专利名称：一种视频传感器网络中的压缩感知编解码方法及系统的制作方法
技术领域：
本发明涉及到对视频传感器网络中的视频帧进行压缩感知编解码方法及系统，属于视频传感器网络中网内信息处理技术领域。
背景技术：
视频传感器网络(Video Sensor Network)是由一组具有计算、存储和通信能力的视频传感器节点组成的分布式感知网络。视频传感器网络采集到的信息，无论是静态的图像还是动态的视频流，都具有很大冗余性和时空相关性，大量冗余数据在网络中传输势必会造成网络资源的严重消耗。而视频传感器节点的计算处理能力及通信带宽也普遍受限，因此在视频传感器网络信息获取、传输中采用有效的网内信息处理技术完成媒体信息压缩编码、特征提取、目标识别以及信息融合等处理，并结合数据同步及任务协同处理，可以减少网络业务流量、提高网络处理及响应速度，进而增强整个视频传感器网络监测能力。
发明内容
为在实现较高压缩率的同时获得较好的重构效果，本发明提出了一种基于自适应分组的压缩感知编解码方法，采用压缩感知技术对视频传感器节点所采集的视频帧进行编解码。本发明首先提供了一种视频传感器网络中的压缩感知编解码方法，包括对原始视频帧进行自适应分组；对分组所得的视频帧组进行压缩感知编码测量，得到每一个视频帧组的观测矢量矩阵；对观测矢量矩阵进行压缩感知解码重构。其中，对原始视频帧进行自适应分组的步骤，包括对所述原始视频帧进行基本分组，标定每个分组的首帧为关键帧，其余为非关键帧；利用所有非关键帧对同组的关键帧进行差值处理得到每一个基本分组的差值矩阵，对差值矩阵中的所有列向量均值求和，在列向量均值之和大于预设的阈值时，采用该列向量均值之和对应的视频帧替换所属基本分组中的关键帧，该基本分组中的首帧被替换为非关键帧。其中，对分组所得的视频帧组进行压缩感知编码测量的步骤，包括在每个视频帧组内，采用非关键帧对关键帧进行差值处理得到差值矩阵，再对所得的差值矩阵进行压缩感知编码测量。其中，对分组所得的视频帧组进行压缩感知编码测量的步骤，包括采用分块压缩感知技术对分组所得的视频帧组进行压缩感知编码测量。其中，对观测矢量矩阵进行压缩感知解码重构的步骤，包括采用梯度投影重构算法对观测矢量矩阵进行压缩感知解码重构。、
本发明还提供了一种视频传感器网络中的压缩感知编解码系统，包括自适应分组模块，用于对原始视频帧进行自适应分组；感知编码测量模块，用于对分组所得的视频帧组进行压缩感知编码测量，得到每一个视频帧组的观测矢量矩阵；
重构模块，用于对观测矢量矩阵进行压缩感知解码重构。 其中，自适应分组模块包括基本分组模块，用于对所述原始视频帧进行基本分组，标定每个分组的首帧为关键帧，其余为非关键帧；替换模块，用于利用所有非关键帧对同组的关键帧进行差值处理得到每一个基本分组的差值矩阵，对差值矩阵中的所有列向量均值求和，在列向量均值之和大于预设的阈值时，采用该列向量均值之和对应的视频帧替换所属基本分组中的关键帧，该基本分组中的首帧被替换为非关键帧。其中，感知编码测量模块用于在每个视频帧组内，采用非关键帧对关键帧进行差值处理得到差值矩阵，再对所得的差值矩阵进行压缩感知编码测量。其中，感知编码测量模块用于采用分块压缩感知技术对分组所得的视频帧组进行压缩感知编码测量。其中，重构模块用于采用梯度投影重构算法对观测矢量矩阵进行压缩感知解码重构。(I)本发明的实施例中，视频帧分组方法采用的是自适应图像分组，通过设定动态阈值T来自适应调整图像组，达到了能够根据场景变换来动态改变分组大小的目的，较之单独使用传统的基本分组更为灵活，能够实现分组的多样性，进而实现更高的稀疏性，弥补单独使用基本分组的不足。最终的重构效果有效关键信息得到了良好的保存，信息的边缘纹理也清晰可见，其峰值信噪比质量得以大大改善。(2)本发明压缩感知编码处理部分采用的是分块压缩感知技术，降低了编码端的运算复杂度、加快了编码端的运算速度，且易于实现，保证了对压缩感知理论的有效利用。压缩感知解码重构部分采用的是梯度投影算法重构技术，也能够加速算法的收敛速度，在保证了良好的视频重构效果的同时，也避免了解码端复杂度急剧增加的问题，同时整个系统也具有非常高的鲁棒性，具有较好的应用价值。
图I是典型视频传感器网络结构图。图2是本发明实施例的视频传感器网络中的压缩感知的编解码方法的流程示意图。图3是图2所示实施例中对原始视频帧进行自适应分组处理的流程示意图。图4是本发明实施例中运用压缩感知编解码处理的流程示意图。图5 (a)是采用本发明方法实施例对hal I序列进行重构后各帧峰值信噪比的比较示意图。图5 (b)是采用本发明方法实施例对foreman序列进行重构后各帧峰值信噪比的比较示意图。
图6是本发明实施例本发明实施例的视频传感器网络中的压缩感知编解码系统的结构示意图。
具体实施例方式下面将结合附图及实施例对本发明的技术方案进行更详细的说明。压缩感知(Compressive Sensing, CS)技术能够以较少的测量信号精确重构被测量的信号(但该信号必须是稀疏的或在某个变换域中为稀疏形式)。在视频传感器网络领域，压 缩感知技术的应用还比较少，目前主要集中在利用压缩感知技术对单个视频传感器节点的数据进行单独压缩测量，然后在解码端进行数据重构。然而这种方法并未考虑节点所采集的信息间的时空相关性。要运用压缩感知技术进行处理的一个关键点，就是信号必须是稀疏的或在某个变换域中为稀疏形式，因此如何进行稀疏化处理成为压缩感知技术是否切实可行的重要关键因素之一。目前稀疏化处理的技术普遍用的比较多的是差值化处理，这就存在关键帧如何选取的问题，关键帧选取的好坏，直接影响到整体视频帧的最终重构效果，因此选取关键帧十分重要。现有的选取关键帧的方法中，较常用的方法是首先对所有原始视频帧进行自适应分组，然后选取每一个分组中的首帧(第一帧)作为关键帧。此种方法可以实现较高的压缩率，但应用范围十分有限，只能适用于静态场景或者动态变换不大场景。其最终的重构效果不太理想。分组方法的提出，在一定程度上弥补了这个适用场景的局限，目前的分组主要是基本分组，即分组情况单调固定，缺乏灵活变换性，一旦分组组数确定，分组中的每一个图像组(GOP,Group ofPictures)所含的视频巾贞数就确定了，其最终效果还存在很大的改善空间。图I给出了本发明的一个典型视频传感器网络结构示意图，视频传感器节点(图中仅示例NI、N2和N3)都配备了符合要求的的相机摄像头及传感发送模块，基站为具有较高处理能力、资源充足的设备。视频传感器节点通过无线或有线的方式和基站进行通信。如图2所示，本发明实施例的视频传感器网络中的压缩感知编解码方法主要包括如下步骤步骤21，对原始视频帧进行自适应分组处理，得到多个G0P。步骤22，以GOP为处理对象，对每个GOP进行压缩感知编码测量，得到每一个GOP的观测矢量矩阵。步骤23，通过无线网络或者因特网等将观测矢量矩阵传输到基站的解码端进行压缩感知解码重构。步骤24，在基站(或者控制中心等)得到完整的恢复视频帧。如图3所示，上述步骤21中对视频传感器节点采集到的原始视频帧进行自适应分组处理时，把原始视频帧通过自适应分组分离器自适应地分离成多个GOP (G0P1，G0P2, GOP
3，G0P4，......)。这一自适应分组过程主要包括基本分组以及在基本分组基础上通过阈值
进行的动态分组两部分。对原始视频进行基本分组时，标定每分组的首帧作为关键帧，剩下的非关键帧，在每一个基本分组中，利用所有非关键帧对同组的关键帧进行差值处理得到每一个基本分组的差值矩阵，对差值矩阵中的所有列向量均值求和，对列向量均值之和与预设的阈值进行比较，列向量均值之和大于预设的阈值时，采用该列向量均值之和对应的视频帧替换所属基本分组中的关键帧，该基本分组中的首帧被替换为非关键帧。然后根据每个分组中的关键帧和非关键帧对所得到的差值矩阵进行压缩感知编码测量编码，其编码值通过网络传输到解码端(位于基站)进行压缩感知解码重构。自适应分组是在基本分组的基础上通过设定动态阈值T来自适应调整GOP分组的，本发明中动态阈值T是对差值矩阵中的所有列向量均值求和，
权利要求
1.一种视频传感器网络中的压缩感知编解码方法，其特征在于，包括 对原始视频帧进行自适应分组； 对分组所得的视频帧组进行压缩感知编码测量，得到每一个视频帧组的观测矢量矩阵； 对观测矢量矩阵进行压缩感知解码重构。
2.根据权利要求I所述的方法，其特征在于，对原始视频帧进行自适应分组的步骤，包括对所述原始视频帧进行基本分组，标定每个分组的首帧为关键帧，其余为非关键帧；利用所有非关键帧对同组的关键帧进行差值处理得到每一个基本分组的差值矩阵，对差值矩阵中的所有列向量均值求和，在列向量均值之和大于预设的阈值时，采用该列向量均值之和对应的视频帧替换所属基本分组中的关键帧，该基本分组中的首帧被替换为非关键帧。
3.根据权利要求I所述的方法，其特征在于，对分组所得的视频帧组进行压缩感知编码测量的步骤，包括 在每个视频帧组内，采用非关键帧对关键帧进行差值处理得到差值矩阵，再对所得的差值矩阵进行压缩感知编码测量。
4.根据权利要求I所述的方法，其特征在于，对分组所得的视频帧组进行压缩感知编码测量的步骤，包括 采用分块压缩感知技术对分组所得的视频帧组进行压缩感知编码测量。
5.根据权利要求I所述的方法，其特征在于，对观测矢量矩阵进行压缩感知解码重构的步骤，包括 采用梯度投影重构算法对观测矢量矩阵进行压缩感知解码重构。
6.一种视频传感器网络中的压缩感知编解码系统，其特征在于，包括 自适应分组模块，用于对原始视频帧进行自适应分组； 感知编码测量模块，用于对分组所得的视频帧组进行压缩感知编码测量，得到每一个视频帧组的观测矢量矩阵； 重构模块，用于对观测矢量矩阵进行压缩感知解码重构。
7.根据权利要求6所述的系统，其特征在于，自适应分组模块包括 基本分组模块，用于对所述原始视频帧进行基本分组，标定每个分组的首帧为关键帧，其余为非关键帧； 替换模块，用于利用所有非关键帧对同组的关键帧进行差值处理得到每一个基本分组的差值矩阵，对差值矩阵中的所有列向量均值求和，在列向量均值之和大于预设的阈值时，采用该列向量均值之和对应的视频帧替换所属基本分组中的关键帧，该基本分组中的首帧被替换为非关键帧。
8.根据权利要求6所述的系统，其特征在于， 感知编码测量模块用于在每个视频帧组内，采用非关键帧对关键帧进行差值处理得到差值矩阵，再对所得的差值矩阵进行压缩感知编码测量。
9.根据权利要求6所述的系统，其特征在于， 感知编码测量模块用于采用分块压缩感知技术对分组所得的视频帧组进行压缩感知编码测量。
10.根据权利要求6所述的系统，其特征在于， 重构模块用于采用梯度投影重构算法对观测矢量矩阵进行压缩感知解码重构。
全文摘要
本发明公开了一种视频传感器网络中的压缩感知编解码方法及系统，可在实现较高压缩率的同时获得较好的重构效果，该方法包括对原始视频帧进行自适应分组；对分组所得的视频帧组进行压缩感知编码测量，得到每一个视频帧组的观测矢量矩阵；对观测矢量矩阵进行压缩感知解码重构。本发明结合压缩感知技术进行测量，重构性能得到了大大提高。
文档编号H04N7/26GK102630011SQ20121009073
公开日2012年8月8日 申请日期2012年3月31日 优先权日2012年3月31日
发明者宣利峰, 熊继平, 赵健, 黄涛 申请人:浙江师范大学