基于视频的局部特征描述子的压缩方法及系统的制作方法
【技术领域】
[0001] 本发明属于数据处理技术领域，具体设及一种基于视频的局部特征描述子的压缩 方法及系统。
【背景技术】
[0002] 局部特征是从图像/视频的局部结构出发，描述图像/视频中的区域信息，体现唯 一的描述性，从而将繁杂的图像/视频匹配问题转换为特征向量的度量问题，因此，局部特 征描述子在图像/视频数据处理W及计算机视觉领域得到了广泛的应用，如视觉检索、增 强现实、目标检测识别。
[0003] 现有技术中，常见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庞大数据量是描述子应用中的 主要瓶颈之一。例如，对128维的SIFT局部特征描述子而言，将每个维度量化到8比 特，一帖图像包含1000个SIFT特征点，则一个300帖的视频包含的SIFT特征数据量为 300*1000*128*861*3 = 292.97113，无论对于存储还是传输都是需要付出巨大的代价，在实 际应用中是难W承受的。现有技术中，采用多种方式进行图像/视频数据的传输。例如，在 视觉检索应用中，客户端得到的图像/视频内容是需要在云端检索的数据，有=种可行的 传输框架；第一框架，将图像/视频内容传输到云端；第二框架，将图像/视频内容中提取 的特征传输到云端；第=框架，在客户端存储检索数据库。其中，第一框架传输的代价较大， 第二框架和第=框架都需要高效的局部特征压缩方法才能实现。因此，局部特征描述子的 压缩方法对描述子的广泛应用起着非常重要的作用。
[0004] 现有技术中的描述子压缩方法大多数都是基于图像的。如，MPEG制定了面向 视觉捜索的局部特征描述子的紧凑表示方法；主成分分析（PCA，Principal Component Analysis)方法可W将基于图像的128维SIFT描述子降到20的维数；哈希（L甜， Locality-sensitive hashing)，变换化LT，Karhunen-Loeve Transform)，矢量量化（TSVQ， Tree Struc1:ured Vector Quantization)几种压缩方法，都是基于图像，使压缩后的特征 描述子能够在保证检索效率的基础上得到紧凑的表示。然而，基于视频的局部特征描述子 压缩方法的研究还处于起步阶段，该对视频数据检索技术的发展造成了很大的阻碍。
【发明内容】
[0005] 本发明实施例的目的是提供一种基于视频的局部特征描述子的压缩方法及系统， W提高视频局部特征描述子的压缩效率，同时支持在视频观看的同时进行高效的实时检 索。
[0006] 根据本发明的一个方面，提供了一种基于视频的局部特征描述子的压缩方法，所 述方法包括如下步骤：
[0007] 对当前局部特征描述子进行帖内预测得到第一预测信号，对所述当前局部特征描 述子进行帖间预测得到第二预测信号，对所述当前局部特征描述子进行重构帖预测得到第 =预测信号；
[000引通过预设的优化策略对所述第一预测信号、第二预测信号、第=预测信号进行计 算并选择满足所述预设的优化策略的预测信号为最终预测信号，计算所述最终预测信号的 残差系数；
[0009] 对所述残差系数进行量化得到量化系数；
[0010] 对所述量化系数进行滴编码，输出码流。
[0011] 上述方案中，所述计算残差系数之后，得到量化系数之前，所述方法还包括：
[0012] 对所述残差系数进行变换得到变换系数；
[0013] 所述对所述残差系数进行量化得到量化系数，进一步为，对所述变换系数进行量 化得到量化系数。
[0014] 上述方案中，所述方法还包括；对所述量化系数进行反量化和反变换后，得到重构 描述子，并存储所述重构描述子；
[0015] 所述对当前局部特征描述子进行帖内预测得到第一预测信号，进一步包括：在当 前局部特征描述子所在的当前帖中，从所存储的重构描述子中找到一个与所述当前局部特 征描述子最相近的重构描述子作为第一预测信号。
[0016] 上述方案中，所述对所述当前局部特征描述子进行帖间预测得到第二预测信号， 进一步包括；在所述视频的已编码的帖中，找到一个与所述当前局部特征描述子最相近的 重构描述子，作为第二预测信号。
[0017] 上述方案中，所述对所述当前局部特征描述子进行重构帖预测得到第=预测信 号，进一步包括：在所述当前局部特征描述子所在帖的重构帖对应位置提取局部特征描述 子作为第=预测信号。
[0018] 上述方案中，所述量化为标量量化或矢量量化。
[0019] 根据本发明的另一个方面，还提供了一种基于视频的局部特征描述子的压缩系 统，所述系统包括：预测模块、预测信号选择模块、量化模块、滴编码模块；其中，
[0020] 所述预测模块用于对当前局部特征描述子进行帖内预测得到第一预测信号，对所 述当前局部特征描述子进行帖间预测得到第二预测信号，并用于对所述当前局部特征描述 子进行重构帖预测得到第=预测信号；
[0021] 所述预测信号选择模块与所述预测模块相连，用于通过预设的优化策略对所述第 一预测信号、第二预测信号、第=预测信号进行计算并选择满足所述预设的优化策略的预 测信号为最终预测信号，计算所述最终预测信号的残差系数；
[0022] 所述量化模块与所述预测信号选择模块相连，用于接收所述预测模块所输出的残 差系数，并用于对所述残差系数进行量化得到并输出量化系数；
[0023] 所述滴编码模块与所述量化模块相连，用于接收所述量化模块输出的量化系数， 并用于对所述量化系数进行滴编码，输出码流。
[0024] 上述方案中，所述系统还包括变换模块，所述变换模块与所述预测信号选择模块 和量化模块相连，用于接收所述预测信号选择模块输出的残差系数，并用于对所述残差系 数进行变换得到并输出变换系数；
[0025] 所述量化模块进一步用于接收所述变换模块所输出的变换系数，并用于对所述残 差系数变换后的所述变换系数进行量化得到量化系数。
[0026] 上述方案中，所述系统还包括重构描述子存储模块，所述重构描述子存储模块与 滴编码模块和预测模块相连，用于对所述量化系数进行反量化和反变换，而后构建重构描 述子，并存储所述重构描述子；
[0027] 所述预测模块进一步用于在当前局部特征描述子所在的当前帖中，从所存储重构 描述子中找到一个与所述当前局部特征描述子最相近的重构描述子作为第一预测信号，并 进一步用于，在所述视频的已编码的帖中，找到一个与所述当前局部特征描述子最相近的 重构描述子，作为第二预测信号。
[002引上述方案中，所述预测模块进一步用于，在所述当前局部特征描述子所在帖的重 构帖对应位置提取局部特征描述子作为第=预测信号。
[0029] 本发明实施例提供了一种基于视频的局部特征描述子的压缩方法和系统，压缩方 法