买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于嵌入式平台的视频压缩系统与方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119835440B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411930385.1，技术领域涉及：H04N19/573；该发明授权基于嵌入式平台的视频压缩系统与方法是由宋娟;汪辰凯;范佳辰;李佳楠;王柯俨;吕帅驰设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于嵌入式平台的视频压缩系统与方法在说明书摘要公布了：本发明公开了一种基于嵌入式平台的视频压缩系统与方法，主要解决现有技术压缩效率低、适应性差以及计算量大导致应用受限的问题。方案包括：1利用公开的视频数据构建样本集；2由特征提取、运动估计、运动压缩解压、运动补偿、残差压缩解压以及特征重建模块构建视频压缩模型并训练；3通过残差块剪枝对训练后的模型进行微调并做轻量化处理；4将模型转换为部署平台支持的模型格式；5将转换后的模型分解为压缩和解压模型，分别部署到两端的嵌入式平台中；6采集视频并预处理后输入到编码端的压缩模型，得到二进制码流，传输至解码端的解压模型重建得到重构帧。本发明模型复杂度和计算复杂度低，能够在嵌入式设备上部署。

本发明授权基于嵌入式平台的视频压缩系统与方法在权利要求书中公布了：1.一种基于嵌入式平台的视频压缩方法，其特征在于，包括如下步骤： 1利用公开的视频数据构建样本集，将其划分为训练集和测试集两部分；并对训练集进行设置帧间隔GOP的预处理； 2构建基于深度学习的端到端的视频压缩模型，具体步骤如下： 2.1使用一个卷积层和一个残差层构建特征提取模块，用于将输入帧和参考帧编码到特征空间，获取输入帧和参考帧的特征表示； 2.2构建运动估计模块，在该模块中首先将输入帧和参考帧的特征沿通道维度进行拼接，然后通过两个卷积层和激活函数处理，输出运动估计的特征偏移量； 2.3构建运动压缩解压缩模块，将运动估计的特征偏移量作为该模块的输入，通过模块中的变换网络对特征偏移量进行特征提取，生成偏移特征，对偏移特征量化后进行熵编码得到压缩码流，对该码流进行熵解码得到解码后的偏移特征，再经过反变换网络得到重建的特征偏移量；其中变换网络由三个卷积层和两个残差层交替组成；反变换网络由三个反卷积层和两个残差层交替组成；所述熵编码为增设跳过熵编码预测模块的改进后熵编码网络，其中跳过熵编码预测模块由两个卷积层、LeakyReLU激活函数层和GumbelSoftmaxMax构成，将输入的先验分布参数映射为二值化01掩码，用于跳过编码步骤； 2.4以参考帧特征和运动偏移量作为可变形卷积层的输入，使用可变形卷积运算进行运动补偿得到扭曲特征，再通过两个卷积层对扭曲特征进行细化产生最终的预测帧； 2.5残差压缩解压缩模块的网络结构和运动压缩解压缩模块相同，均包括变换、反变换、量化、熵编码以及熵解码；用于对预测帧特征和当前帧特征的残差进行压缩和解压缩，得到重建的残差特征； 2.6将预测帧与重建的残差特征相加后，经过特征重建模块处理生成重构的输出帧；所述特征重建模块与特征提取模块网络结构相同，即采用一个卷积层和一个残差层构成； 2.7由特征提取模块、运动估计模块、运动压缩解压缩模块、运动补偿模块、残差压缩解压缩模块以及特征重建模块，构成基于深度学习的端到端的视频压缩模型； 3利用训练集对步骤2构建的视频压缩模型进行训练直至模型参数收敛，保存在测试集上表现最优的模型权重参数和模型结构，得到训练后的视频压缩模型； 4通过残差块剪枝对训练完成后的模型进行微调并做轻量化处理： 4.1为网络中的每个残差块引入缩放因子，在训练过程中对添加稀疏约束，并通过随机加速近端梯度进行优化，获得稀疏的； 4.2当小于阈值时，将其置为0，并对所有残差块中为0的残差块进行删除，完成轻量化处理； 5将视频压缩模型进行等价转换，转换为部署阶段AI硬件平台支持的模型格式； 6将等价转换后的模型分解为压缩模型和解压缩模型两部分，并使用自定义符号函数分别将两部分模型中的可变形卷积操作映射为对应的onnx算子操作，将等价转换后的模型结构和参数保存为onnx算子推理架构模型文件，然后利用计算平台提供的模型转换工具将onnx算子推理架构模型文件转换为部署模型文件OM；将两部分模型的OM分别部署到两端的嵌入式平台中； 7采集视频并逐帧提取视频帧进行预处理，将预处理后的视频输入到训练好的视频压缩模型的编码端，压缩为码流后传给存储模块存储，最后码流从存储模块中通过数据传输模块传入解码端解压缩，得到重建后的视频帧。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。