本发明涉及视频帧数据压缩，具体涉及一种基于视频分析的智能矿井下监测系统。
背景技术：
1、在煤炭高开采量的背后，存在着十分严峻的煤矿安全生产问题。当前主要是通过煤矿视频监控系统进行全天候监测井下设备运行和人员作业情况，以预防各种意外事故的发生。由于数量众多的监控摄像头会产生大量的视频数据，传输和存储这些视频数据需要占用大量的带宽和存储空间。因此，需要对视频数据进行压缩处理以有效的节约数据存储空间，使得视频数据传输和存储更加高效。
2、现有的常采用dct变换的方法对视频数据进行压缩处理，但是dct变换中采用固定的视频帧图像的分块大小，导致视频数据的压缩效果较差。分块大小过大时，视频帧图像中的分块会丢失细节信息，从而导致压缩后的视频数据质量下降。分块大小过小时，视频帧图像中的分块细节信息被保留，但是压缩效率较低。
技术实现思路
1、为了解决利用dct变换对视频数据进行压缩的效果较差技术问题，本发明的目的在于提供一种基于视频分析的智能矿井下监测系统，所采用的技术方案具体如下：
2、本发明提供了一种基于视频分析的智能矿井下监测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：
3、采集矿井下监控数据中的视频帧图像，所述视频帧图像包括历史帧图像和当前帧图像；将每个视频帧图像划分为第一预设尺寸的图像块，并将每个视频帧图像中的每个图像块划分为第三预设尺寸的子区域；
4、根据当前帧图像中每个图像块的子区域在所有历史帧图像中对应位置的边缘信息变化情况、以及在当前帧图像中的边缘信息，获得当前帧图像中每个图像块的时空特征值；
5、根据当前帧图像中每个图像块的子区域中边缘信息在所有视频帧图像中对应位置的连续性、以及灰度特征，得到当前帧图像中每个图像块的调节系数，利用调节系数对所述时空特征值进行调节得到当前帧图像中每个图像块的优选特征值；
6、根据当前帧图像中每个图像块的优选特征值确定每个图像块的划分尺寸，基于每个图像块的划分尺寸利用dct变换算法对所有视频帧图像进行压缩，根据压缩后的数据进行矿井下的图像监测。
7、优选地，所述当前帧图像中每个图像块的时空特征值的获取方法具体为：
8、将当前帧图像中任意一个图像块记为目标图像块，将目标图像块在历史帧图像中对应位置处的图像块记为匹配图像块；
9、根据所有匹配图像块中每个子区域内的边缘信息的变化情况、以及每相邻两个历史帧图像对应的匹配图像块中边缘信息之间的差异情况，得到目标图像块对应的第一特征系数；
10、根据目标图像块中的边缘信息和每个子区域内边缘信息的差异情况、以及每个像素点的梯度信息，得到目标图像块的边缘特征指标；
11、根据第一特征系数与边缘特征指标得到目标图像块的时空特征值，所述第一特征系数和边缘特征指标均与时空特征值之间呈正相关关系。
12、优选地，所述目标图像块对应的第一特征系数的获取方法具体为：
13、获取每个图像块中所有子区域内边缘像素点的数量的方差得到每个图像块的边缘表征值；
14、将每个图像块中属于边缘部分的像素点的像素值赋值为第一数值，将不属于边缘部分的像素点的像素值赋值为第二数值，获得每个图像块的边缘二值图；
15、获取相邻两个历史帧图像的匹配图像块的边缘二值图中对应位置处像素点的灰度值之间的差异，将相邻两个历史帧图像对应的边缘二值图中所有像素点对应的差异的均值，作为相邻两个历史帧图像的匹配图像块的边缘差异值；
16、计算所有相邻两个历史帧图像的匹配图像块的边缘差异值的均值得到边缘差异特征均值；计算所有匹配图像块的边缘表征值的方差得到波动特征值，将波动特征值与边缘差异特征均值的乘积的归一化值，作为目标图像块对应的第一特征系数。
17、优选地，所述目标图像块的边缘特征指标的获取方法具体为：
18、获取目标图像块中所有像素点的灰度梯度的均值作为目标图像块的梯度特征值，并获取目标图像块中边缘像素点的总数量；计算目标图像块的边缘表征值的正相关归一化值与所述边缘像素点的总数量的乘积，得到特征乘积；将特征乘积的归一化值与梯度特征值的乘积作为目标图像块的边缘特征指标。
19、优选地，所述根据当前帧图像中每个图像块的子区域中边缘信息在所有视频帧图像中对应位置的连续性、以及灰度特征，得到当前帧图像中每个图像块的调节系数，具体包括：
20、根据所有历史帧图像内的匹配图像块中边缘像素点的连续性得到第二特征系数；
21、根据第二特征系数和当前帧图像中目标图像块内的边缘信息以及像素点的灰度值，得到第三特征系数；
22、将第三特征系数的归一化值与第一预设值之间的和值，作为目标图像块的调节系数。
23、优选地，所述根据所有历史帧图像内的匹配图像块中边缘像素点的连续性得到第二特征系数具体为：
24、将目标图像块内任意一个像素点记为目标像素点，将目标像素点在所有匹配图像块的边缘二值图中对应位置像素点的像素值、以及目标像素点在目标图像块的边缘二值图中的像素值，构成目标像素点的边缘变化序列；
25、获取目标像素点的边缘变化序列中连续的第一数值构成的数据段记为边缘数据段，在目标像素点的边缘变化序列中，将第一个边缘数据段与最后一个边缘数据段之间包含的第二数值的数量记为第一数量；获取目标像素点的边缘变化序列中边缘数据段的数量得到第二数量；计算第一数量所有视频帧图像的数量之间的比值，将该比值与第二数量的乘积作为第一系数；
26、将目标像素点的边缘变化序列中的任意一个边缘数据段记为目标边缘数据段，将目标边缘数据段中数据值的总数量与所有边缘数据段中数据值的总数量的比值，作为目标边缘数据段的数据权重；利用目标像素点的边缘变化序列中每个边缘数据段的数据权重，对每个边缘数据段中数值的总数量进行加权求和，得到第二系数；
27、将第一系数的负相关归一化值与第二系数的乘积的归一化值作为第二特征系数。
28、优选地，所述根据第二特征系数和当前帧图像中目标图像块内的边缘信息以及像素点的灰度值，得到第三特征系数，具体包括：
29、获取目标像素点在所有匹配图像块中对应位置像素点的像素值、以及目标像素点在目标图像块中的像素值，构成目标像素点的边缘像素序列；
30、基于目标像素点的边缘像素序列中每个属于边缘像素点的像素值在所述边缘像素序列中出现的频次，计算边缘像素序列的信息熵；
31、计算第二特征系数与目标像素点的边缘变化序列中所有边缘数据段中数据值的总数量之间的乘积，将乘积与所有视频帧图像的数量之间的比值与所述信息熵的乘积，作为目标像素点的时间重复指标；计算目标图像块中所有像素点的时间重复指标的均值得到第三特征系数。
32、优选地，所述利用调节系数对所述时空特征值进行调节得到当前帧图像中每个图像块的优选特征值具体为：将当前帧图像中每个图像块的调节系数与时空特征值的乘积作为当前帧图像中每个图像块的优选特征值。
33、优选地，所述根据当前帧图像中每个图像块的优选特征值确定每个图像块的划分尺寸具体为：
34、对于当前帧图像中的任意一个图像块，若图像块的优选特征值大于或等于预设的第一阈值，则将图像块的划分尺寸设置为第三预设尺寸；若图像块的优选特征值大于或等于预设的第二阈值，且小于第一阈值，则将图像块的划分尺寸设置为第二预设尺寸；若图像块的优选特征值小于第二阈值，则图像块不存在划分尺寸；所述第三预设尺寸小于第二预设尺寸。
35、本发明实施例至少具有如下有益效果：
36、本发明首先获取视频帧图像，后续可以基于当前帧图像中的图像信息在历史帧图像中对应位置处的图像信息的变化情况进行分析，以便获取每个位置处的像素点在连续的视频帧图像中的时间变化特征和空间变化特性，能够较为准确的自适应性的获取对应的分块信息。通过对视频帧图像进行预先分块处理，进而基于每个分块后的图像块中的边缘信息以及在历史帧图像中的边缘信息的变化情况，获取每个图像块的时空特征值，利用时空特征值表征每个图像块中的细节信息量。进一步的，通过分析较大的视频帧分块内在时间上的动态变化特征和空间上的边缘细节特征，获取自适应的分块调整系数，考虑到时空特征值的计算可能存在误差的情况，利用调整系数对其进行调整，进而能够基于调整后的优选特征值判断每个视频帧图像中的每个图像块是否需要再分割，以确定每个图像块的划分尺寸，自适应性的获取对应的划分尺寸，利用dct变换进行高效的视频压缩处理，从而能够在保证细节信息的同时提高数据压缩效率，进而对视频数据的压缩效果较佳，实现矿井下的智能监测。
1.一种基于视频分析的智能矿井下监测系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：
2.根据权利要求1所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述当前帧图像中每个图像块的时空特征值的获取方法具体为：
3.根据权利要求2所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述目标图像块对应的第一特征系数的获取方法具体为：
4.根据权利要求3所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述目标图像块的边缘特征指标的获取方法具体为：
5.根据权利要求3所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述根据当前帧图像中每个图像块的子区域中边缘信息在所有视频帧图像中对应位置的连续性、以及灰度特征，得到当前帧图像中每个图像块的调节系数，具体包括：
6.根据权利要求5所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述根据所有历史帧图像内的匹配图像块中边缘像素点的连续性得到第二特征系数具体为：
7.根据权利要求6所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述根据第二特征系数和当前帧图像中目标图像块内的边缘信息以及像素点的灰度值，得到第三特征系数，具体包括：
8.根据权利要求1所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述利用调节系数对所述时空特征值进行调节得到当前帧图像中每个图像块的优选特征值具体为：
9.根据权利要求1所述的一种基于视频分析的智能矿井下监测系统，其特征在于，所述根据当前帧图像中每个图像块的优选特征值确定每个图像块的划分尺寸具体为：
