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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于人体特征紧凑表示的视频压缩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：CN119011840B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202410948218.3，技术领域涉及：H04N19/146；该发明授权一种基于人体特征紧凑表示的视频压缩方法是由殷海兵;郦渊浩;王鸿奎;黄晓峰;谢亚光;林聚财设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本一种基于人体特征紧凑表示的视频压缩方法在说明书摘要公布了：本发明属于视频编码领域，公开了一种基于人体特征紧凑表示的视频压缩方法，包括步骤1：构建人体视频压缩框架；使用人体骨架特征来表征运动，首先将提取出的骨架特征通过人体特征压缩算法压缩冗余，与参考帧一同传输到解码端；之后恢复成原骨架，与重构的参考帧一起输入到生成网络中生成预测帧；最后输入到残差优化模块中进一步提升质量；步骤2：设计人体特征压缩算法；步骤3：特征残差编码优化；首先通过特征提取器提取预测帧和原始帧的深度特征，之后计算深度特征之间的残差，输入到上下文编码器当中，在熵模型的优化下进一步降低比特率。本发明极大提高了人体骨架信息的压缩率；能够以较低的比特流生成主观与客观质量良好的重构人体视频。

本发明授权一种基于人体特征紧凑表示的视频压缩方法在权利要求书中公布了：1.一种基于人体特征紧凑表示的视频压缩方法，其特征在于，包括如下步骤： 步骤1：构建人体视频压缩框架； 使用人体骨架特征来表征运动，首先将提取出的骨架特征通过人体特征压缩算法进一步压缩冗余，与参考帧一同传输到解码端；之后恢复成原骨架，与重构的参考帧一起输入到生成网络中生成预测帧；最后输入到残差优化模块中进一步提升质量； 步骤2：设计人体特征压缩算法； 将人体骨架按关节分成六个部分以充分利用各关节的时域相关性，之后各个关节分别与前一帧的关节进行残差计算，如果残差不为0就记录残差值、关节索引以及当前帧的索引值，之后通过算术编码传输到解码端，通过残差和索引不断恢复成原骨架； 步骤3：特征残差编码优化； 首先通过特征提取器提取预测帧和原始帧的深度特征，之后计算深度特征之间的残差，输入到上下文编码器当中，在熵模型的优化下进一步降低比特率，在解码端，通过一个上下文解码器恢复成特征残差，与预测帧的特征相加后输入到帧生成器中生成最后的重构帧，生成的重构帧同时输入到时域特征提取模块以提取时域特征，时域特征被输入到上下文编解码器和熵模型中以优化整个模型； 首先使用时域特征提取模块来获取时间上下文，将当前帧的骨架信息和前一帧解码的特征共同输入到时域特征提取模块TFE中来获取时域特征 之后特征提取器Ef·提取编码帧It和预测帧的特征Ftori和Ftpred，特征提取器Ef·由两个卷积层和一个残差块组成， Ftori＝EfIt 其中两个特征提取器Ef·共享权重，之后将Ftori和Ftpred相减和时域特征一同输入到上下文编码器Ec·中得到当前残差帧的潜在变量yt， 之后通过熵模型来估计潜在表示yt的概率，然后压缩传输到解码端生成使用超先验和拉普拉斯分布的分解熵模型将潜在表示建模，将前一帧已经解码的潜在表示输入到熵模型中来丰富输入以使其更好地估计潜在表示yt的概率， 其中的Entropy·为熵模型，Ey·,Dy·为压缩、解压操作；所述压缩的具体操作如下： 首先通过熵模型计算出潜在表示的yt的拉普拉斯分布的均值μ和尺度参数σ，之后将潜在表示yt标准化为拉普拉斯分布的形式， 之后对标准化后的值z进行量化，得到量化后的值q, q＝roundz 其中round·为量化操作，之后将量化后的值q通过算数编码压缩成比特流传输到解码端。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。