[發明專利]一種基于多視頻去重拼接的視頻壓縮方法

在審

• 申請號: 202010040945.1
• 申請日: 2020-01-15
• 公開（公告）號: CN111212322A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 孫凱;李銳;金長新
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: H04N21/44
• 分類號: H04N21/44;H04N21/234;H04N19/42;H04N19/136
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 闞恭勇

本發明提供一種基于多視頻去重拼接的視頻壓縮方法，屬于視頻編解碼、視頻壓縮技術領域，首先運用H.265編解碼處理視頻，利用FFmpeg提取視頻關鍵幀和圖像，運用深度學習判別圖像相似性，相似值是一個0～1之間的數。然后進行對比去重，對視頻單幀靜態拼接，H.265編解碼，動態壓縮，生成文件。可以節省大量的壓縮空間，節約客戶的視頻存儲成本。

技術領域

本發明涉及視頻編解碼、視頻壓縮技術，尤其涉及一種基于多視頻去重拼接的視頻壓縮方法。

背景技術

在數字媒體時代，隨著抖音、快手、虎牙、斗魚等短視頻或直播行業的發展，視頻的數據量越來越龐大，每天有成千上萬的視頻產生，每天都有海量的視頻要處理。視頻行業主要有兩個來源，一個是以用戶產生內容為主的視頻網站，每天都能獲取到用戶上傳的大量視頻，用戶上傳的視頻存在數量大、重復視頻多等特點，導致視頻網站存在大量重復視頻，既影響了視頻網站的運營效率，又增加了視頻網站的運營成本；另一個是社區、工業、政府等城市安防行業，每天都會產生大量視頻，這其中只有少部分是有效視頻，有大量是重復且無效的視頻，這使得相關部門在工作時作業量極大，嚴重影響了作業效率。

因此，需要對多段視頻進行去重處理，然后進行視頻壓縮，這既能減少視頻的存儲量，節約存儲空間，又能提高相關部門的作業效率。

現有的視頻去重方法，最常見的方法是通過視頻文件的md5值進行去重，該方法認為，如果兩個視頻的md5值是一樣的，那么它們就是同一部視頻。該方法的優點在于同一視頻文件項目中，效率較高，能夠快速準確的識別出大量的重復視頻，但弊端也很明顯，當視頻被進行一定的處理后會改變md5值，比如轉碼、刪減或植入廣告等字幕，這使得采用md5值去重的視頻去重方法工作量就很大。

另一種方法，是根據視頻的內容去重。眾所周知，視頻是由很多連續變化的圖像幀組成，而圖像幀存在時間和空間上的冗余度，連續的關鍵幀反應了視頻的主要內容。通過提取視頻關鍵幀和圖像，對其進行識別，進行分析視頻的內容和特征。視頻特征就是能夠反應視頻內容信息的視頻本身所具有的物理性質，主要包括顏色、特征、紋理特征、運動特征以及聲音和字幕等等。這樣，利用關鍵幀的視頻特征來對視頻內容進行分析，就能比較容易的識別出相同視頻。

現階段，由于技術的不斷發展，深度學習、圖像挖掘等技術快速進步，通過視頻內容進行去重的方法越來越受歡迎。

發明內容

為了解決以上技術問題，本發明提出了一種基于多視頻去重拼接的視頻壓縮方法，對多段視頻進行去重處理，然后進行視頻壓縮，這既能減少視頻的存儲量，節約存儲空間，又能提高作業效率。

本發明的技術方案是：

一種基于多視頻去重拼接的視頻壓縮方法，

利用深度學習技術，運用H.265編解碼分別獲取待處理的視頻，利用FFmpeg提取其中的連續關鍵幀和圖像，分析待處理圖像的關鍵特征點信息，然后利用深度學習對兩段不同來源的視頻的關鍵特征點信息進行比對，判斷是否存在視頻內容相同的特征點信息，如果存在則進行去重處理，進而對去重后的視頻單幀靜態拼接，然后通過H.265對視頻進行編解碼、動態壓縮，最終達到降低視頻數據存儲量和節省空間的目的。

運用FFmpeg提取待處理視頻中的關鍵幀和圖像，獲取待處理圖像關鍵特征點信息，為下一步分析關鍵幀和圖像的關鍵特征點信息、對比圖像相似性作準備。

H.265的編碼單位選擇從最小的8x8到最大的64x64。

進一步的，

運用深度學習判別對比圖像相似性，比較兩幅圖片的相似水平，因此構建的卷積神經網絡模型的輸入就是：兩幅圖片，然后網絡的輸出是一個相似度數值；通過輸出相似度數值，來判別兩幅圖片的相似度或兩幅圖片的匹配程度。

運用深度學習判別圖像相似性，相似值是一個0～1之間的數。