CN105430401A - 一种食品车间环境监测系统 - Google Patents

Abstract

本发明提供一种食品车间环境监测系统，包括控制器，其特征是：所述控制器分别连接空气质量传感器、粉尘传感器、烟雾传感器、温湿度传感器、报警器和摄像机，所述控制器连接车间服务器，所述车间服务器与远程控制终端通信。本发明的空气质量传感器检测控制质量，粉尘传感器检测车间内的粉尘信息，烟雾传感器监控车间内的烟雾情况，温湿度传感器测量车间内的温湿度信息，摄像机拍摄视频信息，上述信息都发送到控制器处理，控制器对接收的信息分析，一旦超过预警值，报警器进行报警。

Description

一种食品车间环境监测系统

技术领域

本发明涉及环境监测领域，具体地讲，涉及一种食品车间环境监测系统。

背景技术

食品车间对环境的要求较高，通过对车间环境的监控可以实时了解环境状态，一旦车间环境不符合车间环境的要求可以实时报警，另外，在车间中按照摄像机可以随时了解车间内工人的工作状况，且还能具备防盗的功能，目前，该综合性的监控设备还很少，且采集的信息量过大，尤其是摄像机的视频信息量过大，远程传播速率较慢，且传播的视频信息容易出现闪烁抖动现象。

随着网络技术和计算机处理能力不断提高，人们对现有视频编码标准提出了新的要求，希望能够提供高清、超高清分辨率视频压缩，以满足新的家庭影院、远程监控、数字广播、移动流媒体、便携摄像和医学成像等领域的应用。为此，JCT-VC(JointCollaborativeTeamonVideoCoding)于2013年1月正式发布了新一代视频编码标准HEVC(HighEfficiencyVideoCoding)。

HEVC的目标是在H.264/AVChighprofile的基础上，通过采用更加灵活的四叉树编码块划分、基于方向的帧内预测与预测类型、自适应运动矢量预测选择机制等新技术，在保证相同视频图像质量的前提下，视频流的码率减少50％，即压缩效率提高一倍。然而，HEVC仍然采用和H.264/AVC类似的编码结构，帧内编码帧(I帧)就成为影响重建视频质量的关键因素之一。在视频编码过程中，为了容错、场景切换和随机存取等需要，通常在编码视频序列中周期性的插入I帧。但由于I帧的编码效率远低于帧间编码帧(P帧、B帧)，当目标码率不足时，在编码过程中如果不对I帧加以控制，就会导致重建后的I帧质量低于相邻的P帧或B帧，在重建视频播放过程中就会出现视频“闪烁”现象，如图1所示。图1为标准视频测试序列Container编码后的重建图像，其中，第96帧和第98帧为P帧，第97帧为I帧，由于I帧的编码效率低，重建质量差，导致和相邻帧之间出现视频主观质量不平滑，在人们观看时会感觉视频不断“闪烁”，严重影响视频观看质量。

视频编码中的码率控制模块根据给定的目标码率来计算QP值，而QP值直接影响到视频的重建质量，在视频编码中起着重要作用。在HEVC的参考代码HM10.0中，共提供了两种码率控制参考模型，一种是基于像素的URQ(UnifiedRate-Quantization)模型，一种是R-lambda模型。URQ模型能够对HEVC中尺寸多变的编码块起到较好的控制效果，但是在码率分配阶段，URQ模型并没有对I帧加以区分，没有考虑改善I帧的重建质量。因此，采用URQ模型编码时，周期性插入I帧导致的视频“闪烁”现象较为严重，该模型已逐渐被R-lambda模型取代。R-lambda模型考虑了各类型帧不同的编码效率，在为I帧分配目标码率时，会根据I帧的bpp(bitsperpixel)值进行调整，为I帧分配较多目标码率。调整方式如表1所示，其中，T_CurPic表示为I帧分配的目标码率。

表1R-lambda码率控制模型中I帧目标码率调整方法

bpp	bpp>0.2	0.2≥bpp>0.1	其他
				调整后的TCurPic	5×TCurPic	7×TCurPic	10×TCurPic

但是，这种调整不够灵活，不能随着视频内容的变化而变化。经过调整，虽然I帧的重建视频质量得到了改善，但是由于I帧消耗的目标码率过多，容易造成其后的P帧/B帧目标码率不足，影响其重建质量。尤其是一个视频序列的最后若干帧，重建质量下降严重，如图2所示。图2(a)和图2(b)分别显示了在HM10.0中，采用R-lambda码率控制模型编码标准测试序列Container(352×288)和Boat(704×576)后的重建视频客观质量(PSNR)，两个序列最后若干帧的重建质量都出现了较大下降。但是，如果给I帧分配的目标码率不足，由于I帧的编码效率较低，在编码完若干个CTU之后，目标码率就会消耗殆尽，如图3所示。后续CTU由于无法得到足够的目标码率进行编码，其QP值会逐渐增大，造成CTU的重建质量严重下滑，影响对I帧的整体重建质量。

发明内容：

本发明要解决的技术问题是提供一种食品车间环境监测系统，对车间环境进行监控，且对摄像机的监控视频进行处理，减少重建视频的闪烁现象。

本发明采用如下技术手段实现发明目的：

一种食品车间环境监测系统，包括控制器，其特征是：所述控制器分别连接空气质量传感器、粉尘传感器、烟雾传感器、温湿度传感器、报警器和摄像机，所述控制器连接车间服务器，所述车间服务器与远程控制终端通信。

作为对本技术方案的进一步限定，所述控制器采用HEVC视频压缩方法对摄像机采集的视频信息进行压缩，计算帧内编码帧I帧中各个CTU的目标码率，并采用R-lambda模型计算I帧中各个CTU的QP值。

作为对本技术方案的进一步限定，所述I帧中各个CTU的目标码率包括如下步骤：

(1)、获取视频图像的帧内编码帧，即I帧，预测当前待编码的编码树单元CTU的运动信息和复杂度信息，以及当前I帧的整帧复杂度信息；

(2)、根据CTU的运动信息，提取I帧的全局运动信息，并判断当前CTU是否是运动CTU；

(3)、针对非运动CTU，根据当前CTU的复杂度信息和I帧的复杂度信息，判断当前CTU是纹理复杂CTU，还是纹理平坦CTU；

(4)、根据不同的CTU类型，为CTU优化分配目标码率，并采用R-lambda模型计算CTU的QP值。

作为对本技术方案的进一步限定，所述步骤(1)具体包括如下步骤：

(11)、获得当前待编码CTU在前一帧对应位置处的CTU，提取其运动信息；

(12)、采用线性预测方法，预测当前CTU的运动信息；

(13)、获得I帧之前一帧的整帧复杂度信息，以及当前待编码CTU在前一帧对应位置处CTU的复杂度信息；

(14)、采用线性预测方法，预测当前I帧的整帧复杂度信息和当前CTU的复杂度信息。

作为对本技术方案的进一步限定，所述步骤(2)具体包括如下步骤：

(21)、将各CTU的运动向量分解为水平运动向量MV_x和垂直运动向量MV_y；

(22)、分别统计各CTU的MV_x和MV_y，计算出现概率最大的MV_x和MV_y，将其作为水平方向和垂直方向的全局运动向量MV_Gx和MV_Gy；

(23)、将各CTU的MV_x和MV_y与MV_Gx和MV_Gy进行比较，判断当前CTU是否是运动CTU。

作为对本技术方案的进一步限定，所述步骤(4)具体包括如下步骤：

(41)、计算当前I帧的剩余目标码率；

(42)、当剩余目标码率大于0时，根据CTU的运动向量值和I帧的运动向量值为运动CTU分配目标码率，根据CTU的复杂度信息和I帧的复杂度信息，为非运动CTU分配目标码率；

(43)、当剩余码率小于等于0时，计算当前已编码CTU的实际编码码率均值，根据该均值为当前CTU分配目标码率。

作为对本技术方案的进一步限定，所述步骤(42)中，为运动CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{MV}}_{Gx}}{{\mathrm{MV}}_x}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}& {\mathrm{MV}}_x\&GreaterEqual;{\mathrm{MV}}_y\\ \frac{{\mathrm{MV}}_{Gy}}{{\mathrm{MV}}_y}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}& {\mathrm{MV}}_x<{\mathrm{MV}}_y\end{array}\right.$

为纹理复杂CTU和纹理平坦CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\frac{{\mathrm{MAD}}_{\mathrm{int}raFrame}}{{\mathrm{MAD}}_{curCTU}}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}$

其中，MV_Gx为当前I帧的全局运动向量在水平方向(x轴方向)的分量，MV_x为当前CTU的运动向量在水平方向(x轴方向)的分量，T_i为第i个I帧所分配的目标码率，T_codedCTU为当前I帧中已编码CTU的实际编码码率之和，N_left：第i个I帧中未编码CTU的个数，MV_y为当前CTU的运动向量在垂直方向(y轴方向)的分量，MV_Gy为当前I帧的全局运动向量在垂直方向(y轴方向)的分量，MAD_intraFrame为当前I帧的整帧图像复杂度，MAD_curCTU为当前CTU的复杂度。

作为对本技术方案的进一步限定，所述步骤(43)中，为运动CTU和纹理复杂CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\frac{1}{j-1}\&CenterDot;T_{codedCTU}$

为纹理平坦CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\frac{{\mathrm{MAD}}_{\mathrm{int}raFrame}}{{\mathrm{MAD}}_{curCTU}}\&CenterDot;\frac{1}{j-1}\&CenterDot;T_{codedCTU}.$

与现有技术相比，本发明的优点和积极效果是：本发明的空气质量传感器检测控制质量，粉尘传感器检测车间内的粉尘信息，烟雾传感器监控车间内的烟雾情况，温湿度传感器测量车间内的温湿度信息，摄像机拍摄视频信息，上述信息都发送到控制器处理，控制器对接收的信息分析，一旦超过预警值，报警器进行报警，控制器对接收的视频信息采用HEVC视频编码方法，将编码后的视频图像发送到远程控制终端显示，便于管理人员监控，HEVC视频编码方法首先获得帧内编码帧I帧，将I帧CTU的运动信息和复杂度信息与当前I帧的全局运动信息和复杂度信息进行对比，判断当前CTU的类型(运动CTU、纹理复杂CTU或纹理平坦CTU)，然后根据CTU的类型和I帧剩余目标码率为该CTU优化分配目标码率，利用R-lambda模型计算该CTU的QP值，在码率控制的角度实现视频“闪烁”抑制。本发明能够在保证视频编码质量的前提下，明显抑制重建视频“闪烁”现象，改善重建视频观看效果。

附图说明

图1为HEVC重建视频“闪烁”示意图。

图2为Container序列和Boat序列采用R-lambda模型编解码后的重建视频客观质量示意图。

图3为I帧目标码率不足时每个CTU所分配的目标码率。

图4为基于R-lambda码率控制模型的HEVC重建视频闪烁抑制方法流程图。

具体实施方式:

下面结合实施例，进一步说明本发明。

本发明包括控制器，所述控制器分别连接空气质量传感器、粉尘传感器、烟雾传感器、温湿度传感器、报警器和摄像机，所述控制器连接车间服务器，所述车间服务器与远程控制终端通信。

所述控制器采用HEVC视频压缩方法对摄像机采集的视频信息进行压缩，计算帧内编码帧I帧中各个CTU的目标码率，并采用R-lambda模型计算I帧中各个CTU的QP值。因为P帧和B帧对重建视频的质量影像不大，故P帧和B帧采用现有技术计算目标码率，在此不再赘述。

为了抑制HEVC重建视频“闪烁”现象，改善重建视频主观视觉质量，本发明提出一种基于R-lambda码率控制模型的HEVC重建视频闪烁抑制方法。该方法首先根据I帧中不同区域产生“闪烁”现象的差异程度，对I帧的CTU进行分类(运动CTU，纹理复杂CTU，纹理平坦CTU)，然后对不同类型CTU采用不同的码率优化分配方法，利用R-lambda码率控制模型计算CTU的QP值，平滑I帧和相邻帧之间的主观视觉质量差异，在抑制“闪烁”现象的同时，提高重建视频的整体主客观质量。

新一代视频编码标准HEVC虽然引入了更加灵活的四叉树编码块划分、基于方向的帧内预测与预测类型等利于帧内编码的新技术，但仍然采用和H.264/AVC类似的编码结构，I帧的编码效率仍大大低于P帧和B帧，对于需要周期性插入I帧的视频应用来说，I帧的重建质量是影响视频整体主客观质量的一个重要因素。

本发明从码率控制的角度出发，通过分析目前HEVC参考代码中采用的R-lambda模型在目标码率分配方面的不足，提出新的基于CTU类型的目标码率优化分配方法，达到抑制“闪烁”的目的。本发明详细流程如图4所示。

在介绍具体实施方式前，首先对本发明用到的参数进行说明。

MV_x：当前CTU的运动向量在水平方向(x轴方向)的分量；

MV_y：当前CTU的运动向量在垂直方向(y轴方向)的分量；

MV_xPrevious：当前CTU在前一帧对应位置处CTU的运动向量在水平方向(x轴方向)的分量；

MV_yPrevious：当前CTU在前一帧对应位置处CTU的运动向量在垂直方向(y轴方向)的分量；

MV_Gx：当前I帧的全局运动向量在水平方向(x轴方向)的分量；

MV_Gy：当前I帧的全局运动向量在垂直方向(y轴方向)的分量；

MAD_curCTU：当前CTU的复杂度；

MAD_{collocatedCTU}：当前CTU在前一帧对应位置处CTU的复杂度；

MAD_intraFrame：当前I帧的整帧图像复杂度；

MAD_{previousFrame}：当前I帧之前一帧的整帧图像复杂度；

T_i：第i个I帧所分配的目标码率；

T_i(j)：第i个I帧中第j个CTU的目标码率，i和j均为正整数；

T_codedCTU：当前I帧中已编码CTU的实际编码码率之和；

N_left：第i个I帧中未编码CTU的个数；

QP_i(j)：第i个I帧中第j个CTU的QP值；

ε：判断运动CTU时的容错值，本发明中设定为20；

a,b：线性预测参数，本发明中设定为1。

下面对本发明展开具体说明。

在I帧的CTU分类过程中，首先判断当前CTU是否是运动CTU。为了达到这一目的，本发明采用提取全局运动向量的方法。由于I帧中的CTU全部采用帧内编码方式，不会计算每个CTU的运动向量，因此采用线性预测方式，根据当前CTU在前一帧(P帧或B帧)对应位置处CTU的运动向量，来预测当前CTU的运动向量。由于运动向量是一个二维向量，计算复杂度较高，因此，本发明将CTU的运动向量分解为水平(x轴)和垂直(y轴)两个方向，分别计算其值。如公式(1)和(2)所示。

MV_x＝a·MV_xPrevious(1)

MV_y＝a·MV_yPrevious(2)

统计I帧中所有CTU的MV_x和MV_y的出现概率，将出现概率最大的当做I帧的全局运动向量MV_Gx和MV_Gy。如果一个CTU的运动向量满足公式(3)所示条件，则认为这个CTU是运动CTU。

(MV_x＜MV_Gx-ε)∨(MV_x＞MV_Gx+ε)∨(MV_y＜MV_Gy-ε)∨(MV_y＞MV_Gy+ε)(3)

运动CTU提取出之后，再根据CTU的复杂度和I帧的整帧复杂度，判断CTU是纹理复杂CTU还是纹理平坦CTU。由于此时CTU的复杂度和I帧的整帧复杂度还没有实际计算，为了降低本发明方法的运算复杂度，让本发明方法能够适应实时视频应用，CTU的复杂度和I帧的整帧复杂度全部根据前一帧相应的复杂度信息，通过线性预测得到，如公式(4)和(5)所示。

MAD_curCTU＝b·MAD_{collocatedCTU}(4)

MAD_intraFrame＝b·MAD_{previousFrame}(5)

MAD_curCTU和MAD_intraFrame预测出之后，将两者进行比较，如果MAD_curCTU＞MAD_intraFrame，则认为当前CTU为纹理复杂CTU，否则为纹理平坦CTU。

利用上述方法，将I帧中的CTU分为三类，分别是运动CTU、纹理复杂CTU和纹理平坦CTU。然后计算I帧的剩余目标码率，为不同CTU优化分配目标码率。之所以要计算I帧的剩余目标码率，是因为在视频编码过程中，当I帧剩余目标码率小于等于0时，就会采用公式(6)计算CTU的QP值。

QP_i(j)＝QP_i(j-1)+1(6)

随着QP值增大，CTU的重建质量会逐渐下降，对I帧的整体重建质量造成严重影响。本发明针对这一问题，每次在为CTU分配目标码率之前，都需要重新计算I帧的剩余目标码率算I帧的剩余目标码率。当I帧剩余目标码率大于0时，由于运动CTU和纹理复杂CTU产生的“闪烁”现象不明显，因此，为这两类CTU分配较少目标码率；由于纹理平坦CTU产生的“闪烁”现象最为明显，因此，为这类CTU分配较多目标码率。目标码率具体分配方法如下，针对运动CTU，目标码率分配公式如(7)所示。

$T_i\left(j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{MV}}_{Gx}}{{\mathrm{MV}}_x}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}& {\mathrm{MV}}_x\&GreaterEqual;{\mathrm{MV}}_y\\ \frac{{\mathrm{MV}}_{Gy}}{{\mathrm{MV}}_y}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}& {\mathrm{MV}}_x<{\mathrm{MV}}_y\end{array}\right.---\left(7\right)$

针对纹理复杂CTU和纹理平坦CTU，目标码率分配公式如(8)所示。

$T_i\left(j\right)=\frac{{\mathrm{MAD}}_{\mathrm{int}raFrame}}{{\mathrm{MAD}}_{curCTU}}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}---\left(8\right)$

当I帧剩余目标码率小于0时，为了保证I帧重建质量，同时不过多消耗目标码率，采用下述方法重新计算各类CTU的目标码率。针对运动CTU和纹理复杂CTU，尽量保证其重建质量，目标码率分配公式如(9)所示。

$T_i\left(j\right)=\frac{1}{j-1}\&CenterDot;T_{codedCTU}---\left(9\right)$

针对纹理平坦CTU，尽量抑制其产生的“闪烁”现象，目标码率分配公式如(10)所示。

$T_i\left(j\right)=\frac{{\mathrm{MAD}}_{\mathrm{int}raFrame}}{{\mathrm{MAD}}_{curCTU}}\&CenterDot;\frac{1}{j-1}\&CenterDot;T_{codedCTU}---\left(10\right)$

为了避免某些CTU的MAD_curCTU和MAD_intraFrame相差过大，导致其目标码率过大，本发明对纹理平坦CTU的T_i(j)进行限制，如公式(11)所示。

$T_i\left(j\right)=\min \{\frac{{\mathrm{MAD}}_{\mathrm{int}raFrame}}{{\mathrm{MAD}}_{curCTU}}\&CenterDot;\frac{1}{j-1}\&CenterDot;T_{codedCTU},5\&CenterDot;\frac{1}{j-1}\&CenterDot;T_{codedCTU}\}---\left(11\right)$

I帧中各CTU的目标码率分配结束之后，采用R-lambda模型计算CTU的QP值，保证I帧的主观重建质量能够和相邻帧平滑，抑制“闪烁”现象，同时，I帧消耗的目标码率又不至于过大，从而改善了视频的整体重建质量。

以上公开的仅为本发明的具体实施例。根据本发明提供的技术思想，本领域的技术人员所能思及的变化，都应落入本发明的保护范围内。

Claims (8)

1.一种食品车间环境监测系统，包括控制器，其特征是：所述控制器分别连接空气质量传感器、粉尘传感器、烟雾传感器、温湿度传感器、报警器和摄像机，所述控制器连接车间服务器，所述车间服务器与远程控制终端通信。

2.根据权利要求1所述的食品车间环境监测系统，其特征是：所述控制器采用HEVC视频压缩方法对摄像机采集的视频信息进行压缩，计算帧内编码帧I帧中各个CTU的目标码率，并采用R-lambda模型计算I帧中各个CTU的QP值。

3.根据权利要求2所述的食品车间环境监测系统，，其特征是：所述I帧中各个CTU的目标码率包括如下步骤：

(1)、获取视频图像的帧内编码帧，即I帧，预测当前待编码的编码树单元CTU的运动信息和复杂度信息，以及当前I帧的整帧复杂度信息；

(2)、根据CTU的运动信息，提取I帧的全局运动信息，并判断当前CTU是否是运动CTU；

(3)、针对非运动CTU，根据当前CTU的复杂度信息和I帧的复杂度信息，判断当前CTU是纹理复杂CTU，还是纹理平坦CTU；

(4)、根据不同的CTU类型，为CTU优化分配目标码率，并采用R-lambda模型计算CTU的QP值。

4.根据权利要求3所述的食品车间环境监测系统，，其特征在于，所述步骤(1)具体包括如下步骤：

(11)、获得当前待编码CTU在前一帧对应位置处的CTU，提取其运动信息；

(12)、采用线性预测方法，预测当前CTU的运动信息；

(13)、获得I帧之前一帧的整帧复杂度信息，以及当前待编码CTU在前一帧对应位置处CTU的复杂度信息；

(14)、采用线性预测方法，预测当前I帧的整帧复杂度信息和当前CTU的复杂度信息。

5.根据权利要求3所述的食品车间环境监测系统，，其特征在于，所述步骤(2)具体包括如下步骤：

(21)、将各CTU的运动向量分解为水平运动向量MV_x和垂直运动向量MV_y；

(22)、分别统计各CTU的MV_x和MV_y，计算出现概率最大的MV_x和MV_y，将其作为水平方向和垂直方向的全局运动向量MV_Gx和MV_Gy；

(23)、将各CTU的MV_x和MV_y与MV_Gx和MV_Gy进行比较，判断当前CTU是否是运动CTU。

6.根据权利要求3所述的食品车间环境监测系统，，其特征在于，所述步骤(4)具体包括如下步骤：

(41)、计算当前I帧的剩余目标码率；

(42)、当剩余目标码率大于0时，根据CTU的运动向量值和I帧的运动向量值为运动CTU分配目标码率，根据CTU的复杂度信息和I帧的复杂度信息，为非运动CTU分配目标码率；

(43)、当剩余码率小于等于0时，计算当前已编码CTU的实际编码码率均值，根据该均值为当前CTU分配目标码率。

7.根据权利要求6所述的食品车间环境监测系统，其特征在于，

所述步骤(42)中，为运动CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{MV}}_{Gx}}{{\mathrm{MV}}_x}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}& {\mathrm{MV}}_x\&GreaterEqual;{\mathrm{MV}}_y\\ \frac{{\mathrm{MV}}_{Gy}}{{\mathrm{MV}}_y}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}& {\mathrm{MV}}_x<{\mathrm{MV}}_y\end{array}\right.$

为纹理复杂CTU和纹理平坦CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\frac{{\mathrm{MAD}}_{\mathrm{int}raFrame}}{{\mathrm{MAD}}_{curCTU}}\&CenterDot;\frac{T_i-T_{codedCTU}}{N_{left}}$

其中，MV_Gx为当前I帧的全局运动向量在水平方向(x轴方向)的分量，MV_x为当前CTU的运动向量在水平方向(x轴方向)的分量，T_i为第i个I帧所分配的目标码率，T_codedCTU为当前I帧中已编码CTU的实际编码码率之和，N_left：第i个I帧中未编码CTU的个数，MV_y为当前CTU的运动向量在垂直方向(y轴方向)的分量，MV_Gy为当前I帧的全局运动向量在垂直方向(y轴方向)的分量，MAD_intraFrame为当前I帧的整帧图像复杂度，MAD_curCTU为当前CTU的复杂度。

8.根据权利要求6所述的食品车间环境监测系统，其特征在于，所述步骤(43)中，为运动CTU和纹理复杂CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\frac{1}{j-1}\&CenterDot;T_{codedCTU}$

为纹理平坦CTU分配目标码率的具体方法为：

$T_i\left(j\right)=\frac{{\mathrm{MAD}}_{\mathrm{int}raFrame}}{{\mathrm{MAD}}_{curCTU}}\&CenterDot;\frac{1}{j-1}\&CenterDot;T_{codedCTU}.$