CN100461862C - 视讯编码系统及其方法 - Google Patents

Abstract

本发明提供一种视讯编码方法及其系统，用以对一视讯序列进行编码。视讯序列包含N个子序列，且每一个子序列均包含多个画面。当本发明对视讯序列中，第i个子序列的第j个画面进行编码时，在该第j个画面之前的画面均已完成编码。基于所述已完成编码的画面，产生一初始量化标度。根据初始量化标度，对该第j个画面以中间编码模式进行编码。判断第j个画面于场景上相较于第(j-1)个画面是否是一变化场景。若上述的结果为肯定，则基于初始量化标度产生一调整的量化标度，并且根据调整后的量化标度，对第j个画面以内部编码模式重新进行编码。

Description

视讯编码系统及其方法

技术领域

本发明涉及一种视讯编码系统(Video encoding system)及其方法，特别是涉及一种具有适应性一次变动比特率控制(Adaptive one-passvariable bit rate control)以及场景变化检测(Scene change detection)的视讯编码系统及其方法。

背景技术

近年来，数字压缩(Digital compression)技术已广泛应用于压缩各种视讯文件，以节省传输频宽(Transmissions bandwidth)或存储容量(Storage size)。一般来说，目前的压缩技术均是采用国际标准化组织(International organization for standardization，ISO)所制定的动态影像压缩标准(Motion picture experts group standard，MPEG standard)，例如：MPEG-1、MPEG-2、MPEG-4、、、等。

于文件技术中，标准MPEG视讯编码器(MPEG compliant video encoder)是利用一目标比特率(Target bit rate)，将一输入的视讯序列加以压缩。上述的目标比特率是根据一使用者所使用的通讯频道频宽而设定，而压缩后的视讯序列即是以目标比特率为基础来传送，或是存储于存储装置中。然而，经由固定的目标比特率所压缩的视讯场景，于译码时，根据场景的复杂度(Scene complexity)，其视讯质量将会有很大的差异。

于实际应用中，可利用变动比特率(Variable bit rate)技术来将视讯序列压缩。所谓变动比特率便是针对场景的复杂度，以适当地分配比特率来增进视讯编码质量。基本上，用于视讯编码的比特率控制可分为多次变动比特率(Multi-pass variable bit rate)以及单次变动比特率(Singlepass variable bit rate)。多次变动比特率是利用画面于先前传递(Preceding passes)的复杂度信息，来达到目标比特率的限制。而单次变动比特率则是在编码的过程中，动态地调整编码时的比特率。多次变动比特率虽然可提供较佳地影像质量，然而也需要较大的存储容量以及较复杂的运算，因此多次变动比特率的技术并不符合实时的需求。另外，当视讯序列中，场景突然发生变化的时候，单次变动比特率无法提供前后一致的影像质量。

因此本发明的主要目的在于提供一种具有适应性一次变动比特率控制以及场景变化检测的视讯编码系统及其方法，以解决上述问题。

发明内容

本发明的一目的在于提供一种具有适应性一次变动比特率控制以及场景变化检测的视讯编码系统及其方法，用以检测一视讯序列中的一画面是否为一变化场景，并根据视讯复杂度信息对该画面加以重新编码，使得整个视讯序列的编码质量达到一致。

本发明的视讯编码方法(Video encoding method)用以对一视讯序列(Video sequence)进行编码，视讯序列包含N个子序列，N为一自然数，且每一个子序列均包含多个画面(Frame)。亦即，本发明的视讯编码方法用以对视讯序列中，第i个子序列中的第j个画面进行编码。在该第i个子序列中的该第j个画面之前的、该视讯序列中的画面均已完成编码，i为介于1至N范围中的一整数指标，j为介于2至该第i个子序列的画面数目范围中的一整数指标。

本发明的视讯编码方法包含有以下步骤。基于所述已完成编码的画面，产生一初始量化标度(Quantization scale)。根据初始量化标度，对第i个子序列中的第j个画面以一第一编码模式进行编码。判断第i个子序列中的第j个画面于场景上相较于第i个子序列中的第(j-1)个画面是否是一变化场景(Scene change)。若上述的结果为肯定，则基于初始量化标度产生一调整的量化标度，并且根据调整后的量化标度，对第i个子序列中的第j个画面以一第二编码模式重新进行编码。

于本发明中，当视讯序列中的I目前画面为一变化场景时，本发明会根据先前已完成编码画面的复杂度信息，对该目前画面进行重新编码。换言之，本发明仅会针对发生场景变化的画面，进行重新编码的操作。因此，本发明结合了多次变动比特率以及单次变动比特率的技术，使得视讯序列在经过编码后，可以得到较佳、一致的影像质量，且不需要大量的存储空间来存储编码数据。

关于本发明的优点与精神可以藉由以下结合附图对本发明的详述得到进一步的了解。

附图说明

图1为本发明的视讯编码系统的功能方块图。

图2为图1所示的场景变化检测器的方块图。

图3为图2所示的决定模块所决定的检测区域示意图。

图4为本发明视讯编码方法的流程图。

附图符号说明

10：视讯编码系统             12：视讯序列

14：输入端                   16：编码器

17：场景变化检测器           18：比特流缓存器

20：画面比特计数器           22：视讯复杂度估测器

24：量化标度产生器           171：决定模块

172：判断模块

具体实施方式

请参阅图1，其为本发明的视讯编码系统10的功能方块图。一视讯序列12包含N个子序列，N为一自然数，且每一个子序列均包含多个画面(Frame)。于视讯序列12的每一画面中，预先定义一定数量的列与行(Predefined number of rows and columns)，每一列与每一行均包含多个宏区块(Macroblock，MB)。视讯序列(Video sequence)12经由一输入端(Input end)14输入至本发明的视讯编码系统(Video encoding system)10。视讯编码系统10用以对第i个子序列中的第j个画面进行编码，且在第i个子序列中的第j个画面之前的画面均已完成编码。i为介于1至N范围中的一整数指标，j为介于2至第i个子序列的画面数目范围中的一整数指标。

如图1所示，本发明的视讯编码系统10包含一编码器(Encoder)16、一场景变化检测器(Scene change detector)17、一比特流缓存器(Bitstream buffer)18、一画面比特计数器(Frame bit counter)20、一视讯复杂度估测器(Video complexity estimator)22以及一量化标度产生器(Quantization scale generator)24。编码器16是与输入端14相耦合，用以接收并编码视讯序列12。编码器16于编码视讯序列12的一目前画面时，需先决定用以编码该目前画面中，每一宏区块的编码模式(Encodingmode)。编码模式可大致上分为两种类型：内部编码模式(Intra mode)以及中间编码模式(Inter mode)。当一画面经由内部编码模式编码后，则称为内部编码画面(Intra frame，I画面)。当一画面经由中间编码模式编码后，则称为中间编码画面(Inter frame，P画面或B画面)。I画面不参考任何画面，将一画面编码而得。P画面则参考前一画面，将一画面编码而得。而B画面则是参考前一画面以及后一画面，将一画面编码而得。

场景变化检测器17耦合于编码器16，并且用以判断第i个子序列中的第j个画面于场景上，相较于第i个子序列中的第(j-1)个画面是否是一变化场景(Scene change)。量化标度产生器24耦合于编码器16，且基于所述已完成编码的画面，用以产生一初始量化标度(Quantization scale)。若第i个子序列中的第j个画面是一变化场景，则量化标度产生器24会基于初始量化标度产生一调整的量化标度，并且编码器16根据调整后的量化标度，对第i个子序列中的第j个画面以一第二编码模式重新进行编码。第二编码模式为上述的内部编码模式。反之，若第i个子序列中的第j个画面不是一变化场景，编码器16会根据初始量化标度，对第i个子序列中的第j个画面以一第一编码模式进行编码。第一编码模式为上述的中间编码模式。

于本发明的一实施例中，一视讯序列12包含3个子序列，每一个子序列均包含100个画面。视讯编码系统10正在对第2个子序列中的第33个画面进行编码，且在第2个子序列中的第33个画面之前的画面均已完成编码(亦即第1个子序列中的100个画面以及第2个子序列中的第1到第32个画面均已完成编码)。需注意的是，每一个子序列中的第一个画面均是以内部编码模式加以编码。量化标度产生器24会基于所述已完成编码的画面，以产生一初始量化标度。场景变化检测器17则判断第2个子序列中的第33个画面于场景上，相较于第2个子序列中的第32个画面是否是一变化场景。若第2个子序列中的第33个画面不是一变化场景，编码器16会根据初始量化标度，对第2个子序列中的第33个画面以中间编码模式进行编码。若第2个子序列中的第33个画面为一变化场景，则量化标度产生器24基于初始量化标度产生一调整的量化标度，并且编码器16根据调整后的量化标度，对第2个子序列中的第33个画面以内部编码模式重新进行编码。换言之，本发明仅会针对发生场景变化的画面，进行重新编码的操作。

比特流缓存器18耦合于编码器16，用以暂存画面经编码后的比特流。画面比特计数器20耦合于编码器16，用以持续追踪并累加编码后的视讯序列12的每一画面的位长度，以产生一累加比特流(Accumulatedbitstream)。视讯复杂度估测器22耦合于画面比特计数器20以及量化标度产生器24之间，用以接收画面比特计数器20产生的累加比特流，并产生一第一视讯复杂度(Video complexity)以及一第二视讯复杂度。

第一视讯复杂度X_A经由下列公式一所决定：

公式一： $X_A=S_A*Q_A*\frac{F}{N_A^2}$

公式一中，S_A代表一第一位长度总合(Summation of bit length)，第一位长度总合是关于第i个子序列中的第j个画面之前的所有画面的位长度总合；Q_A代表一第一量化标度总合(Summation of quantization scale)，第一量化标度总合是关于第i个子序列中的第j个画面之前的所有画面的量化标度总合；N_A代表一第一画面数量，第一画面数量是关于第i个子序列中的第j个画面之前的所有画面的画面数量；F代表一预定画面率(Framerate)。如上述的实施例中，S_A、Q_A以及N_A分别是关于第2个子序列中的第33个画面之前的所有画面的位长度总合、量化标度总合以及画面数量。画面率是指每秒所显示的静止画面格数。

第二视讯复杂度X_L经由下列公式二所决定：

公式二： $X_L=S_L*Q_L*\frac{F}{N_L^2}$

公式二中，S_L代表一第二位长度总合，第二位长度总合是关于第i个子序列中，第1至第(j-1)个画面的位长度总合；Q_L代表一第二量化标度总合，第二量化标度总合是关于第i个子序列中，第1至第(j-1)个画面的量化标度总合；N_L代表一第二画面数量，第二画面数量是关于第i个子序列中，第1至第(j-1)个画面的画面数量。如上述的实施例中，S_L、Q_L以及N_L分别是关于第2个子序列中，第1至第32个画面的位长度总合、量化标度总合以及画面数量。

初始量化标度由一预测量化标度(Predicted quantization scale)以及一差异量化标度(Differential quantization scale)所决定。预测量化标度Q_P经由下列公式三所决定：

公式三： $Q_P=\frac{\mathrm{MIN}(X_A,X_L)}{B}+1$

公式三中，X_A代表第一视讯复杂度，第一视讯复杂度是关于第i个子序列中的第j个画面之前的所有画面的视讯复杂度；X_L代表第二视讯复杂度，第二视讯复杂度是关于第i个子序列中，第1至第(j-1)个画面的视讯复杂度；B代表一预定目标比特率。如上所述的实施例，X_A是关于第2个子序列中的第33个画面之前的所有画面的视讯复杂度；X_L是关于第2个子序列中，第1至第32个画面的视讯复杂度。

差异量化标度Q_A经由下列公式四，所决定：

公式四： $Q_d=K*(\frac{S_{\mathrm{buf}}}{\mathrm{buf}\_\mathrm{size}}-0.5);$ 其中 $S_{\mathrm{buf}}=\mathrm{MAX}(S_{\mathrm{buf}}+S_j-\frac{B}{F},0)$

上述公式中，S_buf代表比特流缓存器18目前所存储的位数；S_j代表目前第i个子序列中的第j个画面所产生的位数；buf_size代表一预定的比特流缓存器大小(Buffer size)；K代表一第一预定模型参数(Modelparameter)，用以决定该差异量化标度的标度。

因此，初始量化标度Q可经由下列公式五来决定：

公式五：Q＝MAX(Q_MIN，MIN(Q_MAX，Q_P+Q_d))。

公式五中，Q_MAX代表该初始量化标度的一预定最大值，Q_MIN代表该初始量化标度的一预定最小值。

请参阅图2以及图3，图2为图1所示的场景变化检测器17的方块图。图3为图2所示的决定模块171所决定的检测区域示意图。本发明的场景变化检测器17包含一决定模块(Determination module)171以及一判断模块(Judgment module)172。决定模块171用以于目前第j个画面中，决定一检测区域(Detection area)。判断模块172用以于检测区域一目前列的最后一个宏区块处，判断检测区域中的目前列及所有先前列的内部编码宏区块(Intra macroblock)数量总合是否大于一临界值(Threshold)。若检测区域中的目前列及所有先前列的内部编码宏区块数量总合大于临界值，则判断模块172会判断目前第j个画面为一变化场景。反之，若检测区域中的目前列及所有先前列的内部编码宏区块数量总合并未大于临界值，则判断模块172会继续对目前第j个画面进行判断，直到检测区域中的所有列均检测完毕。临界值THR_SC由下列公式六所决定：

公式六： $\mathrm{THR}\_\mathrm{SC}=\frac{N_{\mathrm{mbv}}}{\mathrm{DA}}*N_{\mathrm{mbh}}*\mathrm{SC}\_\mathrm{RATIO}+1$

公式六中，N_mbv代表目前第j个画面中，每一行所包含宏区块的数量；N_mbh代表目前第j个画面中，每一列所包含宏区块的数量；DA为一自然数，用以决定检测区域，SC_RATIO为一场景变化比例(Scene change ratio)。如上所述的实施例，于视讯序列12的每一画面预先定义9列与11行，亦即每一列均包含11个宏区块，每一行均包含9个宏区块。用以决定检测区域的DA的大小可视画面率(F)的大小做调整。当DA设为3，且SC_RATIO设为20％时，临界值THR_SC即为7.6。

如图3所示，当DA设为3时，检测区域即为整个画面大小的1/3。于此实施例中，目前第2个子序列中的第33个画面的检测区域包含三列r1、r2以及r3。判断模块172会先于列r1的最后一个宏区块处(图3中的灰色区块)，判断列r1的内部编码宏区块数量总合是否大于临界值，若是，则判断目前第2个子序列中的第33个画面为一变化场景，若否，则继续判断列r2与列r1的内部编码宏区块数量总合是否大于临界值。直到检测区域中的所有列均检测完毕，再继续下一画面的判断。

当场景变化检测器17检测到第i个子序列中的第j个画面是一变化场景时，量化标度产生器24即会基于初始量化标度产生一调整的量化标度，并且编码器16会根据调整后的量化标度，对第i个子序列中的第j个画面以内部编码模式重新进行编码。

调整后的量化标度

由下列公式七所决定：

公式七： $\hat{Q}=Q*(\frac{S_{\mathrm{int\; ra}}}{L}*\frac{N_{\mathrm{mb}}}{N_{\mathrm{int\; ra}}}*\frac{F}{B})$

公式七中，N_mb代表目前第j个画面中，所有宏区块的数量；N_intra代表目前第j个画面于检测区域中，内部编码宏区块的数量；S_intra代表目前第j个画面于检测区域中，内部编码宏区块的位数；L代表一第二预定模型参数。

本发明还提供一种视讯编码方法，用以对一视讯序列进行编码。视讯序列包含N个子序列，N为一自然数，且每一个子序列均包含多个画面。亦即，本发明的视讯编码方法用以对视讯序列中，第i个子序列中的第j个画面进行编码。在该第i个子序列中的该第j个画面之前的画面均已完成编码，i为介于1至N范围中的一整数指标，j为介于2至该第i个子序列的画面数目范围中的一整数指标。需注意的是，每一个子序列中的第一个画面均是以内部编码模式加以编码。

请参阅图4，图4为本发明视讯编码方法的流程图。本发明的视讯编码方法包含下列步骤：

步骤S100：开始；

步骤S102：基于所述已完成编码的画面，产生一初始量化标度；

步骤S104：根据初始量化标度，对第i个子序列中的第j个画面以一中间编码模式进行编码；

步骤S106：于目前第j个画面中，决定一检测区域；

步骤S108：于检测区域一目前列的最后一个宏区块处，判断检测区域中的目前列及所有先前列的内部编码宏区块数量总合是否大于一临界值；

步骤S110：若步骤S108中的结果为肯定，则判断目前第j个画面为一变化场景，并进行步骤S112，若步骤S108中的结果为否定，则进行步骤S114；

步骤S112：基于初始量化标度产生一调整的量化标度，并且根据调整后的量化标度，对第i个子序列中的第j个画面以一内部编码模式重新进行编码，接着进行步骤S116；

步骤S114：继续对目前第j个画面进行步骤S108的判断，直到检测区域中的所有列均检测完毕，并且进行步骤S116；

步骤S116：重复进行步骤S102，直到视讯序列中每一画面均完成编码为止；

步骤S118：结束。

相较于文件技术，于本发明的视讯编码系统及其方法中，当视讯序列中的一目前画面为一变化场景时，本发明会根据先前已完成编码画面的复杂度信息，对该目前画面进行重新编码。换言之，本发明仅会针对发生场景变化的画面，进行重新编码的操作。因此，本发明结合了多次变动比特率以及单次变动比特率的技术，使得视讯序列在经过编码后，可以得到较佳、一致的影像质量，且不需要大量的存储空间来存储编码数据。

藉由以上较佳具体实施例的详述，是希望能更加清楚描述本发明的特征与精神，而并非以上述所披露的较佳具体实施例来对本发明的范畴加以限制。相反地，其目的是希望能涵盖各种改变及具相等性的安排于本发明所欲申请的专利范围的范畴内。

Claims (24)

1.一种视讯编码方法，一视讯序列包含N个子序列，每一个子序列均包含多个画面，该视讯编码方法用以对第i个子序列中的第j个画面进行编码，在该第i个子序列中的该第j个画面之前的、该视讯序列中的画面均已完成编码，N为一自然数，i为1至N范围中的一整数指标，j为2至该第i个子序列的画面数目范围中的一整数指标，该方法包含下列步骤：

(a)基于所述已完成编码的画面，产生一初始量化标度；

(b)根据该初始量化标度，对该第i个子序列中的该第j个画面以一第一编码模式进行编码；

(c)判断该第i个子序列中的该第j个画面于场景上相较于该第i个子序列中的第(j-1)个画面是否是一变化场景；以及

(d)若步骤(c)的结果为肯定，则基于该初始量化标度产生一调整量化标度，并且根据该调整量化标度，对该第i个子序列中的该第j个画面以一第二编码模式重新进行编码。

2.如权利要求1所述的方法，其中该第一编码模式为一中间编码模式。

3.如权利要求1所述的方法，其中该第二编码模式为一内部编码模式。

4.如权利要求1所述的方法，其中该初始量化标度是由一预测量化标度以及一差异量化标度所决定。

5.如权利要求4所述的方法，其中该预测量化标度Q_P经由下列公式所决定：

$Q_P=\frac{\mathrm{MIN}(X_A,X_L)}{B}+1,$

X_A代表一第一视讯复杂度，该第一视讯复杂度是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的视讯复杂度，X_L代表一第二视讯复杂度，该第二视讯复杂度是关于该第i个子序列中，第1个至第(j-1)个画面的视讯复杂度，B代表一预定目标比特率。

6.如权利要求5所述的方法，其中该第一视讯复杂度X_A经由下列公式所决定：

$X_A=S_A*Q_A*\frac{F}{N_A^2},$

S_A代表一第一位长度总合，该第一位长度总合是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的位长度总合，Q_A代表一第一量化标度总合，该第一量化标度总合是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的量化标度总合，N_A代表一第一画面数量，该第一画面数量是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的画面数量；F代表一预定画面率。

7.如权利要求6所述的方法，其中该第二视讯复杂度X_L经由下列公式所决定：

$X_L=S_L*Q_L*\frac{F}{N_L^2},$

S_L代表一弟二位长度总合，该第二位长度总合是关于该第i个子序列中，第1至第(j-1)个画面的位长度总合，Q_L代表一第二量化标度总合，该第二量化标度总合是关于该第i个子序列中，第1至第(j-1)个画面的量化标度总合，N_L代表一第二画面数量，该第二画面数量是关于该第i个子序列中，第1至第(j-1)个画面的画面数量。

8.如权利要求7所述的方法，其中该差异量化标度Q_d经由下列公式所决定：

$Q_d=K*(\frac{S_{\mathrm{buf}}}{\mathrm{buf}\_\mathrm{size}}-0.5);$

其中 $S_{\mathrm{buf}}=\mathrm{MAX}(S_{\mathrm{buf}}+S_j-\frac{B}{F},0),$

S_buf代表一比特流缓存器目前所存储的位数，S_j代表目前该第j个画面所产生的位数，buf_size代表一预定的比特流缓存器大小，K代表一第一预定模型参数，用以决定该差异量化标度的标度。

9.如权利要求8所述的方法，其中该初始量化标度Q经由下列公式所决定：

Q＝MAX(Q_MIN，MIN(Q_MAX，Q_P+Q_d))，

Q_MAX代表该初始量化标度的一预定最大值，Q_MIN代表该初始量化标度的一预定最小值。

10.如权利要求1所述的方法，其中于每一该多个画面中，预先定义一定数量的列与行，每一列包含多个宏区块，步骤(c)进一步包含下列步骤：

(c1)于目前该第j个画面中，决定一检测区域；

(c2)于该检测区域一目前列的最后一个宏区块处，判断该检测区域中的该目前列及所有先前列的内部编码宏区块数量总合是否大于一临界值；以及

(c3)若步骤(c2)的结果为肯定，则判断目前该第j个画面为一变化场景，若步骤(c2)中的结果为否定，则继续对目前该第j个画面进行步骤(c2)的判断，直到检测区域中的所有列均检测完毕。

11.如权利要求10所述的方法，其中该临界值由下列公式所决定：

$\mathrm{THR}\_\mathrm{SC}=\frac{N_{\mathrm{mbv}}}{\mathrm{DA}}*N_{\mathrm{mbh}}*\mathrm{SC}\_\mathrm{RATIO}+1$

其中，THR_SC代表该临界值，N_mbv代表目前该第j个画面中，每一行所包含宏区块的数量，N_mbh代表目前该第j个画面中，每一列所包含宏区块的数量，DA为一自然数，用以决定该检测区域，SC_RATIO为一场景变化比例。

12.如权利要求11所述的方法，其中该调整量化标度

由下列公式所决定：

$\hat{Q}=Q*(\frac{S_{\mathrm{int\; ra}}}{L}*\frac{N_{\mathrm{mb}}}{N_{\mathrm{int\; ra}}}*\frac{F}{B}),$

N_mb代表目前该第j个画面中，所有宏区块的数量，N_intra代表目前该第j个画面于第一次编码中，内部编码宏区块的数量，S_intra代表目前第j个画面于检测区域中，内部编码宏区块的位数，L代表一第二预定模型参数。

13.一种视讯编码系统，一视讯序列包含N个子序列，每一个子序列均包含多个画面，该视讯编码系统用以对第i个子序列中的第j个画面进行编码，在该第i个子序列中的该第j个画面之前的、该视讯序列中的画面均已完成编码，N为一自然数，i为1至N范围中的一整数指标，j为2至该第i个子序列的画面数目范围中的一整数指针，该系统包含：

一量化标度产生器，该量化标度产生器基于所述已完成编码的画面，用以产生一初始量化标度；

一编码器，该编码器耦合于该量化标度产生器，并且根据该初始量化标度，用以对该第i个子序列中的该第j个画面以一第一编码模式进行编码；以及

一场景变化检测器，该场景变化检测器耦合于该编码器，并且用以判断该第i个子序列中的该第j个画面于场景上相较于该第i个子序列中的第(j-1)个画面是否是一变化场景；

其中，若该第i个子序列中的该第j个画面是一变化场景，则该量化标度产生器基于该初始量化标度产生一调整量化标度，并且该编码器根据该调整量化标度，对该第i个子序列中的该第j个画面以一第二编码模式重新进行编码。

14.如权利要求13所述的系统，其中该第一编码模式为一中间编码模式。

15.如权利要求13所述的系统，其中该第二编码模式为一内部编码模式。

16.如权利要求13所述的系统，其中该初始量化标度是由一预测量化标度以及一差异量化标度所决定。

17.如权利要求16所述的系统，其中该预测量化标度Q_P经由下列公式所决定：

$Q_P=\frac{\mathrm{MIN}(X_A,X_L)}{B}+1,$

X_A代表一第一视讯复杂度，该第一视讯复杂度是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的视讯复杂度；X_L代表一第二视讯复杂度，该第二视讯复杂度是关于该第i个子序列中，第1至第(j-1)个画面的视讯复杂度；B代表一预定目标比特率。

18.如权利要求17所述的系统，其中该第一视讯复杂度X_A经由下列公式所决定：

$X_A=S_A*Q_A*\frac{F}{N_A^2},$

S_A代表一第一位长度总合，该第一位长度总合是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的位长度总合；Q_A代表一第一量化标度总合，该第一量化标度总合是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的量化标度总合；N_A代表一第一画面数量，该第一画面数量是关于该第i个子序列中的该第j个画面之前的、该视讯序列中的所有画面的画面数量；F代表一预定画面率。

19.如权利要求18所述的系统，其中该第二视讯复杂度X_L经由下列公式所决定：

$X_L=S_L*Q_L*\frac{F}{N_L^2},$

S_L代表一第二位长度总合，该第二位长度总合是关于该第i个子序列中，第1至第(j-1)个画面的位长度总合；Q_L代表一第二量化标度总合，该第二量化标度总合是关于该第i个子序列中，第1至第(j-1)个画面的量化标度总合；N_L代表一第二画面数量，该第二画面数量是关于该第i个子序列中，第1至第(j-1)个画面的画面数量。

20.如权利要求19所述的系统，其中该差异量化标度Q_d经由下列公式所决定：

$Q_d=K*(\frac{S_{\mathrm{buf}}}{\mathrm{buf}\_\mathrm{size}}-0.5);$

其中 $S_{\mathrm{buf}}=\mathrm{MAX}(S_{\mathrm{buf}}+S_j-\frac{B}{F},0),$

S_buf代表一比特流缓存器目前所存储的位数，S_j代表目前该第j个画面所产生的位数，buf_size代表一预定的比特流缓存器大小，K代表一第一预定模型参数，用以决定该差异量化标度的标度。

21.如权利要求20所述的方法，其中该初始量化标度Q经由下列公式所决定：

Q＝MAX(Q_MIN，MIN(Q_MAX，Q_P+Q_d))，

Q_MAX代表该初始量化标度的一预定最大值，Q_MIN代表该初始量化标度的一预定最小值。

22.如权利要求13所述的系统，其中于每一该多个画面中，预先定义一定数量的列与行，每一列包含多个宏区块，该场景变化检测器进一步包含：

一决定模块，该决定模块用以于目前该第j个画面中，决定一检测区域；以及

一判断模块，该判断模块用以于该检测区域一目前列的最后一个宏区块处，判断该检测区域中的该目前列及所有先前列的内部编码宏区块数量总合是否大于一临界值；

其中，若该检测区域中的该目前列及所有先前列的内部编码宏区块数量总合大于该临界值，则该判断模块判断目前该第j个画面为一变化场景，反之，则该判断模块继续对目前该第j个画面进行判断，直到检测区域中的所有列均检测完毕。

23.如权利要求22所述的系统，其中该临界值由下列公式所决定：

$\mathrm{THR}\_\mathrm{SC}=\frac{N_{\mathrm{mbv}}}{\mathrm{DA}}*N_{\mathrm{mbh}}*\mathrm{SC}\_\mathrm{RATIO}+1,$

其中，THR_SC代表该临界值，N_mbv代表目前该第j个画面中，每一行所包含宏区块的数量，N_mbh代表目前该第j个画面中，每一列所包含宏区块的数量，DA为一自然数，用以决定该检测区域，SC_RATIO为一场景变化比例。

24.如权利要求23所述的系统，其中该调整量化标度

由下列公式所决定：

$\hat{Q}=Q*(\frac{S_{\mathrm{int\; ra}}}{L}*\frac{N_{\mathrm{mb}}}{N_{\mathrm{int\; ra}}}*\frac{F}{B}),$

N_mb代表目前该第j个画面中，所有宏区块的数量，N_intra代表目前该第j个画面于第一次编码中，内部编码宏区块的数量，S_intra代表目前第j个画面于检测区域中，内部编码宏区块的位数，L代表一第二预定模型参数。

Images