基于感兴趣区域的头像视频前处理方法

doi:10.3778/j.issn.1002-8331.1508-0131

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (6): 188-192.DOI: 10.3778/j.issn.1002-8331.1508-0131

基于感兴趣区域的头像视频前处理方法

曾鸿军1，2，沈燕飞2，王毅1

1.湘潭大学信息工程学院，湖南湘潭 411105
2.中国科学院计算技术研究所，北京 100190

出版日期:2017-03-15 发布日期:2017-05-11

Method of face video preprocessing based on region of interest

ZENG Hongjun1，2, SHEN Yanfei2, WANG Yi1

1.College of Information Engineering, Xiangtan University, Xiangtan, Hunan 411105, China
2.Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China

Online:2017-03-15 Published:2017-05-11

摘要/Abstract

摘要： 在头像视频通信中，网络用户的关注度一般集中在人脸部分区域。根据MARR视觉原理，在保证视频通信主观质量的前提下，提出了一种基于感兴趣区域的头像视频前处理方法，能有效地提高视频的通信效率。该方法首先利用人脸检测算法对头像视频进行人脸检测，然后利用双边滤波算法对人脸之外的背景区域进行滤波操作，最后用H.264编码算法对处理后的视频图像进行编码传输。实验结果表明，所提出的方法能够有效地提高视频编码效率，最高可以达到28.571%。

关键词: 感兴趣区域, 双边滤波, 人脸检测, H.264编码, 压缩率

Abstract: In video communication with a human face, users mainly concentrate on the area of the face part. According to MARR vision principle, this paper proposes a method of facial video preprocessing based on region of interest, under the premise of ensuring the subjective quality of video communication. This method can effectively improve the efficiency of video communication. Firstly, it uses face detection algorithm to detect human face video. And then it utilizes bilateral filtering algorithm to handle background area outside of the face part. Finally it uses H.264 encoding algorithm for encoding transmission of processed video images. Experimental results demonstrate that the proposed method can effectively improve video coding efficiency, which can be up to 28.571%.

Key words: region of interest, bilateral filtering, face detection, H.264 encoding, compression ratio

曾鸿军1，2，沈燕飞2，王毅1. 基于感兴趣区域的头像视频前处理方法[J]. 计算机工程与应用, 2017, 53(6): 188-192.

ZENG Hongjun1，2, SHEN Yanfei2, WANG Yi1. Method of face video preprocessing based on region of interest[J]. Computer Engineering and Applications, 2017, 53(6): 188-192.

[1]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[2]	万琴，朱晓林，陈国泉，肖岳平. 分层联合双边滤波的深度图修复算法研究[J]. 计算机工程与应用, 2021, 57(6): 184-190.
[3]	徐志京，汪毅. 青光眼眼底图像的迁移学习分类方法[J]. 计算机工程与应用, 2021, 57(3): 144-149.
[4]	王一凡，鲁慧民，高若然，李阳. 手指静脉图像感兴趣区域提取研究综述[J]. 计算机工程与应用, 2021, 57(13): 34-42.
[5]	李蒙蒙，邵良志，崔文超，孙水发. Fisher-Tippet分布拟合的超声图像联合双边滤波方法[J]. 计算机工程与应用, 2020, 56(9): 221-227.
[6]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[7]	高树静，王程龙，董廷坤. 基于ZYNQ的优化Adaboost人脸检测[J]. 计算机工程与应用, 2020, 56(6): 201-206.
[8]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[9]	郭静，宋文爱，杨吉江，王青，梁雅琪，雷毅，高雪梅，李海振. 计算机辅助诊断人脸形态学疾病研究综述[J]. 计算机工程与应用, 2020, 56(19): 22-33.
[10]	李森森，吴清. 改进Mask R-CNN的遥感图像多目标检测与分割[J]. 计算机工程与应用, 2020, 56(14): 183-190.
[11]	刘淇缘，卢树华，兰凌强. 遮挡人脸检测方法研究进展[J]. 计算机工程与应用, 2020, 56(13): 33-46.
[12]	李静，降爱莲. 复杂场景下基于R-FCN的小人脸检测研究[J]. 计算机工程与应用, 2020, 56(1): 203-208.
[13]	罗明柱，肖业伟. 全卷积神经网络的多尺度人脸检测的研究[J]. 计算机工程与应用, 2019, 55(5): 124-128.
[14]	李亚可，玉振明. 级联的卷积神经网络人脸检测方法[J]. 计算机工程与应用, 2019, 55(24): 184-189.
[15]	梁雅琪，宋文爱，杨吉江，王青，王星月，雷毅. 人脸辅助诊断关键技术研究[J]. 计算机工程与应用, 2019, 55(15): 24-31.

基于感兴趣区域的头像视频前处理方法

Method of face video preprocessing based on region of interest

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics