CN105225247B - 运动信息捕捉方法及其装置、编码器 - Google Patents
运动信息捕捉方法及其装置、编码器 Download PDFInfo
- Publication number
- CN105225247B CN105225247B CN201410276202.9A CN201410276202A CN105225247B CN 105225247 B CN105225247 B CN 105225247B CN 201410276202 A CN201410276202 A CN 201410276202A CN 105225247 B CN105225247 B CN 105225247B
- Authority
- CN
- China
- Prior art keywords
- sub
- block
- motion
- integrogram
- complexity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000010606 normalization Methods 0.000 claims description 6
- 239000004744 fabric Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000012806 monitoring device Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种运动信息捕捉方法及其装置、编码器。所述方法包括:配置感兴趣运动区域的大小;获取当前视频帧每个子块的运动矢量与差值绝对值和,并据此获得每个子块的运动复杂度值;依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图;在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置;依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度,并据此调整视频监控设备。本发明利用视频编码器产生的视频图像的分析信息用于运动信息的捕捉,从而大幅度降低了运动信息捕捉算法的复杂度。
Description
技术领域
本发明属于图像处理技术领域,具体而言,涉及一种运动信息捕捉方法及其装置、编码器。
背景技术
当前随着视频监控技术的不断发展进步,用户对视频传感芯片撷取视频的要求也随之越来越高,例如既要求更高的视频压缩能力又要降低视频的带宽占用率,或要求在有限的带宽中传输更好图像质量的视频,或要求提升高清视频序列的存储效率,等等。除此之外,用户对于视频的采集往往还提出了智能化的需求,例如,用户希望视频监控设备能够自动有效地捕捉运动区域的运动信息,从而视频监控设备能够自主调整云台的监控区域以实现聚焦,进而更好地获取有价值信息,为用户所用。
但在实际的应用当中,随着视频压缩能力的不断提高,视频编解码算法的复杂度也在不断提升,与此同时,为了满足高复杂度智能算法的需求,尤其在当前高清1080p的视频监控较为普及的情况下,视频监控设备的运算单元的运算资源更是难以承受。具体地,现有技术中为了获取更高的压缩率,视频编码算法需要对图像进行各种分析与处理,如图像的纹理复杂分析与运动复杂分析、视频编码单元的分层分析以及图像的频率变换分析等,从这些分析算法中以获取更有效的编码方式,从而得到更高的视频压缩率或在同等带宽下得到更好的图像质量。另一方面,由于摄像机的视角有限,当在监控区域具有一个或多个物体运动时,视频监控设备能够自主地调整拍摄角度以实现聚焦、从而以更好的获得视频信息显得极为重要,特别是在无人值守的监控区域则更加突出,但本发明的发明人发现,要么该算法由于运算量过大导致其往往难以实施,要么需要运算能力非常强的数字信号处理器来运行相对应的复杂算法,而由此带来了视频监控设备制造成本以及功耗大幅度攀升的问题,并且随着功耗的提升,设计人员还需要对该硬件设计进行特殊的散热设计,另一程度上更加推高了视频监控设备的制造成本。
发明内容
本发明的发明人想到,在运动信息的捕捉过程中间,如果能有效地利用编码器(例如支持H.265视频编码压缩标准的编码器)中编码算法所产生的信息,作为视频监控设备进行角度调整计算的依据,必将降低整体视频监控设备的设计成本。因此如何能有效地利用编码器算法产生的视频分析信息,从而最大限度地发挥运算单元的性能是本发明要解决的技术问题。
鉴于此,本发明实施例提供了一种运动信息捕捉方法及其装置、编码器。
本发明实施例采用以下技术方案实现:
一种运动信息捕捉方法,包括:
配置感兴趣运动区域的大小;
获取当前视频帧每个子块的运动矢量与差值绝对值和,并据此获得每个子块的运动复杂度值;
依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图;
在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置;
依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度,并据此调整视频监控设备。
优选地,依据n×n个子块的运动矢量MV与差值绝对值和SAD采用如下数学式计算获得每个子块的运动复杂度值Cost:
Cost=SAD+β×MV;
其中β为MV与SAD的归一化因子;
MVx以及MVy分别为运动矢量MV在水平与垂直方向的分量;
当SAD不等于0时,β=(n×n×255)/SAD;
当SAD等于0时,β=(n×n×255)。
优选地,依据每个子块的运动复杂度值Cost构建子块的运动复杂度分布积分图的策略为:
依据每个子块的运动复杂度值Cost构成一个(H×W)/n×n的运动复杂度分布图f(x,y),其中,当前视频帧图像的高度及宽度分别为H及W,x及y分别为运动复杂度分布图的坐标,其中,0≤x<W/n;0≤y<H/n;
采用如下数学式对所述运动复杂度分布图f(x,y)进行计算,构建子块的运动复杂度分布积分图F(x,y):
0≤i<W/n,0≤j<H/n。
优选地,在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值的策略为:
搜索运动复杂度分布积分图F(x,y),采用如下数学式计算感兴趣运动区域中子块每个点的运动复杂度积分I(x,y);
I(x,y)=F(x+w,y+h)-F(x+w,y)-F(x,y+h)+F(x,y);
其中,感兴趣运动区域的宽度为b,高度为a;每个子块的宽度为w,高度为h;
计算I(x,y)在0≤x<(w-b)/n以及0≤y<(H-a)/n范围内的最大值。
一种运动信息捕捉装置,包括:
用于配置感兴趣运动区域的大小的配置单元;
用于获取当前视频帧每个子块的运动矢量与差值绝对值和、并据此获得每个子块的运动复杂度值的第一计算单元;
用于依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图的构建单元;
用于在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置的第二计算单元;
用于依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度、并据此调整视频监控设备的执行单元。
优选地,第一计算单元依据n×n个子块的运动矢量MV与差值绝对值和SAD采用如下数学式计算获得每个子块的运动复杂度值Cost:
Cost=SAD+β×MV;
其中β为MV与SAD的归一化因子;
MVx以及MVy分别为运动矢量MV在水平与垂直方向的分量;
当SAD不等于0时,β=(n×n×255)/SAD;
当SAD等于0时,β=(n×n×255)。
优选地,构建单元依据每个子块的运动复杂度值Cost构建子块的运动复杂度分布积分图的策略为:
依据每个子块的运动复杂度值Cost构成一个(H×W)/n×n的运动复杂度分布图f(x,y),其中,当前视频帧图像的高度及宽度分别为H及W,x及y分别为运动复杂度分布图的坐标,其中,0≤x<W/n;0≤y<H/n;
采用如下数学式对所述运动复杂度分布图f(x,y)进行计算,构建子块的运动复杂度分布积分图F(x,y):
0≤i<W/n,0≤j<H/n。
优选地,第二计算单元在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值的策略为:
搜索运动复杂度分布积分图F(x,y),采用如下数学式计算感兴趣运动区域中子块每个点的运动复杂度积分I(x,y);
I(x,y)=F(x+w,y+h)-F(x+w,y)-F(x,y+h)+F(x,y);
其中,感兴趣运动区域的宽度为b,高度为a;每个子块的宽度为w,高度为h;
计算I(x,y)在0≤x<(w-b)/n以及0≤y<(H-a)/n范围内的最大值。
一种编码器,其包括如上所述的运动信息捕捉装置,所述运动信息捕捉装置包括:
用于配置感兴趣运动区域的大小的配置单元;
用于获取当前视频帧每个子块的运动矢量与差值绝对值和、并据此获得每个子块的运动复杂度值的第一计算单元;
用于依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图的构建单元;
用于在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置的第二计算单元;
用于依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度、并据此调整视频监控设备的执行单元。
本发明利用视频编码器产生的视频图像的分析信息用于运动信息的捕捉,从而大幅度降低了运动信息捕捉算法的复杂度,降低了视频监控设备所需运算单元的运算资源,与此同时也相应的降低了其运算功耗,在实际应用当中,采用较低频率的CPU即可满足要求,进而节省了视频监控设备的成本。
附图说明
图1是编码图像划分的编码单元示意图。
图2是高级视频编码器结构示意图。
图3是本发明实施例提供的运动信息捕捉方法流程示意图。
图4是本发明实施例提供的运动信息捕捉装置结构示意图。
本发明目的的实现、功能特点及优异效果,下面将结合具体实施例以及附图做进一步的说明。
具体实施方式
下面结合附图和具体实施例对本发明所述技术方案作进一步的详细描述,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
视频编码器是对视频序列进行压缩的装置,通常他将视频图像划分为多个编码单元进行编码压缩,如H.264编码协议中视频图像的编码单元为16x16的块,称为宏块,如图1所示。H.265协议中编码单元为64x64到8x8的块。编码器协议以多个编码单元为单位进行块的运动分析与纹理分析,判断编码单元的编码类型,如:帧间块的编码计算运动矢量大小、残差、子块划分方式,帧内块的编码计算帧内块的类型,纹理方向、残差、子块划分方式等。编码器的结构图如图2所示,其中ME(运动估计)、IPE(帧内模式估计)对编码单元进行运动以及纹理分析的功能单元。在本发明中,通过结合编码器所产生的图像块的分析信息以及用户配置的感兴趣区域大小进行运算以智能地调整视频监控设备,例如摄像机的云台设备,以便摄像机更好地捕捉感兴趣信息(运动信息)。
如图3所示,本发明实施例提供的一种运动信息捕捉方法,包括:
S10、配置感兴趣运动区域的大小;
S20、获取当前视频帧每个子块的运动矢量与差值绝对值和,并据此获得每个子块的运动复杂度值;
S30、依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图;
S40、在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置;
S50、依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度,并据此调整视频监控设备。其中,所述视频监控设备为带云台的摄像机。
在所述步骤S10中,用户预先输入感兴趣运动区域的高度与宽度值,如果没有输入,则选择默认设置的高度与宽度值作为感兴趣运动区域。在本实施例中,感兴趣区域高度设为a,宽度设为b,视频帧图像的高度设为H,宽度设为W。例如,用户设置感兴趣运动区域的高度(256)与宽度(128),视频帧图像的高度为1080个像素,宽度设为1920个像素。
在所述步骤S20中,依据n×n个子块的运动矢量MV与差值绝对值和SAD采用如下数学式计算获得每个子块的运动复杂度值Cost:
Cost=SAD+β×MV;
其中β为MV与SAD的归一化因子;
MVx以及MVy分别为运动矢量MV在水平与垂直方向的分量;
当SAD不等于0时,β=(n×n×255)/SAD;
当SAD等于0时,β=(n×n×255)。
在本实施例中,所述子块可以为最小编码单元scu,例如在HEVC编码标准中,所述scu的大小为8×8。
在所述步骤S30中,依据每个子块的运动复杂度值Cost构建子块的运动复杂度分布积分图的策略为:
依据每个子块的运动复杂度值Cost构成一个(H×W)/n×n的运动复杂度分布图f(x,y),其中,当前视频帧图像的高度及宽度分别为H及W,x及y分别为运动复杂度分布图的坐标,其中,0≤x<W/n;0≤y<H/n;
例如,每个scu(8x8图像块)的运动复杂度值Cost组成了一个135x240的运动复杂度分布图f(x,y),其中x,y为运动复杂度分布图f(x,y)的坐标,其范围0≤x<240,0≤y<135;
采用如下数学式对所述运动复杂度分布图f(x,y)进行计算,构建子块的运动复杂度分布积分图F(x,y):
0≤i<W/n,0≤j<H/n。
对运动复杂度分布图f(x,y),计算它的积分图F(x,y),积分图像中的任意一点(x,y)的值是指从图像的左上角到这个点的所构成的矩形区域内所有的点的灰度值之和。
在所述步骤S40中,在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值的策略为:
搜索运动复杂度分布积分图F(x,y),采用如下数学式计算感兴趣运动区域中子块每个点的运动复杂度积分I(x,y);
I(x,y)=F(x+w,y+h)-F(x+w,y)-F(x,y+h)+F(x,y);
其中,感兴趣运动区域的宽度为b,高度为a;每个子块的宽度为w,高度为h;
计算I(x,y)在0≤x<(w-b)/n以及0≤y<(H-a)/n范围内的最大值。
具体地,例如根据用户设置的感兴趣区域对应的宽度与高度为256与128,对应的scu的宽度w=32以及高度h=16,搜索F(x,y),计算每个点的值。
I(x,y)=F(x+32,y+16)-F(x+32,y)-F(x,y+16)+F(x,y);
其中,0≤x<208,0≤y<119。
之后,计算I(x,y)在范围0≤x<208,0≤y<119中的最大值max,坐标(i,j)。
在所述步骤S50中,根据(i,j)的位置与中心点(W/2n,H/2n)的位置的差值,产生运动矢量(dx,dy),逐步调整视频监控设备的监控角度,例如,调整云台,使其(i,j)的位置的区域图像向图像中心点位置移动,云台移动的速度与方向与(dx,dy)成正比。以此完成对感兴趣区域(运动区域)的捕捉和自动跟踪。
如图4所示,本发明实施例还提供了一种运动信息捕捉装置,包括:
用于配置感兴趣运动区域的大小的配置单元10;
用于获取当前视频帧每个子块的运动矢量与差值绝对值和、并据此获得每个子块的运动复杂度值的第一计算单元20;
用于依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图的构建单元30;
用于在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置的第二计算单元40;
用于依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度、并据此调整视频监控设备的执行单元50。
优选地,第一计算单元20依据n×n个子块的运动矢量MV与差值绝对值和SAD采用如下数学式计算获得每个子块的运动复杂度值Cost:
Cost=SAD+β×MV;
其中β为MV与SAD的归一化因子;
MVx以及MVy分别为运动矢量MV在水平与垂直方向的分量;
当SAD不等于0时,β=(n×n×255)/SAD;
当SAD等于0时,β=(n×n×255)。
优选地,构建单元30依据每个子块的运动复杂度值Cost构建子块的运动复杂度分布积分图的策略为:
依据每个子块的运动复杂度值Cost构成一个(H×W)/n×n的运动复杂度分布图f(x,y),其中,当前视频帧图像的高度及宽度分别为H及W,x及y分别为运动复杂度分布图的坐标,其中,0≤x<W/n;0≤y<H/n;
采用如下数学式对所述运动复杂度分布图f(x,y)进行计算,构建子块的运动复杂度分布积分图F(x,y):
0≤i<W/n,0≤j<H/n。
优选地,第二计算单元40在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值的策略为:
搜索运动复杂度分布积分图F(x,y),采用如下数学式计算感兴趣运动区域中子块每个点的运动复杂度积分I(x,y);
I(x,y)=F(x+w,y+h)-F(x+w,y)-F(x,y+h)+F(x,y);
其中,感兴趣运动区域的宽度为b,高度为a;每个子块的宽度为w,高度为h;
计算I(x,y)在0≤x<(w-b)/n以及0≤y<(H-a)/n范围内的最大值。
相应地,本发明实施例还提供了一种编码器,其包括如上所述的运动信息捕捉装置,继续参看图4所示,所述运动信息捕捉装置包括:
用于配置感兴趣运动区域的大小的配置单元10;
用于获取当前视频帧每个子块的运动矢量与差值绝对值和、并据此获得每个子块的运动复杂度值的第一计算单元20;
用于依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图的构建单元30;
用于在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置的第二计算单元40;
用于依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度、并据此调整视频监控设备的执行单元50。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种运动信息捕捉方法,其特征在于,包括:
配置感兴趣运动区域的大小;
获取当前视频帧每个子块的运动矢量与差值绝对值和,并据此获得每个子块的运动复杂度值;
依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图;
在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置;
依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度,并据此调整视频监控设备;
依据n×n个子块的运动矢量MV与差值绝对值和SAD采用如下数学式计算获得每个子块的运动复杂度值Cost:
Cost=SAD+β×MV;
其中β为MV与SAD的归一化因子;
MVx以及MVy分别为运动矢量MV在水平与垂直方向的分量;
当SAD不等于0时,β=(n×n×255)/SAD;
当SAD等于0时,β=(n×n×255)。
2.如权利要求1所述的运动信息捕捉方法,其特征在于,依据每个子块的运动复杂度值Cost构建子块的运动复杂度分布积分图的策略为:
依据每个子块的运动复杂度值Cost构成一个(H×W)/n×n的运动复杂度分布图f(x,y),其中,当前视频帧图像的高度及宽度分别为H及W,x及y分别为运动复杂度分布图的坐标,其中,0≤x<W/n;0≤y<H/n;
采用如下数学式对所述运动复杂度分布图f(x,y)进行计算,构建子块的运动复杂度分布积分图F(x,y):
0≤i<W/n,0≤j<H/n。
3.如权利要求1所述的运动信息捕捉方法,其特征在于,在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值的策略为:
搜索运动复杂度分布积分图F(x,y),采用如下数学式计算感兴趣运动区域中子块每个点的运动复杂度积分I(x,y);
I(x,y)=F(x+w,y+h)-F(x+w,y)-F(x,y+h)+F(x,y);
其中,感兴趣运动区域的宽度为b,高度为a;每个子块的宽度为w,高度为h;
计算I(x,y)在0≤x<(w-b)/n以及0≤y<(H-a)/n范围内的最大值。
4.一种运动信息捕捉装置,其特征在于,包括:
用于配置感兴趣运动区域的大小的配置单元;
用于获取当前视频帧每个子块的运动矢量与差值绝对值和、并据此获得每个子块的运动复杂度值的第一计算单元;
用于依据每个子块的运动复杂度值构建子块的运动复杂度分布积分图的构建单元;
用于在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值以及最大值所对应的位置的第二计算单元;
用于依据所述位置与运动复杂度分布积分图中心点的所产生的运动矢量计算视频监控设备所需要转动的角度、并据此调整视频监控设备的执行单元;
第一计算单元依据n×n个子块的运动矢量MV与差值绝对值和SAD采用如下数学式计算获得每个子块的运动复杂度值Cost:
Cost=SAD+β×MV;
其中β为MV与SAD的归一化因子;
MVx以及MVy分别为运动矢量MV在水平与垂直方向的分量;
当SAD不等于0时,β=(n×n×255)/SAD;
当SAD等于0时,β=(n×n×255)。
5.如权利要求4所述的运动信息捕捉装置,其特征在于,构建单元依据每个子块的运动复杂度值Cost构建子块的运动复杂度分布积分图的策略为:
依据每个子块的运动复杂度值Cost构成一个(H×W)/n×n的运动复杂度分布图f(x,y),其中,当前视频帧图像的高度及宽度分别为H及W,x及y分别为运动复杂度分布图的坐标,其中,0≤x<W/n;0≤y<H/n;
采用如下数学式对所述运动复杂度分布图f(x,y)进行计算,构建子块的运动复杂度分布积分图F(x,y):
0≤i<W/n,0≤j<H/n。
6.如权利要求4所述的运动信息捕捉装置,其特征在于,第二计算单元在运动复杂度分布积分图中搜索感兴趣运动区域中子块的运动复杂度值之和的最大值的策略为:
搜索运动复杂度分布积分图F(x,y),采用如下数学式计算感兴趣运动区域中子块每个点的运动复杂度积分I(x,y);
I(x,y)=F(x+w,y+h)-F(x+w,y)-F(x,y+h)+F(x,y);
其中,感兴趣运动区域的宽度为b,高度为a;每个子块的宽度为w,高度为h;
计算I(x,y)在0≤x<(w-b)/n以及0≤y<(H-a)/n范围内的最大值。
7.一种编码器,其特征在于,包括如权利要求4-6任一项所述的运动信息捕捉装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410276202.9A CN105225247B (zh) | 2014-06-19 | 2014-06-19 | 运动信息捕捉方法及其装置、编码器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410276202.9A CN105225247B (zh) | 2014-06-19 | 2014-06-19 | 运动信息捕捉方法及其装置、编码器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105225247A CN105225247A (zh) | 2016-01-06 |
CN105225247B true CN105225247B (zh) | 2019-06-21 |
Family
ID=54994196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410276202.9A Expired - Fee Related CN105225247B (zh) | 2014-06-19 | 2014-06-19 | 运动信息捕捉方法及其装置、编码器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105225247B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112351254A (zh) * | 2020-10-30 | 2021-02-09 | 重庆中星微人工智能芯片技术有限公司 | 监控视频编解码装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0930512A1 (en) * | 1996-09-13 | 1999-07-21 | Infrarrojo y Microelectronica S.L. | Vectorial photosensor |
CN1713731A (zh) * | 2004-06-16 | 2005-12-28 | 三星电子株式会社 | 用于估计基于混合块的运动的装置和方法 |
CN101094404A (zh) * | 2007-06-28 | 2007-12-26 | 宁波艾利特科技发展有限公司 | 自适应伸缩模板的运动估计算法 |
CN101377615A (zh) * | 2007-08-29 | 2009-03-04 | 三星电子株式会社 | 拍摄全景画面的方法 |
CN102801982A (zh) * | 2012-09-07 | 2012-11-28 | 浙江外国语学院 | 一种应用于视频压缩且基于块积分的快速运动估计方法 |
CN103079074A (zh) * | 2013-01-17 | 2013-05-01 | 深圳市中瀛鑫科技股份有限公司 | 块匹配方法、运动估计方法及模块、装置 |
CN103700087A (zh) * | 2013-11-28 | 2014-04-02 | 深圳市智美达科技有限公司 | 移动侦测方法和装置 |
-
2014
- 2014-06-19 CN CN201410276202.9A patent/CN105225247B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0930512A1 (en) * | 1996-09-13 | 1999-07-21 | Infrarrojo y Microelectronica S.L. | Vectorial photosensor |
CN1713731A (zh) * | 2004-06-16 | 2005-12-28 | 三星电子株式会社 | 用于估计基于混合块的运动的装置和方法 |
CN101094404A (zh) * | 2007-06-28 | 2007-12-26 | 宁波艾利特科技发展有限公司 | 自适应伸缩模板的运动估计算法 |
CN101377615A (zh) * | 2007-08-29 | 2009-03-04 | 三星电子株式会社 | 拍摄全景画面的方法 |
CN102801982A (zh) * | 2012-09-07 | 2012-11-28 | 浙江外国语学院 | 一种应用于视频压缩且基于块积分的快速运动估计方法 |
CN103079074A (zh) * | 2013-01-17 | 2013-05-01 | 深圳市中瀛鑫科技股份有限公司 | 块匹配方法、运动估计方法及模块、装置 |
CN103700087A (zh) * | 2013-11-28 | 2014-04-02 | 深圳市智美达科技有限公司 | 移动侦测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105225247A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2011352102B2 (en) | Video coding | |
Chiariotti | A survey on 360-degree video: Coding, quality of experience and streaming | |
US8903130B1 (en) | Virtual camera operator | |
Li et al. | Rate-complexity-distortion optimization for hybrid video coding | |
US10582211B2 (en) | Neural network to optimize video stabilization parameters | |
Zhang et al. | Low complexity HEVC INTRA coding for high-quality mobile video communication | |
CN103636212B (zh) | 基于帧相似性和视觉质量以及兴趣的帧编码选择 | |
CN105814878A (zh) | 热管理和功率管理 | |
US9984504B2 (en) | System and method for improving video encoding using content information | |
KR20180037042A (ko) | 모션 벡터 필드 코딩 방법 및 디코딩 방법, 및 코딩 및 디코딩 장치들 | |
Ko et al. | An energy-efficient wireless video sensor node for moving object surveillance | |
JP2020507998A (ja) | 球面投影法による歪みを補償するための正距円筒オブジェクトデータの処理 | |
Del Bue et al. | Smart cameras with real-time video object generation | |
Bouaafia et al. | Deep learning-based video quality enhancement for the new versatile video coding | |
WO2023005830A1 (zh) | 预测编码方法、装置和电子设备 | |
Chien et al. | Power consumption analysis for distributed video sensors in machine-to-machine networks | |
Kerfa et al. | An efficient algorithm for fast block matching motion estimation using an adaptive threshold scheme | |
CN105225247B (zh) | 运动信息捕捉方法及其装置、编码器 | |
Liu et al. | High-speed inter-view frame mode decision procedure for multi-view video coding | |
KR102496619B1 (ko) | 복수의 프레임에 대한 모션 추정 방법 및 장치 | |
Shen et al. | Low-power video acquisition with super-resolution reconstruction for mobile devices | |
Krishnan et al. | H. 264 motion estimation and applications | |
Huong et al. | A Practical High Efficiency Video Coding Solution for Visual Sensor Network using Raspberry Pi Platform | |
Li et al. | An adaptive error concealment algorithm based on partition model | |
Veluri et al. | NeuriCam: Key-Frame Video Super-Resolution and Colorization for IoT Cameras |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518057 the six level of energy storage building 3099, Keyuan South Road, Nanshan District, Shenzhen, Guangdong. Applicant after: SHENZHEN ZNV TECHNOLOGY Co.,Ltd. Address before: 518057 two floor, W1-A building, science and technology south road, Nanshan District hi tech Zone, Shenzhen, Guangdong. Applicant before: SHENZHEN ZNV TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190621 |