一种基于互联网的智慧校园监控视频存储方法技术

本发明专利技术涉及视频压缩技术领域，提出了一种基于互联网的智慧校园监控视频存储方法，包括：获取校园监控视频数据；根据拍摄角度对视频数据划分类别，利用因子分析获取每个类别的公共因子向量和载荷矩阵得到第一底图；根据视频帧图像与第一底图的第一差分图像及特殊因子向量对第一底图加权更新得到第二底图；根据视频帧图像与第二底图的第二差分图像中非0像素点的分布性和方差性获取第二权重值，并与预设阈值比较选择不同的存储方法，根据第二底图及每个视频帧图像对应的存储方法对视频数据进行压缩存储。本发明专利技术的目的是解决现有的视频数据压缩存储未考虑相邻视频帧之间联系的问题。题。题。

【技术实现步骤摘要】
一种基于互联网的智慧校园监控视频存储方法


[0001]本专利技术涉及视频压缩领域，具体涉及一种基于互联网的智慧校园监控视频存储方法。

技术介绍

[0002]智慧校园通常由以传感器网络及智能硬件为核心的校园基础设施和部署在数据中心内云端服务器上的智慧化软件系统构成，而数字视频监控模块在传感器网络中极为重要，对校园内部场景信息获取起到了重要作用，智慧校园的数字视频监控模块伴随着大量视频数据的产生，在存储方面占据了极大的存储空间而需要采用压缩处理再进行存储。现有的智慧校园监控视频最常用的存储方法是通过游程编码对视频数据进行压缩存储，但该方法对单张视频帧数据的压缩存储效果较好，没有考虑到相邻视频帧之间的联系进行压缩存储，压缩效率较低。为了实现更大效率的压缩存储，需要一种可以使得大部分图像表示为与底图的线性关系及底图来提高数字视频压缩存储效果。

技术实现思路

[0003]本专利技术提供一种基于互联网的智慧校园监控视频存储方法，以解决现有的视频数据压缩存储未考虑相邻视频帧之间联系的问题，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于互联网的智慧校园监控视频存储方法，该方法包括以下步骤：获取校园监控视频数据；根据监控拍摄角度对视频帧图像进行分类得到若干类别，将每个类别的视频帧图像作为输入向量进行因子分析分别获取每个类别的公共因子向量及载荷矩阵，并以每个类别的公共因子向量与载荷矩阵的乘积来获取每个类别的第一底图；获取每个视频帧图像与相应所属类别的第一底图之间的第一差分图像，根据第一差分图像中像素点的数量和灰度值方差获取每个特殊因子向量的第一权重值，根据每个类别中各特殊因子向量与对应第一权重值的加权求和，根据加权求和所得结果以及公共因子向量与载荷矩阵的乘积来获取每个类别的第二底图；获取每个视频帧图像与相应所属类别的第二底图之间的第二差分图像，根据第二差分图像中像素点的数量和灰度值方差获取每个视频帧图像的第二权重值，并与第一预设阈值进行比较，当大于第一预设阈值时对视频帧图像利用第一存储方法进行压缩存储，当小于第一预设阈值时对视频帧图像利用第二存储方法进行压缩存储。
[0004]可选的，所述根据监控拍摄角度对视频帧图像进行分类得到若干类别，包括的具体方法如下：根据姿态传感器获取监控摄像头姿态参数的改变时间，将监控摄像头姿态参数的改变时间作为监控拍摄角度变化的时间节点，根据该时间节点对获取到的视频数据进行划分，划分得到的每一段时间内的视频帧图像属于一个类别。
[0005]可选的，所述获取每个类别的第一底图，包括的具体方法如下为：其中，为第 个类别的第一向量，所述第一向量为第一底图列首尾相连形成的列向量形式，将第一向量转化为矩阵形式得到第一底图，为第 个类别中视频帧输入向量经因子分析的载荷矩阵，为第 个类别经因子分析得到的公共因子向量；将第一向量转换为矩阵形式获得第一底图。
[0006]可选的，所述获取每个特殊因子向量的第一权重值，包括的具体方法如下：其中，为第 个类别中第 个视频帧图像对应的特殊因子向量的第一权重值，为第 个类别第一底图上像素点的数量，表示该视频帧图像与第一底图间的第一差分图像上非0像素点的数量，表示所述非0像素点灰度值的方差；与第 个类别中所有特殊因子向量的权重值之和的比值记为第 个类别中第 个特殊因子向量的第一权重值。
[0007]可选的，所述获取每个类别的第二底图，包括的具体方法如下：其中，表示第 个类别的第二向量，所述第二向量为第二底图列首尾相连形成的列向量形式，将第二向量转化为矩阵形式得到第二底图，为第 个类别中视频帧输入向量经因子分析的载荷矩阵，为第 个类别经因子分析得到的公共因子向量，为第 个类别中视频帧的数量，为第 个类别中第 个特殊因子向量的第一权重值，为第 个类别第 个视频帧图像对应的特殊因子向量；将第二向量转换为矩阵形式获得第二底图。
[0008]可选的，所述第一存储方法、第二存储方法，包括的具体方法如下：所述第一存储方法是对于第二权重值大于第一预设阈值的视频帧图像，将视频帧图像用第二差分图像中非0像素点的灰度均值来存储；所述第二存储方法是对于第二权重值小于等于第一预设阈值的视频帧图像，将视频帧图像用第二差分图像中非0像素点的稀疏矩阵方法来存储。
[0009]本专利技术的有益效果是：通过因子分析，对视频帧图像的共性特征进行提取，得到第
一底图，第一底图与所有视频帧图像的联系较强，在此基础上，通过将不同视频帧图像的特殊特征赋予到初始底图上，更新得到第二底图，第二底图与第一底图相比，更可以使得每个视频帧图像与第二底图的线性关系变强，进而将视频帧图像用第二底图和第二底图对应字母与不同数值的加法来表示，大大提高了压缩存储的效率。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1为本专利技术的一个实施例所提供一种基于互联网的智慧校园监控视频存储方法的流程示意图。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]请参阅图1，其示出了本专利技术一个实施例所提供的一种基于互联网的智慧校园监控视频存储方法流程图，该方法包括以下步骤：步骤S001、获取校园监控视频数据。
[0014]通过智慧校园中的监控摄像头获取监控视频数据。
[0015]步骤S002、通过拍摄角度对视频帧图像进行分类，并对每个类别的视频帧图像进行因子分析得到各类别的第一底图。
[0016]由于监控摄像头一般情况下总是一个朝向，因此相邻视频帧之间的相似度很大，可以通过计算获得一个底图，而其它视频帧在底图基础上进行局部区域的修改，即可进行存储，大大减小存储量。
[0017]现在的摄像头往往是可以进行目标跟踪的，因此当有人进入摄像头拍摄区域时，摄像头角度会发生变化，而同一角度下的不同视频帧图像的相似度较大，有助于得到更高的压缩效率，因此将同一角度下的视频帧图像作为一个类别进行压缩。
[0018]具体的，根据姿态传感器获取监控摄像头姿态参数的改变时间，将监控摄像头姿态参数的改变时间作为监控拍摄角度变化的时间节点，根据该时间节点对获取到的视频数据进行划分，划分得到的每一段时间内的视频帧图像属于一个类别。
[0019]需要说明的是，所述的底图不是指具体的某一帧图像，是指通过计算得到的和大部分视频帧最相似的图像，而其它视频帧只需在底图上较小的值的改变即可得到，从而达到提高压缩效率，减小存储量的目的。
[0020]选取底图的常规方法是在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于互联网的智慧校园监控视频存储方法，其特征在于，该方法包括以下步骤：获取校园监控视频数据；根据监控拍摄角度对视频帧图像进行分类得到若干类别，将每个类别的视频帧图像作为输入向量进行因子分析分别获取每个类别的公共因子向量及载荷矩阵，并以每个类别的公共因子向量与载荷矩阵的乘积来获取每个类别的第一底图；获取每个视频帧图像与相应所属类别的第一底图之间的第一差分图像，根据第一差分图像中像素点的数量和灰度值方差获取每个特殊因子向量的第一权重值，根据每个类别中各特殊因子向量与对应第一权重值的加权求和，根据加权求和所得结果以及公共因子向量与载荷矩阵的乘积来获取每个类别的第二底图；获取每个视频帧图像与相应所属类别的第二底图之间的第二差分图像，根据第二差分图像中像素点的数量和灰度值方差获取每个视频帧图像的第二权重值，并与第一预设阈值进行比较，当大于第一预设阈值时对视频帧图像利用第一存储方法进行压缩存储，当小于第一预设阈值时对视频帧图像利用第二存储方法进行压缩存储。2.根据权利要求1所述的一种基于互联网的智慧校园监控视频存储方法，其特征在于，所述根据监控拍摄角度对视频帧图像进行分类得到若干类别，包括的具体方法如下：根据姿态传感器获取监控摄像头姿态参数的改变时间，将监控摄像头姿态参数的改变时间作为监控拍摄角度变化的时间节点，根据该时间节点对获取到的视频数据进行划分，划分得到的每一段时间内的视频帧图像属于一个类别。3.根据权利要求1所述的一种基于互联网的智慧校园监控视频存储方法，其特征在于，所述获取每个类别的第一底图，包括的具体方法如下为：其中，为第 个类别的第一向量，所述第一向量为第一底图列首尾相连形成的列向量形式，将第一向量转化为矩阵形式得到第一底图...

【专利技术属性】
技术研发人员：赵永梅，
申请(专利权)人：楠楠聚智信息科技有限责任公司，
类型：发明
国别省市：