一种面向内容分析的视频编码优化方法专利检索-视频编码多媒体工具与应用专利检索查询-专利查询网

一种面向内容分析的视频编码优化方法

阅读：1035发布：2020-05-30

专利汇可以提供一种面向内容分析的视频编码优化方法专利检索，专利查询，专利分析的服务。并且本发明属于视频压缩技术领域，具体的说是涉及一种面向内容分析的视频编码优化方法。本发明的方法包括四个部分：内容分析失真模型、内容分析失真预测模型、率失准模型及率失真优化。通过构建内容分析失真模型，量化视频压缩失真对内容分析算法性能的影响；采用压缩失真SAD(Sum of Absolute Difference)预测内容分析失真；采用e指数函数拟合内容分析失真与码率之间的关系；将内容分析失真引入到率失真优化中，以最小化像素失真和内容分析失真为优化目标，改进现有率失真优化方法。最终降低了内容分析失真，削弱了视频压缩失真对内容分析算法的影响。，下面是一种面向内容分析的视频编码优化方法专利的具体信息内容。

权利要求

1.一种面向内容分析的视频编码优化方法，其特征在于，包括以下步骤：
S1、定义内容分析失真DA用以量化视频压缩失真DP对内容分析算法的影响，根据下列公式(1)计算内容分析失真DA，压缩失真DP根据公式(2)或公式(3)得到：
DA＝|Do-Dc|    (公式1)
SAD＝∑|recpixel-orgpixel|     (公式3)
其中，Do为在未压缩视频上内容分析算法的分析结果，Dc为在压缩后视频上内容分析算法的分析结果；recpixel为重构像素，orgpixel为原始像素，Imagesize为图像尺寸；
S2、根据步骤S1得到的内容分析失真DA，构造内容分析失真DA和码率R之间的关系，创建率失准模型用公式(4)表示；
公式4中，C1和C2为常数；
S3、根据步骤S1中得到的内容分析失真DA和压缩失真DP，用公式(5)构建优化目标方程；
其中，α为权重因子，R为码率，RT为总带宽；由步骤S2创建的率失准模型可以得出，内容分析失真DA对码率R可导，同时根据HEVC编码器中率失真模型可知，压缩失真DP对码率R可导，采用拉格朗日乘子法，根据如下公式(6)获取优化解：
min{Jnew},where Jnew＝DP+αDA+λnewR    (公式6)
其中λnew为拉格朗日乘子。

说明书全文

一种面向内容分析的视频编码优化方法

技术领域

[0001] 本发明属于视频压缩技术领域，具体的说是涉及一种面向内容分析的视频编码优化方法。

背景技术

[0002] 随着视频通信技术的进步与发展，视频数据呈爆炸式增长，尤其在视频监控领域，超大体量的监控视频数据经压缩、传输至服务器端，由计算机进行内容分析，达到各种目的，如动目标检测、人脸识别、行为分析等。如今，大多数视频编码器以最大化人眼视觉质量为优化目标，造成压缩失真降低后续内容分析算法的性能。在过去几十年中，研究者们提出了许多方法来降低压缩失真对分析算法的影响，其中大部分都是针对保存局部特征点的。

[0003] Chao和Steinbac提出了一种基于SIFT特征匹配程度的率失真模型，并在静止图像压缩标准JPEG中验证，结果表明，即使在低码率条件下也能保存关键SIFT特征，但是该方法需要消耗额外的比特用以传输SIFT特征描述子(J.S.Chao and E.Steinbach“,Preserving SIFT features in JPEG-encoded images,”IEEE International Conference on Image Processing,Brussels,Belgium,Sept.2011,pp.301-304.)。Baroffio等人针对提取的局部特征(如SIFT、SURF)提出了一种新的视频编码框架，该框架采用帧内和帧间模式对提取的特征信息进行编码，但是该方法仅仅传输局部特征描述子，因此无法在解码端得到视频图像信息(L.Baroffio,M.Cesana,A.Redondi,M.Tagliasacchi,and S.Tubaro“, Coding visual features extracted from video sequences”,IEEE Transactions on Image Processing,vol.23,no.5,pp.2262-2276,May 2014.)。上述方法大都针对特征点保存的视频压缩方法，不能有效解决码率、压缩失真和内容分析失真的平衡问题。

发明内容

[0004] 本发明是为能够降低视频压缩失真对内容分析的影响，提出一种面向内容分析的视频编码优化方法，旨在解决码率、压缩失真和分析失真的平衡问题。

[0005] 本发明的技术方案是：

[0006] 一种面向内容分析的视频编码优化方法，其特征在于，包括以下步骤：

[0007] S1、定义内容分析失真DA用以量化视频压缩失真DP对内容分析算法的影响，根据下列公式(1)计算内容分析失真DA，压缩失真DP可根据公式(2)或公式(3)得到；

[0008] DA＝|Do-Dc| (公式1)

[0009]

[0010] SAD＝∑|recpixel-orgpixel| (公式3)

[0011] 其中，Do为在未压缩视频上内容分析算法的分析结果，Dc为在压缩后视频上内容分析算法的分析结果；respixel为重构像素，orgpixel为原始像素，Imagesize为图像尺寸；

[0012] S2、根据步骤S1得到的内容分析失真DA，构造内容分析失真DA和码率R之间的关系，创建率失准模型用公式(4)表示；

[0013]

[0014] 公式4中，C1和C2为常数；

[0015] S3、根据步骤S1中得到的内容分析失真DA和压缩失真DP，用公式(5)构建优化目标方程；

[0016] min DP+αDA s.t.R≤RT (公式5)

[0017] 其中，α为权重因子，R为码率，RT为总带宽。由步骤S2创建的率失准模型可以看出，内容分析失真DA对码率R可导，同时根据HEVC编码器中率失真模型可知，压缩失真DP对码率R可导，因此可利用拉格朗日乘子法，根据如下公式(6)获取优化解：

[0018] min{Jnew},where Jnew＝DP+αDA+λnewR (公式6)

[0019] 其中λnew为拉格朗日乘子。

[0020] 本发明的有益效果是：以最小化像素失真和内容分析失真为优化目标，改进现有率失真优化方法，降低了视频压缩失真对内容分析算法的影响。附图说明

[0021] 图1为本发明中视频内容分析失真获取流程图；

[0022] 图2为分析失真与SAD的统计结果；

[0023] 图3为分析失真与码率的统计结果；图中(a)(b)(c)(d)分别为4个测试视频的统计结果；

[0024] 图4为结果对比图；图中(a)(b)(c)(d)分别为4个测试视频的结果对比图。

[0025] 附图标记：图3中纵坐标bpp表示为单位像素比特数(bit per pixel)，按下列公式计算得到；

[0026]

[0027] 其中R为总比特数，f为视频的帧率，w为视频的宽度，h为视频的高度。

具体实施方式

[0028] 下面结合附图和实施例，详细描述本发明的技术方案：

[0029] 实施例

[0030] 以动目标检测为例，包括以下步骤：

[0031] 1、从PETS2006(www.cvg.cs.rdg.ac.uk/PETS2006)和CAVIAR(www.dai.ed.ac.uk/homes/rbf/CAVIAR/)数据库中选取4段监控视频(其中3段视频为室内场景的，另外1段为室外场景的)作为训练数据，采用文献(B.Lei,A.Leonardis,and B.Schiele,“Robust object detection with interleaved categorization and segmentation,”Intl.J.Computer Vision,vol.77,no.1,pp.259-289,2008.)中的动目标检测算法，记录检测结果。

[0032] 2、设置HEVC编码器量化参数QP(4-41)，得到4段训练视频的38个不同质量的压缩视频，运行相同的检测算法，记录检测结果。

[0033] 3、统计实验结果，以上述1中的检测结果作为参考，2中的检测结果作为对比，采用F-measure评价指标(Y.Dhome,N.Tronson,A.Vacavant,T.Chateau,C.Gabard,Y.Goyat,D.Gruyer,“A benchmark for background subtraction algorithms in monocular vision:a comparative study,”International Conference on Image Processing,Theory,Tools and Applications,2010.)量化分析失真：

[0034]

[0035]

[0036] 其中，为一帧的分析失真，为视频的平均分析失真，Fi为一帧的F-measure评价指标，n为视频的帧数。

[0037] 4、采用公式(9)拟合分析失真和压缩失真SAD的函数关系。统计结果显示在图2中，k为4.1x10-7，b为0.01。采用原始HEVC编码器中的率失真优化方法预处理，获得压缩失真SAD，用来预测分析失真

[0038]

[0039] 5、采用公式(4)拟合内容分析失真和码率R的函数关系。统计结果显示在图3中，公式(4)中的参数C1和C2分别为47，-81.8。

[0040] 6、设置参数α(0.2)，采用本发明中的优化算法，压缩后运行动目标检测算法，记录检测结果。

[0041] 图4展示了本发明的方法同原始视频编码优化方法的性能对比图，可以看出，本发明中的优化方法能够有效的降低内容分析失真，削弱了视频压缩对内容分析算法的影响。

标题	发布/更新时间	阅读量
拼接墙的超高清视频显示方法和系统	2021-01-21	0
熵编码中的上下文初始化	2020-08-28	0
用于编码视频信号的装置和方法	2020-07-24	0
用于氧化等离子体后处理以减少光刻中毒的技术及相关结构	2020-10-08	2
Motion estimation methods for residual prediction	2021-01-26	0
VIDEO CODING TECHNIQUES FOR CODING DEPENDENT PICTURES AFTER RANDOM ACCESS	2023-12-24	1
ビデオ符号化のための方法および装置	2021-03-29	1
METHOD AND APPARATUS FOR INTRABC MODE WITH FRACTIONAL-PEL BLOCK VECTOR RESOLUTION IN VIDEO CODING	2020-12-29	2
랜덤 엑세스를 위한 멀티 레이어 비디오 부호화 방법 및 그 장치, 랜덤 엑세스를 위한 멀티 레이어 비디오 복호화 방법 및 그 장치	2022-02-12	2
COEFFICIENT CODING HARMONIZATION IN HEVC	2022-12-01	2

一种面向内容分析的视频编码优化方法

一种面向内容分析的视频编码优化方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：