[发明专利]基于预测残差异常模式的视频双重压缩检测方法有效
申请号: | 201610652449.5 | 申请日: | 2016-08-10 |
公开(公告)号: | CN106303524B | 公开(公告)日: | 2020-01-07 |
发明(设计)人: | 蒋兴浩;孙锬锋;陈晟 | 申请(专利权)人: | 上海交通大学 |
主分类号: | H04N19/114 | 分类号: | H04N19/114;H04N19/176;H04N19/70 |
代理公司: | 31236 上海汉声知识产权代理有限公司 | 代理人: | 郭国中 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种基于预测残差异常模式的视频双重压缩检测方法,包括如下步骤:步骤1:提取视频每一帧的预测残差;步骤2:计算每一帧的预测残差分布;步骤3:利用Jensen‑Shannon散度,计算相邻两帧预测残差分布的差异,并由此计算出Jensen‑Shannon散度序列;步骤4:通过中值滤波的方法,对Jensen‑Shannon散度序列进行去噪,得到最终的特征序列;步骤5:对特征序列进行时域分析,判断对应视频是否遭受到视频双重压缩,若遭受双重压缩,则进一步推测其第一次压缩时的GOP长度。本发明方法区别于现有技术中任何一种对视频进行双重压缩检测的方法,是一种新的有效检测方法。 | ||
搜索关键词: | 基于 预测 异常 模式 视频 双重 压缩 检测 方法 | ||
【主权项】:
1.一种基于预测残差异常模式的视频双重压缩检测方法,其特征在于,包括如下步骤:/n步骤1:提取视频每一帧的预测残差;/n步骤2:计算每一帧的预测残差分布;/n步骤3:利用Jensen-Shannon散度,计算相邻两帧预测残差分布的差异,获得Jensen-Shannon散度序列;/n步骤4:通过中值滤波法,对Jensen-Shannon散度序列进行去噪,得到特征序列;/n步骤5:对特征序列进行时域分析,判断对应视频是否遭受到视频双重压缩,若遭受双重压缩,则推测该视频第一次压缩时的GOP长度;若未遭受双重压缩,则结束流程。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610652449.5/,转载请声明来源钻瓜专利网。
- 上一篇:一种基于感知敏感度的HEVC率失真优化方法
- 下一篇:电子装置及其充电方法
- 同类专利
- 基于预测残差异常模式的视频双重压缩检测方法-201610652449.5
- 蒋兴浩;孙锬锋;陈晟 - 上海交通大学
- 2016-08-10 - 2020-01-07 - H04N19/114
- 本发明提供了一种基于预测残差异常模式的视频双重压缩检测方法,包括如下步骤:步骤1:提取视频每一帧的预测残差;步骤2:计算每一帧的预测残差分布;步骤3:利用Jensen‑Shannon散度,计算相邻两帧预测残差分布的差异,并由此计算出Jensen‑Shannon散度序列;步骤4:通过中值滤波的方法,对Jensen‑Shannon散度序列进行去噪,得到最终的特征序列;步骤5:对特征序列进行时域分析,判断对应视频是否遭受到视频双重压缩,若遭受双重压缩,则进一步推测其第一次压缩时的GOP长度。本发明方法区别于现有技术中任何一种对视频进行双重压缩检测的方法,是一种新的有效检测方法。
- 一种深度视频帧级比特分配方法-201710036264.6
- 雷建军;何景逸;沈礼权;贺小旭;彭勃;侯春萍 - 天津大学
- 2017-01-17 - 2019-12-06 - H04N19/114
- 本发明公开了一种深度视频帧级比特分配方法,所述方法包括以下步骤:对于深度视频,当GOP的目标比特分配到每一帧图片时,第一时域层的图片权重小于彩色图片的权重,多时域层的图片权重大于彩色图片的权重;根据获取到的图片权重,设定bpp范围;获取满足预设条件的深度视频的新的图片权重,该预设条件为:位于较小bpp范围的ωk,大于位于较大bpp范围内的ωk;位于TLk图片的权重大于TLk+1的图片的权重;根据深度视频的新的图片权重分配帧级比特。本发明基于深度视频统计特性的观察结果,通过统计获取针对深度视频的新的图片权重,有效提升了比特分配阶段的准确性,提升了深度视频的编码效率。
- 专利分类