買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜東南大學申請的專利一種基于壓縮視頻DCT系數的車輛檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114866784B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210411306.0，技術領域涉及：H04N19/625；該發明授權一種基于壓縮視頻DCT系數的車輛檢測方法是由何鐵軍;李曉港設計研發完成，并于2022-04-19向國家知識產權局提交的專利申請。

本一種基于壓縮視頻DCT系數的車輛檢測方法在說明書摘要公布了：本發明公開了一種基于壓縮視頻DCT系數的車輛檢測方法，包括步驟：對壓縮碼流視頻進行提取，并得到所述壓縮碼流視頻對應的第一DCT系數；基于所述第一DCT系數進行預處理，并得到第二DCT系數；構造車輛檢測模型；基于開源圖像數據集UA?DETRAC獲取圖像樣本集，再使用所述圖像樣本集對所述車輛檢測模型進行訓練，并得到車輛檢測網絡；基于所述壓縮碼流視頻、所述第二DCT系數和所述車輛檢測網絡，獲取車輛檢測結果。本發明利用了壓縮格式數據無需完全解碼即可獲取特征信息的特點，結合深度學，降低了車輛檢測模型的復雜度，減少了車輛檢測所需算力，并滿足邊緣計算的要求。

本發明授權一種基于壓縮視頻DCT系數的車輛檢測方法在權利要求書中公布了：1.一種基于壓縮視頻DCT系數的車輛檢測方法，其特征在于，包括如下步驟：S1：對壓縮碼流視頻進行提取，并得到所述壓縮碼流視頻對應的第一DCT系數；S2：針對所述第一DCT系數進行預處理，得到第二DCT系數；S3：構造車輛檢測模型；S4：基于開源圖像數據集UA-DETRAC獲取圖像樣本集，再使用所述圖像樣本集對所述車輛檢測模型進行訓練，并得到車輛檢測網絡；S5：將所述第二DCT系數輸入所述車輛檢測網絡進行檢測，并得到車輛的位置、種類和置信度信息，然后基于所述車輛的位置、種類和置信度信息在解碼后的所述壓縮碼流視頻幀中繪制車輛的檢測框、種類和置信度，所述車輛的檢測框、種類和置信度即為車輛的檢測結果；所述壓縮碼流視頻為H.264壓縮碼流視頻；所述步驟S1中，對所述H.264壓縮碼流視頻進行提取，得到所述壓縮碼流視頻對應的第一DCT系數，具體過程包括如下：將所述H.264壓縮碼流視頻的大小轉換成416x416；所述H.264壓縮碼流視頻的圖像幀包括：I幀、P幀和B幀；使用JM解碼器獲取所述H.264壓縮碼流視頻I幀的4x4塊的殘差DCT系數和I幀幀內預測模式下的預測值，再對所述I幀幀內預測模式下的預測值進行4x4塊的DCT變換，最后將變換結果跟所述H.264壓縮碼流視頻I幀的4x4塊的殘差DCT系數相加，得到所述I幀的4x4塊的DCT系數；獲取所述H.264壓縮碼流視頻P幀和B幀各自的殘差DCT系數和各自參考幀的DCT系數，再根據所述P幀和B幀各自參考幀的DCT系數和所述P幀和B幀各自的運動矢量，獲取各自參考編碼塊的位置以及各自參考編碼塊的DCT系數，基于獲取的所述P幀和B幀各自的殘差DCT系數、各自參考編碼塊的位置以及各自參考編碼塊的DCT系數，得到所述P幀和B幀各自4x4塊的DCT系數；所述I幀、P幀和B幀各自4x4塊的DCT系數統稱為第一DCT系數；根據DCT系數的塊空間關系將所述4x4塊的第一DCT系數轉換為8x8塊的第一DCT系數，即得到所述壓縮碼流視頻對應的第一DCT系數；所述步驟S1中，基于獲取的所述P幀和B幀各自的殘差DCT系數、各自參考編碼塊的位置以及各自參考編碼塊的DCT系數，得到所述P幀和B幀各自4x4塊的DCT系數的具體過程包括如下：當所述P幀和B幀各自參考編碼塊位于參考幀像素4的倍數的整數位置時，直接將所述P幀或B幀各自的殘差DCT系數與所述P幀和B幀各自參考編碼塊的DCT系數相加，獲得所述P幀和B幀各自4x4塊的DCT系數；當所述P幀和B幀各自參考編碼塊位于不是參考幀像素4的倍數的整數位置時，根據與各自參考編碼塊相鄰、位于參考幀像素4的倍數的整數位置的四個塊的DCT系數，獲取所述P幀和B幀各自參考編碼塊的DCT系數，再將所述P幀和B幀各自的殘差DCT系數與所述P幀和B幀各自參考編碼塊的DCT系數分別相加，獲得所述P幀和B幀各自4x4塊的DCT系數；所述步驟S2中，針對所述第一DCT系數進行預處理，得到第二DCT系數的具體過程包括：剔除所述第一DCT系數中Cb分量和Cr分量的DCT系數，保留所述第一DCT系數中Y分量416x416格式的DCT系數，并將其轉換成52x52x64的格式，再將轉換格式后的所述DCT系數按照ZigZag進行排序，最后在排序結果中取前24個DCT系數，即為第二DCT系數；所述步驟S3中，構造車輛檢測模型的具體過程包括：基于DarkNet-53模型構建主干特征提取網絡，所述主干特征提取網絡結合殘差網絡，再通過卷積和殘差結構的堆積提取特征，并縮小特征圖尺寸；構建基于特征金字塔的回歸檢測網絡，并在52x52，26x26，13x13三個尺度的特征圖上檢測車輛；確定損失函數，所述損失函數包括:檢測框坐標損失、置信度損失和分類損失；所述步驟s4中，所述圖像樣本集的獲取過程包括：將所述開源圖像數據集UA-DETRAC中的圖片尺寸統一縮放至416x416大小，然后基于Libjpeg庫提取壓縮格式圖像的DCT系數，接著對所述提取到的DCT系數進行處理并輸出其Y分量的52x52x24大小的DCT系數，即為圖像樣本集；所述步驟S4中，使用所述圖像樣本集對所述車輛檢測模型進行訓練的具體過程包括：初始化所述車輛檢測模型的網絡權重，使用正態分布對網絡初始權值進行初始化；將所述車輛檢測模型的初始學習率設為1e-4，并使用Adam算法在后續訓練中得到自適應學習率；使用K-means聚類法根據所述圖像樣本集的標簽數據設置錨框的尺寸，并借鑒YOLOv3的思想，在所述52x52，26x26，13x13三個尺度的特征圖上各設置三種尺寸的錨框；設置所述車輛檢測模型的參數值：檢測類別、batchsize和迭代次數；使用所述圖像樣本集對所述車輛檢測模型進行訓練。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人東南大學，其通訊地址為：210096 江蘇省南京市玄武區四牌樓2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。