反复捕获，从而产生了大量的城市监控数据冗余。城市监控点设置大多处于欠覆盖状态，车辆和人员移动产生的数据构成了城市监控数据的主要来源。同一台运动车辆在城域海量监控摄像头下被反复摄录产生的视频监控数据冗余称为全局冗余。不同运动对象间存在纹理相似性、同一类语义对象间存在形体一致性、特定对象间存在长时相似性，产生了大量的运动对象全局冗余。传统的视频编码和场景冗余去除技术去除的是局部时空冗余，而监控视频中由于车辆被摄像头重复长时摄录产生的全局冗余为视频压缩效率的进一步提升提供了巨大空间。

发明内容

针对现有技术存在的不足，本发明提供了一种考虑了全局冗余的城市交通监控视频全局编码方法及系统，该方法可进一步提高城市交通监控视频的编码效率。

为解决上述技术问题，本发明采用如下的技术方案：

(一)一种城市交通监控视频全局编码方法，包括步骤：

步骤1，将原始监控视频分割成车辆视频和去除车辆的视频；

步骤2，采用可选差分编码方式对去除车辆的视频进行编码；

步骤3，提取车辆视频中全局运动车辆的全局特征参数集，进一步包括：

S31提取全局运动车辆的2D外观特征；

S32构建车辆3D模型数据库，车辆3D模型数据库包括各类车辆的通用3D模型、精细3D模型及模型关键描述参数集，模型关键描述参数由模型描述参数集降维获得；

S33采用稀疏编码方式构建全局运动车辆的全局车辆纹理字典，进一步包括：

以为代价函数，基于全局运动车辆的纹理信息，获得第一层知识字典，即所有类全局运动车辆的共性视觉纹理信息知识字典；

获得各类全局运动车辆经第一层知识字典重建后与原始全局运算车辆的差异信息r_c，以为代价函数，基于差异信息r_c，获得第二层知识字典，即各类全局运动车辆的三维结构及纹理个性信息知识字典；

获得各类全局运动车辆下各个体全局运动车辆经第二层知识字典重建后与原始全局运动车辆的差异信息r_c,m，以为代价函数，基于差异信息r_c,m，获得第三层知识字典，即个体全局运动车辆的个性长时更新信息知识字典；

上述，D₁表示第一层知识字典；C表示全局运动车辆的类型数，c表示全局运动车辆类型编号；y_c表示所有类型全局运动车辆纹理信息；a₁表示编码系数；τ为平衡因子，根据实际情况和经验设定，τ越大编码系数越稀疏；表示第二层知识字典，M表示某类全局运动车辆下个体车辆数量，m表示某类全局运动车辆下个体车辆编号，a_2,c表示编码系数；表示第三层知识字典，N表示该类型全局运动车辆下的个体车辆数量，i表示该类型全局运动车辆下的个体车辆编号；a_3,c,m表示编码系数；

S34将全局运动车辆的2D外观特征与车辆3D模型数据库中模型进行特征匹配，获得全局运动车辆的纹理及模型关键描述参数信息；

S35根据全局运动车辆的2D外观特征提取全局运动车辆位置信息，并结合对应的模型关键描述参数信息中的姿态信息构成全局运动车辆的位置及姿态参数；