CN102098505A - 监控视频压缩方法及设备 - Google Patents

Abstract

本发明提供一种监控视频压缩方法及设备。该方法包括获取视频帧；对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果，所述内容识别包括如下项中的至少一项：运动检测、轮廓检测；根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值；每个宏块分别采用对应的QP值进行量化编码。本发明实施例可以去除内容冗余及提高压缩性能。

Description

监控视频压缩方法及设备

技术领域

本发明涉及视频技术领域，尤其涉及一种监控视频压缩方法及设备。

背景技术

H.264在视频编码领域有广泛的应用，其采用一系列先进的信息处理技术，大大提高了压缩比。采用H.264的编码器在量化时根据每帧对应的量化参数(QP)进行量化，通常来讲，QP值每增加6，则量化步长会增加1倍。与普通的电视电影视频场景相比，监控视频场景往往具有以下的一些特点：背景固定不变，运动的前景物体较少，场景相对稳定，鲜有剧烈变化，帧速较慢，即，监控视频具有低帧率、帧间相关性高的特点。监控视频具有的上述低帧率及帧间相关性高的特点使得监控视频中存在较多的内容冗余，使得监控视频比一般视频具有更大的信息压缩潜力。现有技术存在如下的方式提高视频的压缩比，第一种方式是去除时间和空间上的冗余，第二种方式是基于每帧的内容的压缩，对于重要帧采用较小的QP值，对非重要帧采用较大的QP值，实现保持重要帧的清晰化的基础上增大压缩比。

在实现本发明的过程中，发明人发现现有技术至少存在如下问题：第一种方式并不能去除内容冗余，而监控视频中存在较多的内容冗余；第二种方式是以每帧为单位的，但是为了一帧中的一小块部分而清晰化整个一帧图像，使得压缩性能不够理想。

发明内容

本发明实施例是提供一种监控视频压缩方法及设备，用以解决现有技术中存在的不能去除内容冗余或者压缩性能不够理想的问题。

本发明实施例提供了一种监控视频压缩方法，包括：

获取视频帧；

对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果，所述内容识别包括如下项中的至少一项：运动检测、轮廓检测；

根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值；

对每个宏块分别采用对应的QP值进行量化编码。

本发明实施例提供一种监控视频压缩设备，包括：

获取模块，用于获取视频帧；

内容识别模块，用于对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果，所述内容识别包括如下项中的至少一项：运动检测、轮廓检测；

计算模块，用于根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值；

量化编码模块，用于对每个宏块分别采用对应的QP值进行量化编码。

由上述技术方案可知，本发明实施例通过对每个宏块进行内容识别，得到每个宏块对应的QP值，用QP值对相应的宏块进行量化编码，可以实现基于宏块级的内容识别的监控视频压缩方案。由于是根据内容进行相应控制的，可以去除视频监控中存在的多余的内容冗余；由于是以宏块为单位的，可以避免以帧为单位时造成的压缩性能不够理想的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种监控视频压缩方法的一个实施例的流程示意图；

图2为本发明一种监控视频压缩方法的又一个实施例的流程示意图；

图3为本发明一种监控视频压缩方法的一个实施例的仿真效果示意图；

图4为本发明一种监控视频压缩方法的又一个实施例的流程示意图；

图5为本发明一种监控视频压缩方法的又一个实施例的仿真效果示意图；

图6为本发明一种监控视频压缩方法的又一个实施例的流程示意图；

图7为本发明一种监控视频压缩方法的又一个实施例的仿真效果示意图；

图8为本发明一种监控视频压缩设备的一个实施例的结构示意图；

图9为本发明一种监控视频压缩设备的一个实施例应用到系统中的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一种监控视频压缩方法的一个实施例的流程示意图，包括：

步骤11：获取视频帧。

其中，视频帧是监控视频的单一图像，为了简化后续内容识别的处理，此处的视频帧可以为RGB格式。

步骤12：对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果，所述内容识别包括如下项中的至少一项：运动检测、轮廓检测。

其中，一个视频帧由多个宏块组成，一个宏块由一个16×16亮度像素块和附加的一个8×8Cb和一个8×8Cr彩色像素块组成。

宏块可以分为I宏块、P宏块和B宏块。在H.264中，I帧只包含I宏块、P帧可以包含P宏块和I宏块、B帧可以包含B宏块和I宏块。I宏块利用从当前帧中已解码的像素作为参考进行帧内预测，不提取其他帧中的已解码的像素作为参考进行帧内预测；P宏块利用前面帧中已解码的像素作为参考进行帧内预测；B宏块利用双向帧中已解码的像素作为参考进行帧内预测。I宏块相对于P宏块和B宏块，在数量上所占比例较少，但是，I宏块是影响视频帧清晰度的关键因素。

对应于单一宏块，内容识别结果包括：该宏块是否为重要宏块，当为重要宏块时，该宏块的具体内容识别类型。例如，进行运动检测时，当一宏块中包含运动信息时，则该宏块为重要宏块，且该宏块的内容识别类型为运动检测；当另一宏块中不包含运动信息时，则该宏块为非重要宏块。又例如，进行轮廓检测时，当一宏块中包含轮廓信息时，则该宏块为重要宏块，且该宏块的内容识别类型为轮廓检测；当另一宏块中不包含轮廓信息时，则该宏块为非重要宏块。再例如，既进行运动检测又进行轮廓检测时，当一宏块中包含运动信息又包含轮廓信息时，则该宏块为重要宏块，且该宏块的内容识别类型为运动检测及轮廓检测；当一宏块中包含运动信息时，则该宏块为重要宏块，且该宏块的内容识别类型为运动检测；当一宏块中包含轮廓信息时，则该宏块为重要宏块，且该宏块的内容识别类型为轮廓检测；当一宏块中既不包含运动信息又不包含轮廓信息时，则该宏块为非重要宏块。

步骤13：根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值。

具体地，对于单一宏块的QP值的计算公式可以如下：

QP＝f(typeCheck，typeMB，CheckMap)

其中，QP为单一宏块的QP值；typeCheck表明该宏块的内容识别类型，例如，运动检测、轮廓检测或者运动检测及轮廓检测；typeMB表明该宏块的编码类型，例如，I宏块、P宏块或者B宏块；CheckMap表明该宏块是否为重要宏块。

具体的数值可以如下：

其中，CheckMap＝1表明该宏块为重要宏块，CheckMap＝0表明该宏块为非重要宏块。

可以理解的是，上述各参数对应的QP值只是示例，并不限于上述值，可以根据实际需要进行QP值的调整，例如，由于I宏块在视频帧中对清晰度的影响较大，因此，当宏块为I宏块时，其对应的QP值不能太大；而对于P宏块和B宏块对应的QP值可以根据内容识别结果进行调整，调整可以根据测试效果自行更改，从而达到一个比较稳定有效的范围。由于I宏块在数量上远小于P宏块和B宏块，因此，对P宏块和B宏块采用较大的QP值进行量化编码，可以有效减少视频编码后的大小，从而降低视频传输的码率，为实际应用带来更大的效益空间。当然，计算参数也可以结合其他的参数，例如，可以结合码率控制，对内容识别后的宏块的QP进行控制，使得压缩效果更好。

步骤14：对每个宏块分别采用对应的QP值进行量化编码。

本实施例的执行主体可以为监控视频压缩设备。

本实施例通过对每个宏块进行内容识别，得到每个宏块对应的QP值，用QP值对相应的宏块进行量化编码，可以实现基于宏块级的内容识别的监控视频压缩方案。由于是根据内容进行相应控制的，可以去除视频监控中存在的多余的内容冗余；由于是以宏块为单位的，可以避免以帧为单位时造成的压缩性能不够理想的问题。

本发明实施例是在H.264的基础上进行改进的，在对监控视频编码之前根据运动检测和/或轮廓检测的结果对宏块进行处理，使得在保证重要宏块的基础上，有效提高压缩比。下面分别对不同的内容识别方式进行描述。

图2为本发明一种监控视频压缩方法的又一个实施例的流程示意图，本实施例以轮廓检测，具体为人脸检测为例进行说明。参见图2，本实施例包括：

步骤201：读取YUV格式的视频帧；

步骤202：将YUV格式的视频帧转换为RGB格式的视频帧；

由于视频帧通常以YUV格式进行传输，而在量化编码时通过采用RGB格式的视频帧，因此，首先需要视频帧格式的转换。具体的转换过程可以采用现有技术实现。

步骤203：对应视频帧中的每个宏块，判断单一宏块是否为I宏块，若是，执行步骤208，否则，执行步骤204。

步骤204：对该视频帧中的每个宏块分别进行人脸识别，得到每个宏块中可疑的人脸像素点的个数。

具体地，基于像素点的人脸识别过程可以如下：首先对图像进行如光线补偿，二值化，形态学闭运算等预处理，在处理的结果上利用轮廓算法进行人脸轮廓的基本勾勒，从而以此作为待检测区域，同时对该轮廓区域运行Sobel算子勾勒人脸得出区域1，然后对于圆形轮廓区域分两个方面进行，一方面利用改进的粒子群优化算法进行人脸具体区域的检测得到人脸区域2，而另一方面对待检测区域再次使用光线补偿，在光线补偿的基础上再进行肤色检测得到肤色的待检测区域3，合并区域检测结果人脸1、2和区域3，得到最终的检测结果，该方法在速度和检测结果方面均有很大的提高。

步骤205：判断该宏块中可疑的人脸像素点个数是否超过预先设置的人脸识别阈值，若是，执行步骤206，否则，执行步骤207。

步骤206：得到该宏块为重要宏块，且该宏块的内容识别类型为人脸识别。

其中，可以用CheckMap表征是否为重要宏块，用typeCheck表征内容识别类型。则此时CheckMap＝1，typeCheck＝人脸识别。

由于上述基于像素的识别方式可以会造成误差，例如，当宏块中存在可疑的人脸像素点时，即确定该宏块为重要宏块。但是，在实际应用时，该可疑的人脸像素点可能是误判的，因此，仅仅根据是否存在可疑的人脸像素点进行宏块判断是不够准确的。为此，本实施例通过统计宏块内的像素点的个数，可以消除一些误判的人脸信息，使检测更准确。

步骤207：得到该宏块为非重要宏块，即此时CheckMap＝0。

步骤208：对应于每个宏块，计算该宏块的QP值。

具体的计算公式可以如步骤13中所示，例如，当一宏块为I宏块时，得到此时的QP＝24，当一宏块为重要宏块时，其QP＝24，当为非重要宏块时，其QP＝51。

步骤209：根据对应的QP值对相应的宏块进行量化编码。

图3为本发明一种监控视频压缩方法的一个实施例的仿真效果示意图，该仿真相关信息如下：开发平台为vs2005，视频格式为QCIF，分辨率为352*288，帧率为15f/s(帧/秒)。参见图3，可以看出，采用人脸识别技术后，人脸部分并无失真，只是在亮度上有稍微差异，但是非人脸部分作了失真处理，可以看到背景细节部分有失真现象。经过人脸识别的视频帧的大小为157KB，无人脸识别的视频帧的大小为282KB，即2个视频的大小大约成2倍关系，说明本实施例可以提高压缩比，降低码率。

本实施例通过对每个宏块进行人脸识别，得到每个宏块对应的QP值，用QP值对相应的宏块进行量化编码，可以实现基于宏块级的内容识别的监控视频压缩方案。可以有效消除内容冗余及更好提高视觉效果。

图4为本发明一种监控视频压缩方法的又一个实施例的流程示意图，本实施例以运动检测为例进行说明。参见图4，本实施例包括：

步骤401-402：与步骤201-202对应相同。

步骤403：对应视频帧中的每个宏块，判断单一宏块是否为I宏块，若是，执行步骤408，否则，执行步骤404。

步骤404：对该视频帧中的每个宏块分别进行运动检测，得到每个宏块中可疑的运动像素点的个数。

具体地，基于像素点的运动检测过程可以如下：采用图像序列差分法，即利用两帧图像亮度差的绝对值来分析视频和图像序列的运动特性，确定图像序列中有无物体运动。如果差的绝对值小于某一阈值T，则没有运动；反之，则存在运动。帧差法就其阈值选择方法的不同，有不同的方法。最简单、速度快、也最容易实现的方法就是一帧图像选择一个阈值，但这种方法仅适用于背景与前景的灰度有明显对比度的情况，不适用于背景与前景灰度交叉的情况，而且对摄像机和光照条件的变化非常敏感。

步骤405：判断该宏块中可疑的运动像素点个数是否超过预先设置的运动检测阈值，若是，执行步骤406，否则，执行步骤407。

步骤406：得到该宏块为重要宏块，且该宏块的内容识别类型为运动检测。

其中，可以用CheckMap表征是否为重要宏块，用typeCheck表征内容识别类型。则此时CheckMap＝1，typeCheck＝运动检测。

由于上述基于像素的识别方式可以会造成误差，例如，当宏块中存在可疑的运动像素点时，即确定该宏块为重要宏块。但是，在实际应用时，该可疑的运动像素点可能是误判的，因此，仅仅根据是否存在可疑的运动像素点进行宏块判断是不够准确的。为此，本实施例通过统计宏块内的像素点的个数，可以消除一些误判的运动信息，使检测更准确。

步骤407：得到该宏块为非重要宏块，即此时CheckMap＝0。

步骤408：对应于每个宏块，计算该宏块的QP值。

具体的计算公式可以如步骤13中所示，例如，当一宏块为I宏块时，得到此时的第一QP值为QP＝24，当一宏块为重要宏块时，其QP＝24，当为非重要宏块时，得到此时的第二QP值为QP＝51。

步骤409：根据对应的QP值对相应的宏块进行量化编码。

图5为本发明一种监控视频压缩方法的又一个实施例的仿真效果示意图，该仿真相关信息如下：开发平台为vs2005，视频格式为QCIF，分辨率为352*288，帧率为15f/s(帧/秒)。此视频采用了运动检测，共37帧。视频内容只有人的手挥动了一下。参见图5，采用运动检测技术后，视频的大小为18KB，而现有无运动检测的视频大小为46KB，由此可见，采用运动检测技术后可以大大提高压缩率。

本实施例通过对每个宏块进行运动检测，得到每个宏块对应的QP值，用QP值对相应的宏块进行量化编码，可以实现基于宏块级的内容识别的监控视频压缩方案。可以有效消除内容冗余及更好提高视觉效果

图6为本发明一种监控视频压缩方法的又一个实施例的流程示意图，本实施例以运动检测为例进行说明。参见图6，本实施例包括：

步骤601-602：与步骤201-202对应相同。

步骤603：对应视频帧中的每个宏块，判断单一宏块是否为I宏块，若是，执行步骤611，否则，执行步骤604。

步骤604：与步骤204相同。

步骤605：判断该宏块中可疑的人脸像素点个数是否超过预先设置的人脸识别阈值，若是，执行步骤606，否则，执行步骤607。

步骤606：得到该宏块为重要宏块，且该宏块的内容识别类型为人脸识别。

步骤607：对该视频帧中的每个宏块分别进行运动检测，得到每个宏块中可疑的运动像素点的个数。

具体地，运动检测过程可以如下：采用图像序列差分法，即利用两帧图像亮度差的绝对值来分析视频和图像序列的运动特性，确定图像序列中有无物体运动。如果差的绝对值小于某一阈值T，则没有运动；反之，则存在运动。帧差法就其阈值选择方法的不同，有不同的方法。最简单、速度快、也最容易实现的方法就是一帧图像选择一个阈值，但这种方法仅适用于背景与前景的灰度有明显对比度的情况，不适用于背景与前景灰度交叉的情况，而且对摄像机和光照条件的变化非常敏感。

步骤608：判断该宏块中可疑的运动像素点个数是否超过预先设置的运动检测阈值，若是，执行步骤609，否则，执行步骤610。

步骤609：得到该宏块为重要宏块，且该宏块的内容识别类型为运动检测。

其中，可以用CheckMap表征是否为重要宏块，用typeCheck表征内容识别类型。则此时CheckMap＝1，typeCheck＝运动检测。

由于上述基于像素的识别方式可以会造成误差，例如，当宏块中存在可疑的运动像素点时，即确定该宏块为重要宏块。但是，在实际应用时，该可疑的运动像素点可能是误判的，因此，仅仅根据是否存在可疑的运动像素点进行宏块判断是不够准确的。为此，本实施例通过统计宏块内的像素点的个数，可以消除一些误判的运动信息，使检测更准确。

步骤610：得到该宏块为非重要宏块，即此时CheckMap＝0。

步骤611：对应于每个宏块，计算该宏块的QP值。

具体的计算公式可以如步骤13中所示，例如，当一宏块为I宏块时，得到此时的QP＝24，当一宏块为重要宏块且为人脸识别时，其QP＝24，当一宏块为重要宏块且为运动检测时，其QP＝24，当一宏块为重要宏块且为人脸识别及运动检测时，其QP＝24，当为非重要宏块时，其QP＝51。

步骤612：根据对应的QP值对相应的宏块进行量化编码。

可以理解的是，本实施例中的人脸识别和运动检测无时序限制关系。

图7为本发明一种监控视频压缩方法的又一个实施例的仿真效果示意图，该仿真相关信息如下：开发平台为vs2005，视频格式为CIF，分辨率为176*144，帧率为15f/s(帧/秒)。此视频采用了人脸识别和运动检测，共298帧。图7中的两个图均采用了内容检测，只是人脸清晰的图采用的人脸区域的阈值较小，可以使得视频帧中的较细微的人脸也被清晰化，不论是人脸清晰的视频帧的大小(297KB)，还是人脸模糊的视频帧的大小(264KB)，均比现有不进行内容检测的视频帧的大小(692KB)小，因此，采用内容检测可以大大增强压缩比。

本实施例通过对每个宏块进行人脸识别和运动检测，得到每个宏块对应的QP值，用QP值对相应的宏块进行量化编码，可以实现基于宏块级的内容识别的监控视频压缩方案。可以有效消除内容冗余及更好提高视觉效果。

图8为本发明一种监控视频压缩设备的一个实施例的结构示意图，包括获取模块81、内容识别模块82、计算模块83和量化编码模块84，获取模块81用于获取视频帧；内容识别模块82用于对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果，所述内容识别包括如下项中的至少一项：运动检测、轮廓检测；计算模块83用于根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值；量化编码模块84用于对每个宏块分别采用对应的QP值进行量化编码。

其中，获取模块81可以包括第一单元和第二单元，第一单元，用于读取YUV格式的视频帧；第二单元，用于将所述YUV格式的视频帧转换为RGB格式的视频帧。

内容识别模块82可以包括第三单元和/或第四单元；所述第三单元用于当所述内容识别为运动检测时，对应于所述视频帧中的每个宏块，确定单一宏块中包含运动信息的像素点的个数，当所述像素点的个数大于等于预先设置的运动检测阈值时，得到所述单一宏块的内容识别结果为：所述单一宏块为重要宏块且内容识别类型为运动检测；所述第四单元用于当所述内容识别为轮廓检测时，对应于所述视频帧中的每个宏块，确定单一宏块中包含轮廓信息的像素点的个数，当所述像素点的个数大于等于预先设置的轮廓检测阈值时，得到所述单一宏块的内容识别结果为：所述单一宏块为重要宏块且内容识别类型为轮廓检测。

计算模块83可以包括第一判断单元、第二判断单元和第五单元，第一判断单元，用于对应于每个宏块，判断单一宏块的编码类型是否为I宏块，当为I宏块时，得到所述单一宏块的QP值为第一QP值；第二判断单元，用于当不为I宏块时，判断所述单一宏块是否为重要宏块，当不为重要宏块时，得到所述单一宏块的QP值为第二QP值；第五单元，用于当不为I宏块且为重要宏块时，得到所述单一宏块的QP值为与所述内容识别类型对应的QP值。

所述第一QP值小于等于与所述内容识别类型对应的QP值，与所述内容识别类型对应的QP值小于等于所述第二QP值。

上述模块的具体功能可以参见方法实施例，不再赘述。

图9为本发明一种监控视频压缩设备的一个实施例应用到系统中的结构示意图，参见图9，需要引入该监控视频压缩设备91，其余模块为现有系统中的功能模块，不再赘述。

本实施例通过对每个宏块进行内容识别，得到每个宏块对应的QP值，用QP值对相应的宏块进行量化编码，可以实现基于宏块级的内容识别的监控视频压缩方案。由于是根据内容进行相应控制的，可以去除视频监控中存在的多余的内容冗余；由于是以宏块为单位的，可以避免以帧为单位时造成的压缩性能不够理想的问题。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种监控视频压缩方法，其特征在于，包括：

获取视频帧；

对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果，所述内容识别包括如下项中的至少一项：运动检测、轮廓检测；

根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值；

对每个宏块分别采用对应的QP值进行量化编码。

2.根据权利要求1所述的方法，其特征在于，所述获取视频帧包括：

读取YUV格式的视频帧；

将所述YUV格式的视频帧转换为RGB格式的视频帧。

3.根据权利要求1所述的方法，其特征在于，所述对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果包括：

当所述内容识别为运动检测时，对应于所述视频帧中的每个宏块，确定单一宏块中包含运动信息的像素点的个数，当所述像素点的个数大于等于预先设置的运动检测阈值时，得到所述单一宏块的内容识别结果为：所述单一宏块为重要宏块且内容识别类型为运动检测；

和/或，

当所述内容识别为轮廓检测时，对应于所述视频帧中的每个宏块，确定单一宏块中包含轮廓信息的像素点的个数，当所述像素点的个数大于等于预先设置的轮廓检测阈值时，得到所述单一宏块的内容识别结果为：所述单一宏块为重要宏块且内容识别类型为轮廓检测。

4.根据权利要求3所述的方法，其特征在于，所述根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值包括：

对应于每个宏块，判断单一宏块的编码类型是否为I宏块，当为I宏块时，得到所述单一宏块的QP值为第一QP值；

当不为I宏块时，判断所述单一宏块是否为重要宏块，当不为重要宏块时，得到所述单一宏块的QP值为第二QP值；

当不为I宏块且为重要宏块时，得到所述单一宏块的QP值为与所述内容识别类型对应的QP值。

5.根据权利要求4所述的方法，其特征在于，所述第一QP值小于等于与所述内容识别类型对应的QP值，与所述内容识别类型对应的QP值小于等于所述第二QP值。

6.一种监控视频压缩设备，其特征在于，包括：

获取模块，用于获取视频帧；

内容识别模块，用于对所述视频帧中的每个宏块分别进行内容识别，得到每个宏块的内容识别结果，所述内容识别包括如下项中的至少一项：运动检测、轮廓检测；

计算模块，用于根据每个宏块的内容识别结果及每个宏块的编码类型，得到每个宏块的QP值；

量化编码模块，用于对每个宏块分别采用对应的QP值进行量化编码。

7.根据权利要求6所述的设备，其特征在于，所述获取模块包括：

第一单元，用于读取YUV格式的视频帧；

第二单元，用于将所述YUV格式的视频帧转换为RGB格式的视频帧。

8.根据权利要求6所述的设备，其特征在于，所述内容识别模块包括：

第三单元和/或第四单元；

所述第三单元用于当所述内容识别为运动检测时，对应于所述视频帧中的每个宏块，确定单一宏块中包含运动信息的像素点的个数，当所述像素点的个数大于等于预先设置的运动检测阈值时，得到所述单一宏块的内容识别结果为：所述单一宏块为重要宏块且内容识别类型为运动检测；

所述第四单元用于当所述内容识别为轮廓检测时，对应于所述视频帧中的每个宏块，确定单一宏块中包含轮廓信息的像素点的个数，当所述像素点的个数大于等于预先设置的轮廓检测阈值时，得到所述单一宏块的内容识别结果为：所述单一宏块为重要宏块且内容识别类型为轮廓检测。

9.根据权利要求8所述的设备，其特征在于，所述计算模块包括：

第一判断单元，用于对应于每个宏块，判断单一宏块的编码类型是否为I宏块，当为I宏块时，得到所述单一宏块的QP值为第一QP值；

第二判断单元，用于当不为I宏块时，判断所述单一宏块是否为重要宏块，当不为重要宏块时，得到所述单一宏块的QP值为第二QP值；

第五单元，用于当不为I宏块且为重要宏块时，得到所述单一宏块的QP值为与所述内容识别类型对应的QP值。

10.根据权利要求9所述的设备，其特征在于，所述第一QP值小于等于与所述内容识别类型对应的QP值，与所述内容识别类型对应的QP值小于等于所述第二QP值。

Images