CN109219960B - 视频编码质量平滑度的优化方法、装置、设备及存储介质 - Google Patents
视频编码质量平滑度的优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109219960B CN109219960B CN201880001619.0A CN201880001619A CN109219960B CN 109219960 B CN109219960 B CN 109219960B CN 201880001619 A CN201880001619 A CN 201880001619A CN 109219960 B CN109219960 B CN 109219960B
- Authority
- CN
- China
- Prior art keywords
- current
- coding
- video
- refresh period
- video coding
- 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 33
- 238000013139 quantization Methods 0.000 claims abstract description 167
- 238000012549 training Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明适用于视频技术领域，提供了一种视频编码质量平滑度的优化方法、装置、设备及存储介质，该方法包括：接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
Description
技术领域
本发明属于视频技术领域，尤其涉及一种视频编码质量平滑度的优化方法、装置、设备及存储介质。
背景技术
随着多媒体技术的发展，计算机网络中各种不同应用系统产生了大量的视频数据，而大量视频数据的存储与传输给信息系统带来了很大的负担，因此高效视频编码(HighEfficiency Video Coding,H.265/HEVC)算法被提出，以消除视频数据冗余和减少存储与传输的压力，在降低数据量的同时，人们也不断追求更高质量的视觉体验，因此，人们在优化视频编码方案时，不仅需要面向更高的率失真性能，而且也需要保证平滑的编码质量。量化参数(Quantization Parameter，QP)可以控制编码失真和编码比特，如QP小，大部分的细节都会被保留，码率较大，而QP增大，一些细节丢失，码率降低，在一个编码刷新周期中，当前视频编码帧的量化参数一般依据当前视频编码帧的率失真函数模型进行预测。一个编码刷新周期中的第一个视频编码帧的QP(即该编码刷新周期的初始量化参数)对后面视频编码帧的QP的判决和优化具有重要的影响，因此，我们只需要优化每个编码刷新周期的初始QP，将初始QP最优值预测准确，即可使视频编码质量得到全局的平滑优化。
发明内容
本发明的目的在于提供一种视频编码质量平滑度的优化方法、装置、设备以及存储介质，旨在解决由于现有技术无法提供一种有效的视频编码质量平滑度的优化方法，导致预测初始量化参数最优值的偏差较大以及视频编码质量波动过大的问题。
一方面，本发明提供了一种视频编码质量平滑度的优化方法，所述方法包括下述步骤：
接收待编码视频的当前视频编码帧，确定所述当前视频编码帧是否为当前编码刷新周期的首个视频编码帧；
当所述当前视频编码帧为所述当前编码刷新周期的首个视频编码帧时，判断所述当前编码刷新周期是否为所述待编码视频的首个编码刷新周期；
当所述当前编码刷新周期为所述首个编码刷新周期时，获取所述待编码视频的当前未编码视频编码帧的每像素目标比特数目，并根据所述待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测所述当前编码刷新周期的初始量化参数；
当所述当前编码刷新周期不为所述首个编码刷新周期时，获取所述当前未编码视频编码帧的每像素目标比特数目、所述当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据所述当前未编码视频编码帧的每像素目标比特数目、所述上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测所述当前编码刷新周期的初始量化参数。
另一方面，本发明提供了一种视频编码质量平滑度的优化装置，所述装置包括：
接收确定单元，用于接收待编码视频的当前视频编码帧，确定所述当前视频编码帧是否为当前编码刷新周期的首个视频编码帧；
周期判断单元，用于当所述当前视频编码帧为所述当前编码刷新周期的首个视频编码帧时，判断所述当前编码刷新周期是否为所述待编码视频的首个编码刷新周期；
第一预测单元，用于当所述当前编码刷新周期为所述首个编码刷新周期时，获取所述待编码视频中当前未编码视频编码帧的每像素目标比特数目，并根据所述待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测所述当前编码刷新周期的初始量化参数；以及
第二预测单元，用于当所述当前编码刷新周期不为所述首个编码刷新周期时，获取所述当前未编码视频编码帧的每像素目标比特数目、所述当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据所述当前未编码视频编码帧的每像素目标比特数目、所述上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测所述当前编码刷新周期的初始量化参数。
另一方面，本发明还提供了一种视频编码设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述初始量化参数的预测方法的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述初始量化参数的预测方法的步骤。
本发明先接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
附图说明
图1是本发明实施例一提供的视频编码质量平滑度的优化方法的实现流程图；
图2是本发明实施例二提供的视频编码质量平滑度的优化方法的实现流程图
图3是本发明实施例三提供的视频编码质量平滑度的优化装置的结构示意图；
图4是本发明实施例四提供的视频编码质量平滑度的优化装置的结构示意图；以及
图5是本发明实施例五提供的一种视频编码设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的视频编码质量平滑度的优化方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧。
本发明实施例适用于视频编码设备，例如，摄像机、手机等。在本发明实施例中，由于在同一编码刷新周期中，第一个视频编码帧的初始量化参数的优化程度对该编码刷新周期内其他视频编码帧和整体的编码过程有重要影响，因此，在接收待编码视频的当前视频编码帧时，先确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧。
在步骤S102中，当当前视频编码帧为当前编码刷新周期的首个码视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期。
在本发明实施例中，由于在预测首个编码刷新周期的初始量化参数时，没有上一个编码刷新周期各个视频编码帧的量化参数数据，可提取的视频编码帧信息较少，因此，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，便于确定使用何种特征集合对待编码帧的量化参数进行预测。
在步骤S103中，当当前编码刷新周期为首个编码刷新周期时，获取待编码视频的当前未编码视频编码帧的每像素目标比特数目，并根据待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测当前编码刷新周期的初始量化参数。
在本发明实施例中，第一预设SVR(Support Vector Regression，支撑向量机回归模型)模型是由SVR模型训练好的支撑向量机回归模型。由于在预测首个编码周期的初始量化参数时，没有上一个编码周期各个视频帧的量化参数数据，且此时当前未编码视频编码帧的每像素目标比特数目即为待编码视频的所有视频编码帧，因此，在预测首个编码周期的初始量化参数时，以所有视频编码帧的每像素目标比特数目作为特征时，并通过所有视频编码帧的每像素目标比特数目以及训练好的预设SVR模型预测当前编码周期的初始量化参数。
在步骤S104中，当当前编码刷新周期不为首个编码刷新周期时，获取当前未编码视频编码帧的每像素目标比特数目、当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据当前未编码视频编码帧的每像素目标比特数目、上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测当前编码刷新周期的初始量化参数。
在本发明实施例中，第二预设SVR模型是由SVR模型训练好的支撑向量机回归模型，根据对视频数据的各个特征组合进行测试，可得出当使用当前未编码视频编码帧的每像素目标比特数目、当前编码刷新周期各个视频编码帧量化参数的平均值和标准方差作为特征时，预测的初始量化参数与最优值误差最小，然而在预测待编码视频的初始量化参数时，并没有当前编码刷新周期各个视频编码帧量化参数数据，故取与其最相近的上一编码刷新周期各个视频编码帧量化参数，因此，当当前编码刷新周期不为首个编码刷新周期时，先获取当前未编码视频编码帧的每像素目标比特数目、上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差作为特征，再通过训练好的第二预设SVR模型预测当前编码刷新周期的初始量化参数。
在本发明实施例中，接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
实施例二：
图2示出了本发明实施例二提供的视频编码质量平滑度的优化方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S201中，获取预设视频序列中各个训练样本的第一特征集合、第二特征集合和训练样本的初始量化参数，将训练样本的初始量化参数设置为初始SVR模型的学习标签。
在本发明实施例中，视频序列为训练初始SVR模型的多个视频，将视频序列中视频的各个编码刷新期作为训练样本，SVR模型的学习标签表示了该SVR模型的输出数据(各个训练样本的初始量化参数)，第一特征集合包含各个训练样本的当前未编码视频编码帧的每像素目标比特数目，第二特征集合包含各个训练样本的当前未编码视频编码帧的每像素目标比特数目以及各个训练样本的各个视频编码帧量化参数的平均值和标准方差，在预测过程中，由于没有当前编码刷新周期的量化参数数据，所以取最接近的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差。
在训练初始SVR模型之前，通过优化学习标签的初始量化参数，即可优化训练得到的SVR模型，因此，优选地，在获取训练样本的初始量化参数时，通过预期比特准确度的惩罚项对训练样本的初始量化参数进行筛选，从而提高了模型的训练效果。具体地，当
大于预设阈值时，保留对应的初始量化参数，作为初始量化参数最优值的备选，否则，将对应的初始量化参数从备选初始量化参数最优值中丢弃，从而优化了用于训练预设SVR模型的学习标签，进而提高了预测初始量化参数的准确度，其中，BRA为预期的比特准确度，TBR表示目标比特码率，ABR表示实际比特码率。
在步骤S202中，通过第一特征集合以及第二特征集合分别对初始SVR模型进行训练，以得到训练好的第一预设SVR模型和第二预设SVR模型。
在本发明实施例中，分别通过第一特征集合和第二特征集合对初始SVR模型进行训练，从而得到训练好的第一预设SVR模型和第二预设SVR模型。
优选地，该初始SVR模型为具有径向基函数(Radial Basis Function，RBF)内核的ε-SVR算法模型，从而提高了模型回归的准确度。
在步骤S203中，接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧。
在本发明实施例中，由于在同一编码刷新周期中，第一个视频编码帧的初始量化参数的优化程度对该编码刷新周期内其他视频编码帧和整体的编码过程有重要影响，因此，在接收待编码视频中的当前视频编码帧时，先确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧。
在步骤S204中，当当前视频编码帧为当前编码刷新周期的首个码视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期。
在本发明实施例中，由于在预测首个编码刷新周期的初始量化参数时，没有上一个编码刷新周期各个视频编码帧的量化参数数据，可提取的视频编码帧信息较少，因此，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，便于确定使用何种特征集合对待编码帧的量化参数进行预测。
在步骤S205中，当当前编码刷新周期为首个编码刷新周期时，获取待编码视频的当前未编码视频编码帧的每像素目标比特数目，并根据待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测当前编码刷新周期的初始量化参数。
在本发明实施例中，由于在预测首个编码周期的初始量化参数时，没有上一个编码周期各个视频帧的量化参数数据，且此时当前未编码视频编码帧的每像素目标比特数目即为待编码视频的所有视频编码帧，因此，在预测首个编码周期的初始量化参数时，以所有视频编码帧的每像素目标比特数目作为特征时，并通过所有视频编码帧的每像素目标比特数目以及训练好的预设SVR模型预测当前编码周期的初始量化参数。
在步骤S206中，当当前编码刷新周期不为首个编码刷新周期时，获取当前未编码视频编码帧的每像素目标比特数目、当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据当前未编码视频编码帧的每像素目标比特数目、上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测当前编码刷新周期的初始量化参数。
在本发明实施例中，根据对视频数据的各个特征组合进行测试，可得出当使用当前未编码视频编码帧的每像素目标比特数目、当前编码刷新周期各个视频编码帧量化参数的平均值和标准方差作为特征时，预测的初始量化参数与最优值误差最小，然而在预测待编码视频的初始量化参数时，并没有当前编码刷新周期各个视频编码帧量化参数数据，故取与其最相近的上一编码刷新周期各个视频编码帧量化参数，因此，当当前编码刷新周期不为首个编码刷新周期时，先获取当前未编码视频编码帧的每像素目标比特数目、上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差作为特征，再通过训练好的第二预设SVR模型预测当前编码刷新周期的初始量化参数。
在通过训练好的第二预设SVR模型预测当前编码刷新周期的初始量化参数之后，优选地，获取当前视频编码帧的可用平均带宽、待编码视频中所有视频编码帧的平均带宽、当前编码刷新周期的前一编码刷新周期初始量化参数和当前编码刷新周期的前两编码刷新周期初始量化参数，计算当前编码刷新周期初始量化参数的预设第一参数范围和预设第二参数范围，当当前视频编码帧的可用平均带宽大于所有视频编码帧的平均带宽时，根据预设第一参数范围对预测的当前编码刷新周期的初始量化参数进行裁剪，当当前视频编码帧的可用平均带宽不大于所有视频编码帧的平均带宽时，根据预设第二参数范围对预测的当前编码刷新周期的初始量化参数进行裁剪，从而提高了预测初始量化参数的准确度，进而提高视频编码的质量平滑度。具体地，预设第一参数范围为(min1QP，max1QP)，预设第二参数范围为(min2QP，max2QP)。
其中，
IQP1和IQP2表示前一编码刷新周期初始量化参数和前两编码刷新周期初始量化参数，d为量化参数的可允许浮动的常数，为为保证帧级别视频质量的平滑度，一般设置为2-3之间，当当前编码刷新周期为第二个编码刷新周期时，IQP1、IQP2都取待编码视频的首个编码刷新周期的初始量化参数。
在本发明实施例中，先设置初始SVR模型的学习标签，根据不同的特征集合训练好对应的SVR模型，再接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
实施例三：
图3示出了本发明实施例三提供的视频编码质量平滑度的优化装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
接收确定单元31，用于接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧；
周期判断单元32，用于当当前视频编码帧为当前编码刷新周期的首个码视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期；
第一预测单元33，用于当当前编码刷新周期为首个编码刷新周期时，获取待编码视频的当前未编码视频编码帧的每像素目标比特数目，并根据待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测当前编码刷新周期的初始量化参数；以及
第二预测单元34，用于当当前编码刷新周期不为首个编码刷新周期时，获取当前未编码视频编码帧的每像素目标比特数目、当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据当前未编码视频编码帧的每像素目标比特数目、上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测当前编码刷新周期的初始量化参数。
在本发明实施例中，接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
在本发明实施例中，初始量化参数的预测装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。各单元的具体实施方式可参考实施例一的描述，在此不再赘述。
实施例四：
图4示出了本发明实施例四提供的视频编码质量平滑度的优化装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
获取设置单元41，用于获取预设视频序列中各个训练样本的第一特征集合、第二特征集合和训练样本的初始量化参数，将训练样本的初始量化参数设置为初始SVR模型的学习标签；
模型训练单元42，用于通过第一特征集合以及第二特征集合分别对初始SVR模型进行训练，以得到训练好的第一预设SVR模型和第二预设SVR模型；
接收确定单元43，用于接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧；
周期判断单元44，用于当当前视频编码帧为当前编码刷新周期的首个码视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期；
第一预测单元45，用于当当前编码刷新周期为首个编码刷新周期时，获取待编码视频的当前未编码视频编码帧的每像素目标比特数目，并根据待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测当前编码刷新周期的初始量化参数；
第二预测单元46，用于当当前编码刷新周期不为首个编码刷新周期时，获取当前未编码视频编码帧的每像素目标比特数目、当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据当前未编码视频编码帧的每像素目标比特数目、上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测当前编码刷新周期的初始量化参数；
获取计算单元47，用于获取当前视频编码帧的可用平均带宽、待编码视频中所有视频编码帧的平均带宽、当前编码刷新周期的前一编码刷新周期初始量化参数和当前编码刷新周期的前两编码刷新周期初始量化参数，计算当前编码刷新周期初始量化参数的预设第一参数范围和预设第二参数范围；
第一裁剪单元48，用于当当前视频编码帧的可用平均带宽大于所有视频编码帧的平均带宽时，根据预设第一参数范围对预测的当前编码刷新周期的初始量化参数进行裁剪；以及
第二裁剪单元49，用于当当前视频编码帧的可用平均带宽不大于所有视频编码帧的平均带宽时，根据预设第二参数范围对预测的当前编码刷新周期的初始量化参数进行裁剪。
其中，获取设置单元41包括：
参数筛选单元411，用于通过预期比特准确度的惩罚项对训练样本的初始量化参数进行筛选。
在本发明实施例中，先设置初始SVR模型的学习标签，根据不同的特征集合训练好对应的SVR模型，再接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
在本发明实施例中，初始量化参数的预测装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。各单元的具体实施方式可参考实施例一和实施例二的描述，在此不再赘述。
实施例五：
图5示出了本发明实施例五提供的视频编码设备的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
本发明实施例的视频编码设备5包括处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53。该处理器41执行计算机程序53时实现上述各个初始量化参数的预测方法实施例中的步骤，例如图1所示的步骤S101至S104以及图2所示的步骤S201至S206。或者，处理器41执行计算机程序53时实现上述各个初始量化参数的预测装置实施例中各单元的功能，例如图3所示单元31至34以及图4所示单元41至49的功能。
在本发明实施例中，该处理器执行计算机程序时，接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
该处理器执行计算机程序时实现上述初始量化参数的预测方法实施例中的步骤可参考实施例一和实施例二的描述，在此不再赘述。
实施例六：
在本发明实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述各个初始量化参数的预测方法实施例中的步骤，例如，图1所示的步骤S101至S104以及图2所示的步骤S201至S206。或者，该计算机程序被处理器执行时实现上述各个初始量化参数的预测装置实施例中各单元的功能，例如图3所示单元31至34以及图4所示单元41至49的功能。
在本发明实施例中，在计算机程序被处理器执行后，接收待编码视频的当前视频编码帧，确定当前视频编码帧是否为当前编码刷新周期的首个视频编码帧，当当前视频编码帧为当前编码刷新周期的首个视频编码帧时，判断当前编码刷新周期是否为待编码视频的首个编码刷新周期，然后根据当前视频编码帧所处的编码刷新周期，获取当前视频编码帧的特征，再根据该特征以及训练好的相应SVR模型预测当前编码刷新周期的初始量化参数，从而通过准确地预测各个编码刷新周期的初始量化参数最优值提高相应编码刷新周期内当前视频编码帧的量化参数准确度，进而提高视频编码质量的平滑度。
该处理器执行计算机程序时实现上述初始量化参数的预测方法实施例中的步骤可参考实施例一和实施例二的描述，在此不再赘述。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、存储介质，例如，ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种视频编码质量平滑度的优化方法，其特征在于，所述方法包括下述步骤：
接收待编码视频的当前视频编码帧，确定所述当前视频编码帧是否为当前编码刷新周期的首个视频编码帧；
当所述当前视频编码帧为所述当前编码刷新周期的首个视频编码帧时，判断所述当前编码刷新周期是否为所述待编码视频的首个编码刷新周期；
当所述当前编码刷新周期为所述首个编码刷新周期时，获取所述待编码视频的当前未编码视频编码帧的每像素目标比特数目，并根据所述待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测所述当前编码刷新周期的初始量化参数；
当所述当前编码刷新周期不为所述首个编码刷新周期时，获取所述当前未编码视频编码帧的每像素目标比特数目、所述当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据所述当前未编码视频编码帧的每像素目标比特数目、所述上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测所述当前编码刷新周期的初始量化参数。
2.如权利要求1所述的方法，其特征在于，确定所述当前视频编码帧是否为当前编码刷新周期的首个视频编码帧的步骤之前，所述方法还包括：
获取预设视频序列中各个训练样本的第一特征集合、第二特征集合和所述训练样本的初始量化参数，将所述训练样本的初始量化参数设置为初始SVR模型的学习标签，所述各个训练样本为所述视频序列中视频的各个编码刷新周期，所述第一特征集合包含各个训练样本的当前未编码视频编码帧的每像素目标比特数目，所述第二特征集合包含各个训练样本的当前未编码视频编码帧的每像素目标比特数目以及各个训练样本的各个视频编码帧量化参数的平均值和标准方差；
通过所述第一特征集合以及所述第二特征集合分别对所述初始SVR模型进行训练，以得到训练好的所述第一预设SVR模型和所述第二预设SVR模型。
3.如权利要求2所述的方法，其特征在于，获取预设视频序列中各个训练样本的第一特征集合、第二特征集合和所述训练样本的初始量化参数的步骤，包括：
通过预期比特准确度的惩罚项对所述训练样本的初始量化参数进行筛选，筛选时，当
大于预设阈值时，保留对应的初始量化参数，作为初始量化参数最优值的备选，否则，将对应的初始量化参数从备选初始量化参数最优值中丢弃，其中，BRA为预期的比特准确度，TBR表示目标比特码率，ABR表示实际比特码率。
4.如权利要求1所述的方法，其特征在于，根据所述当前未编码视频编码帧的每像素目标比特数目、所述上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测所述当前编码刷新周期的初始量化参数的步骤之后，所述方法还包括：
获取所述当前视频编码帧的可用平均带宽、所述待编码视频中所有视频编码帧的平均带宽、所述当前编码刷新周期的前一编码刷新周期初始量化参数和所述当前编码刷新周期的前两编码刷新周期初始量化参数，计算所述当前编码刷新周期初始量化参数的预设第一参数范围和预设第二参数范围，所述预设第一参数范围为(min1QP，max1QP)，所述预设第二参数范围为(min2QP，max2QP)，其中，
IQP1和IQP2表示前一编码刷新周期初始量化参数和前两编码刷新周期初始量化参数，d为量化参数的可允许浮动的常数；
当所述当前视频编码帧的可用平均带宽大于所述所有视频编码帧的平均带宽时，根据所述预设第一参数范围对预测的所述当前编码刷新周期的初始量化参数进行裁剪；
当所述当前视频编码帧的可用平均带宽不大于所述所有视频编码帧的平均带宽时，根据所述预设第二参数范围对预测的所述当前编码刷新周期的初始量化参数进行裁剪。
5.一种视频编码质量平滑度的优化装置，其特征在于，所述装置包括：
接收确定单元，用于接收待编码视频的当前视频编码帧，确定所述当前视频编码帧是否为当前编码刷新周期的首个视频编码帧；
周期判断单元，用于当当所述当前视频编码帧为所述当前编码刷新周期的首个视频编码帧时，判断所述当前编码刷新周期是否为所述待编码视频的首个编码刷新周期；
第一预测单元，用于当所述当前编码刷新周期为所述首个编码刷新周期时，获取所述待编码视频的当前未编码视频编码帧的每像素目标比特数目，并根据所述待编码视频的每像素目标比特数目以及训练好的第一预设SVR模型预测所述当前编码刷新周期的初始量化参数；以及
第二预测单元，用于当所述当前编码刷新周期不为所述首个编码刷新周期时，获取所述当前未编码视频编码帧的每像素目标比特数目、所述当前编码刷新周期的上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差，并根据所述当前未编码视频编码帧的每像素目标比特数目、所述上一编码刷新周期各个视频编码帧量化参数的平均值和标准方差以及训练好的第二预设SVR模型预测所述当前编码刷新周期的初始量化参数。
6.如权利要求5所述的装置，其特征在于，所述装置还包括：
获取设置单元，用于获取预设视频序列中各个训练样本的第一特征集合、第二特征集合和所述训练样本的初始量化参数，将所述训练样本的初始量化参数设置为初始SVR模型的学习标签，所述各个训练样本为所述视频序列中视频的各个编码刷新周期，所述第一特征集合包含各个训练样本的当前未编码视频编码帧的每像素目标比特数目，所述第二特征集合包含各个训练样本的当前未编码视频编码帧的每像素目标比特数目以及各个训练样本的各个视频编码帧量化参数的平均值和标准方差；以及
模型训练单元，用于通过所述第一特征集合以及所述第二特征集合分别对所述初始SVR模型进行训练，以得到训练好的所述第一预设SVR模型和所述第二预设SVR模型。
7.如权利要求6所述的装置，其特征在于，所述获取设置单元包括：
量化筛选单元，用于通过预期比特准确度的惩罚项对所述训练样本的初始量化参数进行筛选，筛选时，当
大于预设阈值时，保留对应的初始量化参数，作为初始量化参数最优值的备选，否则，将对应的初始量化参数从备选初始量化参数最优值中丢弃，其中，BRA为预期的比特准确度，TBR表示目标比特码率，ABR表示实际比特码率。
8.如权利要求5所述的装置，其特征在于，所述装置还包括：
获取计算单元，用于获取所述当前视频编码帧的可用平均带宽、所述待编码视频中所有视频编码帧的平均带宽、所述当前编码刷新周期的前一编码刷新周期初始量化参数和所述当前编码刷新周期的前两编码刷新周期初始量化参数，计算所述当前编码刷新周期初始量化参数的预设第一参数范围和预设第二参数范围，所述预设第一参数范围为(min1QP，max1QP)，所述预设第二参数范围为(min2QP，max2QP)，其中，
IQP1和IQP2表示前一编码刷新周期初始量化参数和前两编码刷新周期初始量化参数，d为量化参数的可允许浮动的常数；
第一裁剪单元，用于当所述当前视频编码帧的可用平均带宽大于所述所有视频编码帧的平均带宽时，根据所述预设第一参数范围对预测的所述当前编码刷新周期的初始量化参数进行裁剪；以及
第二裁剪单元，用于当所述当前视频编码帧的可用平均带宽不大于所述所有视频编码帧的平均带宽时，根据所述预设第二参数范围对预测的所述当前编码刷新周期的初始量化参数进行裁剪。
9.一种视频编码设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4项所述方法的步骤。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2018/103661 WO2020042177A1 (zh) | 2018-08-31 | 2018-08-31 | 视频编码质量平滑度的优化方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109219960A CN109219960A (zh) | 2019-01-15 |
| CN109219960B true CN109219960B (zh) | 2022-05-24 |
Family
ID=64994196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880001619.0A Expired - Fee Related CN109219960B (zh) | 2018-08-31 | 2018-08-31 | 视频编码质量平滑度的优化方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109219960B (zh) |
| WO (1) | WO2020042177A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110427317A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 一种相关值确定方法及装置 |
| CN114374841B (zh) * | 2021-12-15 | 2024-07-02 | 杭州未名信科科技有限公司 | 视频编码码率控制的优化方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101895759A (zh) * | 2010-07-28 | 2010-11-24 | 南京信息工程大学 | 一种h.264码率控制方法 |
| CN104219522A (zh) * | 2013-06-04 | 2014-12-17 | 北京大学 | 一种视频图像编码中的码率控制方法及装置 |
| CN104469367A (zh) * | 2014-12-16 | 2015-03-25 | 南京仟壹视讯信息技术有限公司 | 基于丢帧和量化参数调整的视频码率控制方法 |
| CN104683804A (zh) * | 2015-02-14 | 2015-06-03 | 北京航空航天大学 | 基于视频内容特征的参数自适应多维码率控制方法 |
| CN107888931A (zh) * | 2017-11-28 | 2018-04-06 | 上海大学 | 一种利用视频统计特征预测差错敏感度的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10397574B2 (en) * | 2014-05-12 | 2019-08-27 | Intel Corporation | Video coding quantization parameter determination suitable for video conferencing |
-
2018
- 2018-08-31 CN CN201880001619.0A patent/CN109219960B/zh not_active Expired - Fee Related
- 2018-08-31 WO PCT/CN2018/103661 patent/WO2020042177A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101895759A (zh) * | 2010-07-28 | 2010-11-24 | 南京信息工程大学 | 一种h.264码率控制方法 |
| CN104219522A (zh) * | 2013-06-04 | 2014-12-17 | 北京大学 | 一种视频图像编码中的码率控制方法及装置 |
| CN104469367A (zh) * | 2014-12-16 | 2015-03-25 | 南京仟壹视讯信息技术有限公司 | 基于丢帧和量化参数调整的视频码率控制方法 |
| CN104683804A (zh) * | 2015-02-14 | 2015-06-03 | 北京航空航天大学 | 基于视频内容特征的参数自适应多维码率控制方法 |
| CN107888931A (zh) * | 2017-11-28 | 2018-04-06 | 上海大学 | 一种利用视频统计特征预测差错敏感度的方法 |
Non-Patent Citations (1)
| Title |
|---|
| Rate-distortion optimization of rate control for H.264 with adaptive initial quantization parameter determination;Hanli Wang, et al.;《IEEE Transactions on Circuits and Systems for Video Technology》;20080129;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109219960A (zh) | 2019-01-15 |
| WO2020042177A1 (zh) | 2020-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109688407B (zh) | 编码单元的参考块选择方法、装置、电子设备及存储介质 | |
| CN111988611A (zh) | 量化偏移信息的确定方法、图像编码方法、装置及电子设备 | |
| JP2008504750A5 (zh) | ||
| CN107770525B (zh) | 一种图像编码的方法及装置 | |
| US11197021B2 (en) | Coding resolution control method and terminal | |
| US11259029B2 (en) | Method, device, apparatus for predicting video coding complexity and storage medium | |
| CN109219960B (zh) | 视频编码质量平滑度的优化方法、装置、设备及存储介质 | |
| CN105812804A (zh) | 一种确定rdoq过程中最优量化值的方法及装置 | |
| US10536696B2 (en) | Image encoding device and image encoding method | |
| CN114900692A (zh) | 视频流帧率调整方法及其装置、设备、介质、产品 | |
| CN105898296A (zh) | 视频编码帧选择方法及装置 | |
| CN113012073A (zh) | 视频质量提升模型的训练方法和装置 | |
| CN113452996B (zh) | 一种视频编码、解码方法及装置 | |
| CN116760988B (zh) | 基于人类视觉系统的视频编码方法和装置 | |
| CN117478886A (zh) | 多媒体数据编码方法、装置、电子设备及存储介质 | |
| US9924167B2 (en) | Video quality measurement considering multiple artifacts | |
| WO2023103200A1 (zh) | 视频码率控制方法及装置、计算机可读存储介质 | |
| CN116491115A (zh) | 用于视频编码的具有反馈控制的速率控制机器学习模型 | |
| TW201801529A (zh) | 視訊編解碼器之複雜度控制 | |
| US11825088B2 (en) | Adaptively encoding video frames based on complexity | |
| Elahi et al. | NCOD: Near-Optimum Video Compression for Object Detection | |
| US11979587B2 (en) | Hybrid inter-frame coding using an autoregressive model | |
| CN117041581B (zh) | 一种用于视频编码参数优化的方法、装置及设备 | |
| CN109803147B (zh) | 基于视频纹理特征的变换处理方法及装置 | |
| CN114222124B (zh) | 一种编解码方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220524 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |