CN114501022A - 一种数据处理方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请提出一种数据处理方法、装置、计算机设备及存储介质。该方法包括：在待编码图像中获取目标编码单元的特征信息，特征信息至少包括目标编码单元的像素值方差以及尺寸信息；根据目标编码单元的特征信息确定目标编码单元的数据搜索方式，数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，运动信息包括已完成搜索的编码单元中的运动信息和目标编码单元的搜索起始点中的运动信息；利用确定的数据搜索方式进行数据搜索，得到目标编码单元的搜索结果，搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；根据搜索结果确定目标编码单元的运动估计信息。通过本申请可以降低编码器的时间开销，从而提高编码器的编码效率。

Description

一种数据处理方法、装置、计算机设备及存储介质

技术领域

本发明涉及互联网技术领域，尤其涉及一种数据处理方法、装置、计算机设备及存储介质。

背景技术

随着互联网科技技术的不断发展和人们对视频云计算需求的不断提高，在视频的传输过程中，为了减少传输时占用的带宽和存储空间，需要对视频进行编码，视频编码时视频中的每一视频帧会被划分为图像块，此图像块也称为编码块。对编码块进行编码时，首先要进行预测，在预测时可以将编码块划分为多个编码单元(Coding Unit，CU)。预测分为帧内预测和帧间预测，其中，帧间预测中的关键技术包括运动估计。运动估计是在一定范围内的参考帧中搜索最佳的参考帧，并在最佳的参考帧中搜索编码单元的最佳的匹配块的过程。

现有的视频编码器的运动估计中，通常是对编码器的各个编码单元在参考帧中通过块匹配的方式进行整像素搜索和分像素搜索，从而获得最优的运动信息。然而整像素搜索和分像素搜索耗时较长，这样会给编码器带来较大的时间开销，导致编码器的编码效率低下。

发明内容

本申请实施例提出了一种数据处理方法、装置、计算机设备以及存储介质，可以降低编码器的时间开销，从而提高编码器的编码效率。

本申请实施例一方面提供一种数据处理方法，该方法具体包括：

在待编码图像中获取目标编码单元的特征信息，所述特征信息至少包括所述目标编码单元的像素值方差以及尺寸信息；

根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，所述数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，所述运动信息包括已完成搜索的编码单元中的运动信息和所述目标编码单元的搜索起始点中的运动信息；

利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，所述搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；

根据所述搜索结果确定所述目标编码单元的运动估计信息。

本申请一方面提供一种数据处理装置，该装置具有实现上述的数据处理方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括：

获取单元，用于在待编码图像中获取目标编码单元的特征信息，所述特征信息至少包括所述目标编码单元的像素值方差以及尺寸信息；

确定单元，用于根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，所述数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，所述运动信息包括已完成搜索的编码单元中的运动信息和所述目标编码单元的搜索起始点中的运动信息；

处理单元，用于利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，所述搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；

确定单元，还用于根据所述素搜索结果确定所述目标编码单元的运动估计信息。

本申请实施例一方面提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述各实施例中的方法。

本申请实施例一方面提供了一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，执行上述各实施例中的方法。

本申请实施例一方面提供了一种计算机程序产品或计算机程序，计算机程序产品或计算机程序包括计算机指令，计算机指令存储在计算机可读存储介质中，计算机指令被计算机设备的处理器执行时，执行上述各实施例中的方法。

通过本申请实施例的数据处理方法，通过获取编码单元的特征信息，特征信息包括编码单元的像素值方差以及尺寸信息，根据编码单元的像素值方差以及尺寸信息，编码器只需要对部分的编码单元进行整像素搜索和分像素搜索，相比于现有方式中编码器需要对各个编码单元都进行整像素搜索和分像素搜索，可以降低编码器运动估计的时间开销，从而可以提高编码器的编码效率。

附图说明

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

图1是本申请实施例提供的一种数据处理系统的架构示意图；

图2a是本申请实施例提供的一种计算机设备界面示意图；

图2b是本申请实施例提供的一种目标编码单元的示意图；

图2c是本申请实施例提供的一种针对目标编码单元的处理示意图；

图3是本申请实施例提供的一种数据处理方法的流程示意图；

图4是本申请实施例提供的一种目标编码单元的的示意图；

图5是本申请实施例提供的一种数据搜索的搜索过程示意图；

图6是本申请实施例提供的一种数据搜索的流程示意图；

图7是本申请实施例提供的一种数据处理装置的结构示意图；

图8是本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。

应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语"如果"可以被解释成为"在……时"或"当……时"或"响应于确定"。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

为了能够更好地理解本申请实施例，下面对本申请实施例涉及的专业术语进行介绍：

云技术(Cloud technology)是基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。目前，技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。

目前，云技术主要分为云基础技术类以及云应用类；云基础技术类可以进一步细分为：云计算、云储存、数据库以及大数据等；云应用类可以进一步细分为：医疗云、云物联、云安全、云呼叫、私有云、公有云、混合云、云游戏、云教育、云会议、云社交以及人工智能云服务等。

从基础技术角度来说，本申请的数据处理方法涉及云技术下属的云计算；从应用角度来说，本申请的数据处理方法涉及云技术下属的人工智能云服务。

云计算(cloud computing)是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。

在本申请中，计算机设备根据目标编码单元的特征信息确定目标编码单元的数据搜索方式，并利用数据搜索方式进行数据搜索，得到目标编码单元的整像素搜索结果和分像素搜索结果涉及大规模计算，需要巨大的算力和存储空间，因此在本申请中，可以由计算机设备通过云计算技术获取足够算力和存储空间，进而执行本申请中所涉及的根据整像素搜索结果以及分像素搜索结果确定目标编码单元的运动估计信息。

所谓人工智能云服务，一般也被称作是AIaaS(AIas a Service，中文为“AI即服务”)。这是目前主流的一种人工智能平台的服务方式，具体来说AIaaS平台会把几类常见的AI服务进行拆分，并在云端提供独立或者打包的服务。这种服务模式类似于开了一个AI主题商城：所有的开发者都可以通过API接口的方式来接入使用平台提供的一种或者是多种人工智能服务，部分资深的开发者还可以使用平台提供的AI框架和AI基础设施来部署和运维自已专属的云人工智能服务。

可以将本申请涉及的数据处理方法封装为一个人工智能服务，且仅对外暴露一个接口。当在某一个业务场景下需要使用本申请所涉及的确定编码单元的运动估计信息功能时，通过调用该接口，即可完成确定待编码图像中的目标编码单元的运动估计信息。

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例提供的方案属于人工智能领域下属的计算机视觉技术。

计算机视觉技术(Computer Vision，CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

需要说明的是，本申请主要涉及到图像处理的运动估计，运动估计的基本思想是将图像序列的每一帧分成许多互不重叠的最大编码单元或宏块，然后对每个最大编码单元或宏块到参考帧某一特定搜索范围内根据一定的匹配准则找出与最大编码单元或宏块最相似的预测图像块，预测图像块与当前块即(最大编码单元或宏块)的相对位移即为运动矢量。视频压缩的时候，只需保存运动矢量和残差数据(预测图像块与当前块之间的差值)即可，在解码端按照运动矢量指明的位置，从邻近已解码的参考帧图像中找到相应的块或宏块，将预测图像块和残差数据相加后就得到了重构数据，因此通过运动估计可以降低帧间冗余度，使得视频传输的比特数减少。需要说明的是，运动估计可应用于帧间预测，帧间预测是利用视频时间域的相关性，使用邻近已编码图像(即参考帧)像素，预测当前图像的像素，以达到有效去除视频冗余的目的。

在本申请中，计算机设备通过对待编码图像进行数据处理，在待编码图像中获取目标编码单元的特征信息；然后，计算机设备根据目标编码单元的特征信息确定目标编码单元的数据搜索方式，并利用数据搜索方式进行数据搜索，得到目标编码单元的搜索结果，搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；最后，计算机设备根据搜索结果确定目标编码单元的运动估计信息。

本申请可以应用于如下场景：对待编码图像通过图像处理可以获得目标编码单元的特征信息，根据目标编码单元的特征信息确定目标编码单元的数据搜索方式，并利用数据搜索方式进行数据搜索，得到目标编码单元的搜索结果；进而确定目标编码单元与待编码图像的参考图像中的匹配编码单元之间的运动估计信息。

请参考图1，图1是本申请实施例提供的一种数据处理的系统架构的示意图。该数据处理的系统架构图包括：服务器140以及计算机设备集群，其中，计算机设备集群可以包括：计算机设备110、计算机设备120、...、计算机设备130等。计算机设备集群与服务器140可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

图1所示的服务器140可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。

图1所示的计算机设备110、计算机设备120、计算机设备130等可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(MID，mobile internet device)、车辆、路边设备、飞行器、可穿戴设备，例如智能手表、智能手环、计步器等，等具有数据处理功能的智能设备。

在一种可能的实现方式中，以计算机设备110为例，计算机设备110接收用户上传的待处理视频，计算机设备将待处理视频发送至服务器110。服务器110对待处理视频进行图像处理后得到多个待处理图像帧，即多个待编码图像。计算机设备110在待编码图像中获取目标编码单元的特征信息，特征信息包括目标编码单元的像素值方差以及尺寸信息；计算机设备根据目标编码单元的特征信息确定目标编码单元的数据搜索方式，其中，数据搜索方式包括整像素搜索、分像素搜索、运动信息搜索中的一种或多种；计算机设备110利用数据搜索方式进行数据搜索，得到目标编码单元的搜索结果，搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；计算机设备110根据搜索结果确定目标编码单元的运动估计信息。

当然，根据目标编码单元的特征信息确定目标编码单元的数据搜索方式，数据搜索方式包括整像素搜索、分像素搜索、运动信息搜索中的一种或两种，运动信息搜索包括从已完成搜索的编码单元和目标编码单元的搜索起始点中搜索；利用数据搜索方式进行数据搜索，得到目标编码单元的搜索结果，搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；根据搜索结果确定目标编码单元的运动估计信息。也可以由服务器110来执行。服务器140可以将目标编码单元的运动估计信息发送至计算机设备110，后续计算机设备110可以根据目标编码单元的运动估计信息确定待编码图像与参考图像之间的相对运动矢量。

可以理解的是，本申请实施例描述的系统架构示意图是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

如图2a所示，图2a为本申请实施例提供的一种计算机设备界面示意图，用户将待处理视频上传至计算机设备，计算机设备内置有图像识别系统，计算机设备通过图像识别系统，可以将用户上传的待处理视频进行图像识别处理，于是可以将待处理图像进行预处理，例如分帧操作，从而将待处理视频划分为多个待编码图像，包括图像1、图像2以及图像3。需要说明的是，计算机设备可以是用户终端，也可以是服务器。

在一种可能的实现方式中，假设图像1为待编码图像，计算机设备将待编码图像划分为多个编码单元。请参见图2b，图2b是本申请实施例提供的一种目标编码单元的示意图。如图2b所示，图中的阴影部分即为本申请实施例提供的一种目标编码单元的示意图，该目标编码单元的形状为4×4的正方形。计算机设备在图像1中获取目标编码单元的特征信息，其中，目标编码单元的特征信息包括目标编码单元的像素值方差以及尺寸信息，其中，尺寸信息可以包括目标编码单元的长度和宽度，具体可以为目标编码单元的长度与宽度之间的比值，假设目标编码单元的尺寸信息为4×4，则该目标编码单元的长度与宽度之间的比值等于1。

在一种可能的实现方式中，请参见图2c，图2c是本申请实施例提供的一种针对目标编码单元的处理示意图。计算机设备根据目标编码单元的特征信息确定目标编码单元的数据搜索方式，其中，数据搜索方式可以包括整像素搜索、分像素搜索、运动信息搜索中的一种或两种。然后，计算机设备利用数据搜索方式进行数据搜索，得到目标编码单元的搜索结果，搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；最后，计算机设备根据搜索结果确定目标编码单元的运动估计信息。

后续进行视频压缩处理时，计算机设备只需保存目标编码单元的运动估计信息即可，在解码端按照运动估计信息指明的位置，从邻近已解码的参考帧图像中找到与目标编码单元的对应的预测编码单元，将预测编码单元和运动估计信息相加后就得到了重构数据。通过本申请，针对用户上传的待处理视频，经过图像识别可以获取待编码图像，计算机设备通过本申请提供的数据处理方法，最终可以确定待编码图像中的目标编码单元的运动估计信息。因此通过本申请的数据处理方法，可以使得部分的编码单元不进行整像素搜索和分像素搜索，对于计算机设备中的编码器而言，可以降低编码器的时间开销，从而提高编码器的编码效率。

请参见图3，图3是本申请实施例提供的一种数据处理方法的流程示意图。图3是本申请实施例提供的一种数据处理方法的流程示意图。该方法应用于计算机设备，如图3所示，该数据处理方法可包括步骤S310～S340。其中：

步骤S310：在待编码图像中获取目标编码单元的特征信息，所述特征信息至少包括所述目标编码单元的像素值方差以及尺寸信息。

在一种可能的实现方式中，首先，用户上传待处理视频，计算机设备获取用户上传的待处理视频，然后，计算机设备对待处理视频进行分帧操作，即将待处理视频分为多个待处理图像，接着，计算机设备获取在多个待处理图像中获取任意一张待处理图像作为待编码图像，最后，计算机设备将待编码图像分为多个编码单元。其中，计算机设备在待编码图像中获取的目标编码单元可以是当前正在编码的编码单元，也可以是多个编码单元中的任意编码单元。

举例来说，计算机设备对待编码图像进行编码时，会将待编码图像先划分为等大小的编码树单元(Coding Tree Unit，CTU)，再以编码树单元为基本单位进行编码。其中，编码树单元大小一般呈64×64的块，编码过程中，可将编码树单元进一步划分成不同大小的编码块，进一步地，可以将编码块分割为多个编码单元，其中，编码块内编码单元的组织结构为四叉树结构，即分割一次编码块产生四个编码单元。请参见图4，图4是本申请实施例提供的一种目标编码单元的的示意图。如图4所示，64×64的块代表通过待编码图像划分得到的一个宽为64像素，高为64像素的编码树单元。可以看出，一个64×64的编码树单元可以作为一个64×64的编码块进行编码，也可以划分成4个等大小的32×32的编码块，再对每个32×32的编码块进行编码。根据率失真准则，对于每个64×64的编码块，比较该64×64编码块的率失真代价与4个32×32编码块的率失真代价之和，选择率失真代价较小的划分方式进行划分。而每个32×32的编码块又可以划分为4个等大小的16×16的编码块，即图4中的阴影部分为一个编码单元，也就是说，对于每个32×32的编码块，需要比较一个32×32编码块的率失真代价与4个16×16编码块的率失真代价之和，选择率失真代价较小的划分方式进行划分。

在一种可能的实现方式中，计算机设备在待编码图像中获取目标编码单元之后，进一步地，计算机设备获取目标编码单元的特征信息，其中，目标编码单元的特征信息包括目标编码单元的像素值方差以及尺寸信息。假设目标编码单元为16×16的编码块，则计算机设备根据方差公式，可以计算得到16×16的目标编码单元的像素值方差。另外，尺寸信息可以是目标编码单元的长度与宽度之间的比值。例如，目标编码单元为16×16的编码块，则目标编码单元的尺寸信息为1，又如，目标编码单元为16×8的编码块，则目标编码单元的尺寸信息为2。

步骤S320：根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，所述数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，所述运动信息包括已完成搜索的编码单元中的运动信息和所述目标编码单元的搜索起始点中中的运动信息。

在一种可能的实现方式中，在对待编码图像进行运动估计的过程中，需要进行编码运动搜索。运动搜索可以包括三个部分：预搜索、整像素搜索和分像素搜索，三个搜索阶段的搜索方式都可以采用全搜索法、邻接法或其它快速算法。假设采用全搜索法进行预搜索，根据待编码图像以预设的步长在一定的搜索范围内进行移动，每移动一次可计算得到候选点对应的预测图像的代价值(可用图像块中某一个像素点来表征该图像块，该点在预测图像中的相对位置与表征待编码图像的点在待编码图像中的相对位置是一致的，因此图像块的移动可以看成点的移动)，然后选取代价值最小的点为最佳匹配点，最佳匹配点对应的预测图像即为与待编码图像最为匹配的匹配图像。虽然三个搜索阶段的搜索方式大同小异，但是搜索起始点和搜索范围不一样，按照预搜索、整像素搜索、分像素搜索的顺序，每一阶段确定的匹配点为下一阶段的搜索起始点。

具体实现时，预搜索阶段，在两个参考帧上分别对当前待编码图像进行预搜索，其中，待编码图像具体可以为最大编码单元(Largest Coding Unit，LCU)或宏块(MacroBlock，MB)。分别在两个参考帧上确定出与当前待编码图像匹配的搜索代价最小的匹配点，该匹配点即为预搜索阶段的匹配点，该匹配点对应的预测图像块为与上述待编码图像最相近的图像块。需要说明的是，预搜索阶段的匹配点为起始点根据待编码图像中的预测单元(Prediction Unit，PU)确定整像素搜索阶段的匹配点，该匹配点为整像素搜索范围内候选点代价值最小的点。

在一种可能的实现方式中，整像素搜索步骤包括：首先，计算机设备以初始运动矢量所指向的位置为起始点，其中，起始点具体可以为根据预搜索确定的匹配点；然后，计算机设备选择预设的搜索模板进行整点搜索，以在预设的搜索范围内寻找率失真代价最小的整像素匹配块，将该整像素匹配块确定为预测单元的匹配块。整像素搜索范围为覆盖所有整像素点的范围，该范围可由用户进行设定，也可以是默认的正常搜索范围，例如起始点周围正负12个整像素点之内。其中，整像素搜索的搜索模板包括全搜索、菱形搜索、六边形搜索、EPZS(Enhance Predictive Zonal Search)和UMH(Unsymmetrical-cross Multi-Hexagon-grid Search)等。

举例来说，如图5所示，图5是本申请实施例提供的一种像素搜索的搜索过程示意图。该搜索方式具体可以为整像素搜索，搜索范围为(d+m)×(d+n)，其中填充块为目标编码单元，空白块为目标编码单元的匹配块，m为目标编码单元的长度，n为目标编码单元的宽度，预测单元左上角坐标(p，q)，目标编码单元的匹配块左上角坐标(p+u，q+v)，进而可以得到目标编码单元的运动矢量为(u，v)。

全搜索，是在参考帧的搜索区域内穷举搜索，即遍历搜索范围内的每一个像素点，该方法最简单、最直接，且性能最优，但计算量过于庞大，不便于实时编码处理。

菱形搜索，又称钻石搜索。该搜索方法以菱形为搜索模板，先选择一个大菱形作为模板进行搜索，当率失真代价最小的点落在大菱形模板的中心点时采用小菱形模板进行搜索，实现匹配块的准确定位。该搜索方法能很大程度上避免落入局部最小化，但是无论是运动图像序列还是保持静止的图像序列，都需经过从大模板到小模板的搜索过程，会造成了较大的搜索冗余。

六边形搜索，类似菱形搜索。该搜索方法将菱形搜索中的大模板替换为步长为2的六边形，而小模板替换为步长为1的正方形进行搜索，其优缺点也与菱形搜索相似。

在一种可能的实现方式中，分像素搜索可以包括：半像素搜索、1/4像素搜索和1/8像素搜索。其中，半像素搜索，以整像素搜索后获得匹配块左上角对应的位置为起点，对周围参考像素点进行插值，并全搜索其周围八邻域内所有的半像素点，选择率失真代价最小的运动矢量对应的半像素点，将该半像素点确定为预测单元的匹配块。1/4像素搜索，以半像素搜索获得的匹配块左上角对应的位置为起点，对周围参考像素点进行插值，并全搜索该匹配块周围八邻域内所有的1/4像素点，选择率失真代价最小的运动矢量对应的1/4像素点，将该1/4像素点确定为预测单元的匹配块。1/8像素搜素，以1/4像素搜索获得的匹配块左上角对应的位置为起点，对周围参考像素点进行插值，并全搜索该匹配块周围八邻域内的所有的1/8像素点，选择率失真代价最小的运动矢量对应的1/8像素点，将该1/8像素点确定为预测单元的匹配块。

步骤S330：利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，所述搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种。

需要说明的是，在进行像素搜索时，并不一定要进行到分像素搜索，即整像素搜素之后就停止搜索。并且，在进行分像素搜索时不一定要进行到1/8像素搜索，可以进行到半像素搜索即停止，也可以进行到1/4像素搜索停止。可以根据运动矢量精度来确定最终需要进行分像素搜索的精度，使得在最小精度范围内搜索到预测单元的匹配块。

如图6所示，图6是本申请实施例提供的一种像素搜索的流程示意图。在一种可能的实现方式中，计算机设备根据尺寸信息获取目标编码单元的长度和宽度之间的比值，以及获取第一预设阈值；计算机设备将该比值与第一预设阈值进行比较，若比值大于第一预设阈值，则确定目标编码单元跳过整像素搜索，即目标编码单元的数据搜索方式包括运动信息搜索。需要说明的是，此时是将运动信息搜索得到的结果作为目标编码单元的整像素搜索结果。其中，父编码单元是指像素包含目标编码单元像素的编码单元，子编码单元是指像素被目标编码单元包含在内的编码单元。

具体实现时，首先，计算机设备可以从自身的搜索起始点、已完成整像素搜索的父编码单元、已完成整像素搜索的子编码单元获取各自的运动信息，其中，运动信息具体可以为整像素运动信息，运动信息也可以为分像素运动信息，本申请对此不作限定。然后，计算机设备比较这些运动信息的率失真代价，并将包括的率失真代价最小的运动信息作为目标编码单元的整像素搜索结果。其中，率失真代价，即编码代价，是视频编码中以率失真理论为基础来评价编码性能的一种衡量指标。鉴于此，将率失真代价较小的运动信息确定为目标编码单元的整像素搜索结果，可以提高针对目标编码单元在编码过程的编码性能。需要说明的是，本申请实施例中所涉及的率失真代价也可以为率失真优化(Rate DistortionOptimized，RDO)、绝对误差(Sum of Absolute Difference，SAD)或变换后的绝对误差和(Sum of Absolute Transformed Difference，SATD)中的一种、多种或全部。

在一种可能的实现方式中，若比值大于第一预设阈值，则计算机设备确定目标编码单元可以跳过整像素搜索，并用运动信息搜索来代替整像素搜索，此时确定目标编码单元的搜索方式至少包括运动信息搜索。

进一步地，计算机设备还可以获取第二预设阈值，若比值大于第二预设阈值，则确定目标编码单元还可以跳过分像素搜索，此时目标编码单元的数据搜索方式仅包括运动信息搜索。根据上述对数据搜索方式包括运动信息搜索的描述，进而可以确定目标编码单元的搜索结果。

在一种可能的实现方式中，若比值小于或等于第一预设阈值，则计算机设备获取第三预设阈值，并将目标编码单元的像素值方差与第三预设阈值进行比较。若像素值方差小于第三预设阈值，则计算机设备确定目标编码单元可以跳过整像素搜索，并用运动信息搜索来代替整像素搜索，此时确定目标编码单元的搜索方式至少包括运动信息搜索。

进一步地，若比值大于第二预设阈值，则确定目标编码单元还可以跳过分像素搜索，此时确定目标编码单元的数据搜索方式仅包括运动信息搜索，则计算机设备可以根据数据搜索方式确定目标编码单元的整像素搜索结果。需要说明的是，第一预设阈值、第二预设阈值以及第三预设阈值之间没有任何联系，用户可以根据具体情况以及实际需求进行相应的设置。

在一种可能的实现方式中，若比值小于或等于第一预设阈值，像素值方差小于第三预设阈值，且比值小于或等于第二预设阈值，则确定目标编码单元的数据搜索方式包括运动信息搜索以及分像素搜索，则计算机设备可以根据数据搜索方式确定目标编码单元的整像素搜索结果和分像素搜索结果，此时是将运动信息搜索得到的结果作为目标编码单元的整像素搜索结果。

在一种可能的实现方式中，若比值小于或等于第一预设阈值，比值大于第二预设阈值，且像素值方差大于或等于第三预设阈值，则确定目标编码单元的数据搜索方式仅包括整像素搜索，则计算机设备可以直接根据对目标编码单元进行整像素搜索确定目标编码单元的整像素搜索结果。

步骤S340：根据所述搜索结果确定所述目标编码单元的运动估计信息。

具体实现时，计算机设备在对目标编码单元进行像素搜索之后，可以得到该目标编码单元的搜索结果，进而计算机设备根据搜索结果确定目标编码单元的运动估计信息。其中，搜索结果可以包括整像素搜索结果以及分像素搜索结果中的一种或两种，具体的，搜索结果可以包括整像素搜索结果，则将整像素搜索结果作为目标编码单元的运动估计信息，搜索结果也可以包括整像素搜索结果和分像素搜索结果，则将整像素搜索结果和分像素搜索结果组合为目标编码单元的运动估计信息。

在一种可能的实现方式中，确定了目标编码单元的运动估计信息之后，后续可以根据运动估计信息对视频进行压缩处理。

通过本申请实施例所提供的方法，通过获取编码单元的特征信息，特征信息包括编码单元的像素值方差以及尺寸信息，根据编码单元的像素值方差以及尺寸信息，编码器只需要对部分的编码单元进行整像素搜索和分像素搜索，相比于现有方式中编码器需要对各个编码单元都进行整像素搜索和分像素搜索，可以降低编码器运动估计的时间开销，从而可以提高编码器的编码效率。

请参见图7，图7为本申请实施例提供的一种数据处理装置的结构示意图。图7所示的数据处理装置可以用于执行上述图3～图6所描述的方法实施例中的部分或全部功能。该装置可以是计算机设备，也可以是计算机设备中的装置，或者是能够和计算机设备匹配使用的装置。并且，计算机设备可以是用户终端，也可以是服务器。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和系统，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的；例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。该数据处理装置可包括：

获取单元710，用于在待编码图像中获取目标编码单元的特征信息，所述特征信息至少包括所述目标编码单元的像素值方差以及尺寸信息；

确定单元720，用于根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，所述数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，所述运动信息包括已完成搜索的编码单元中的运动信息和所述目标编码单元的搜索起始点中的运动信息；

处理单元730，用于利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，所述搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；

确定单元720，还用于根据所述素搜索结果确定所述目标编码单元的运动估计信息。

在一种可能的实现方式中，尺寸信息包括所述目标编码单元的长度和宽度，确定单元720根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，包括：

根据所述尺寸信息获取所述目标编码单元的长度和宽度之间的比值；

若所述比值大于第一预设阈值，则确定所述目标编码单元的搜索方式包括所述运动信息搜索；或者，

若所述比值大于第一预设阈值，且所述比值大于第二预设阈值，所述第一预设阈值不同于所述第二预设阈值，则确定所述目标编码单元的搜索方式仅包括所述运动信息搜索。

在一种可能的实现方式中，若所述比值大于所述第一预设阈值，且所述比值小于或等于所述第二预设阈值，则确定单元720确定所述目标编码单元的数据搜索方式包括所述运动信息搜索以及所述分像素搜索。

在一种可能的实现方式中，若所述比值小于或等于所述第一预设阈值，且所述像素值方差小于第三预设阈值，则确定所述目标编码单元的搜索方式包括所述运动信息搜索；或者，

若所述比值小于或等于所述第一预设阈值，所述像素值方差小于第三预设阈值，且所述比值大于所述第二预设阈值，则确定所述目标编码单元的数据搜索方式仅包括所述运动信息搜索。

在一种可能的实现方式中，若所述比值小于或等于所述第一预设阈值，所述像素值方差小于第三预设阈值，且所述比值小于或等于所述第二预设阈值，则确定单元720确定所述目标编码单元的数据搜索方式包括所述运动信息搜索以及所述分像素搜索。

在一种可能的实现方式中，若所述比值小于或等于所述第一预设阈值，所述比值大于第二预设阈值，且所述像素值方差大于或等于所述第三预设阈值，则确定单元720确定所述目标编码单元的数据搜索方式仅包括所述整像素搜索。

在一种可能的实现方式中，处理单元730利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，包括：

若所述数据搜索方式包括所述运动信息搜索，则获取已完成搜索的编码单元和所述目标编码单元的搜索起始点，所述已完成搜索的编码单元包括已完成整像素搜索的所述目标编码单元的父编码单元和子编码单元；

获取所述父编码单元、所述子编码单元和所述目标编码单元的搜索起始点各自对应的运动信息；

比较所述各自对应的运动信息中的率失真代价，并将包括的率失真代价最小的运动信息作为所述目标编码单元的整像素搜索结果。

请参见图8，图8是本申请实施例提供的一种计算机设备的结构示意图，该计算机设备用于执行图3～图6对应的方法实施例中计算机设备所执行的步骤，该服务器包括：一个或多个处理器810；一个或多个输入设备820，一个或多个输出设备830和存储器840。上述处理器810、输入设备820、输出设备830和存储器840通过总线850连接。存储器840用于存储计算机程序，所述计算机程序包括程序指令，处理器810用于执行存储器840存储的程序指令，执行以下操作：

在待编码图像中获取目标编码单元的特征信息，所述特征信息至少包括所述目标编码单元的像素值方差以及尺寸信息；

根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，所述数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，所述运动信息包括已完成搜索的编码单元中的运动信息和所述目标编码单元的搜索起始点中的运动信息；

利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，所述搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；

根据所述搜索结果确定所述目标编码单元的运动估计信息。

在一种可能的实现方式中，尺寸信息包括所述目标编码单元的长度和宽度，所述处理器810根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，包括：

根据所述尺寸信息获取所述目标编码单元的长度和宽度之间的比值；

若所述比值大于第一预设阈值，则确定所述目标编码单元的搜索方式包括所述运动信息搜索；或者，

若所述比值大于第一预设阈值，且所述比值大于第二预设阈值，所述第一预设阈值不同于所述第二预设阈值，则确定所述目标编码单元的搜索方式仅包括所述运动信息搜索。

在一种可能的实现方式中，若所述比值大于所述第一预设阈值，且所述比值小于或等于所述第二预设阈值，则处理器810确定所述目标编码单元的数据搜索方式包括所述运动信息搜索以及所述分像素搜索。

在一种可能的实现方式中，若所述比值小于或等于所述第一预设阈值，且所述像素值方差小于第三预设阈值，则确定所述目标编码单元的搜索方式包括所述运动信息搜索；或者，

若所述比值小于或等于所述第一预设阈值，所述像素值方差小于第三预设阈值，且所述比值大于所述第二预设阈值，则确定所述目标编码单元的数据搜索方式仅包括所述运动信息搜索。

在一种可能的实现方式中，若所述比值小于或等于所述第一预设阈值，所述像素值方差小于第三预设阈值，且所述比值小于或等于所述第二预设阈值，则处理器810确定所述目标编码单元的数据搜索方式包括所述运动信息搜索以及所述分像素搜索。

在一种可能的实现方式中，若所述比值小于或等于所述第一预设阈值，所述比值大于第二预设阈值，且所述像素值方差大于或等于所述第三预设阈值，则处理器810确定所述目标编码单元的数据搜索方式仅包括所述整像素搜索。

在一种可能的实现方式中，处理器810利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，包括：

若所述数据搜索方式包括所述运动信息搜索，则获取已完成搜索的编码单元和所述目标编码单元的搜索起始点，所述已完成搜索的编码单元包括已完成整像素搜索的所述目标编码单元的父编码单元和子编码单元；

获取所述父编码单元、所述子编码单元和所述目标编码单元的搜索起始点各自对应的运动信息；

比较所述各自对应的运动信息中的率失真代价，并将包括的率失真代价最小的运动信息作为所述目标编码单元的整像素搜索结果。

应当理解，本发明实施例中所描述的计算机设备可执行前文图3～图6所对应实施例中对数据处理方法的描述，也可执行前文图7所对应实施例中对数据处理装置的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。

此外，这里需要指出的是：本发明实施例还提供了一种计算机存储介质，且计算机存储介质中存储有前文提及的数据处理装置所执行的计算机程序，且该计算机程序包括程序指令，当处理器执行上述程序指令时，能够执行前文图3～图6所对应实施例中的方法，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本发明所涉及的计算机存储介质实施例中未披露的技术细节，请参照本发明方法实施例的描述。作为示例，程序指令可以被部署在一个计算机设备上，或者在位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行，分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。

根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备可以执行前文图3到图8所对应实施例中的方法，因此，这里将不再进行赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种数据处理方法，其特征在于，所述方法包括：

在待编码图像中获取目标编码单元的特征信息，所述特征信息至少包括所述目标编码单元的像素值方差以及尺寸信息；

根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，所述数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，所述运动信息包括已完成搜索的编码单元中的运动信息和所述目标编码单元的搜索起始点中的运动信息；

利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，所述搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；

根据所述搜索结果确定所述目标编码单元的运动估计信息。

2.根据权利要求1所述的方法，其特征在于，所述尺寸信息包括所述目标编码单元的长度和宽度，所述根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，包括：

根据所述尺寸信息获取所述目标编码单元的长度和宽度之间的比值；

若所述比值大于第一预设阈值，则确定所述目标编码单元的搜索方式包括所述运动信息搜索；或者，

若所述比值大于第一预设阈值，且所述比值大于第二预设阈值，所述第一预设阈值不同于所述第二预设阈值，则确定所述目标编码单元的搜索方式仅包括所述运动信息搜索。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若所述比值大于所述第一预设阈值，且所述比值小于或等于所述第二预设阈值，则确定所述目标编码单元的数据搜索方式包括所述运动信息搜索以及所述分像素搜索。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若所述比值小于或等于所述第一预设阈值，且所述像素值方差小于第三预设阈值，则确定所述目标编码单元的搜索方式包括所述运动信息搜索；或者，

若所述比值小于或等于所述第一预设阈值，所述像素值方差小于第三预设阈值，且所述比值大于所述第二预设阈值，则确定所述目标编码单元的数据搜索方式仅包括所述运动信息搜索。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若所述比值小于或等于所述第一预设阈值，所述像素值方差小于第三预设阈值，且所述比值小于或等于所述第二预设阈值，则确定所述目标编码单元的数据搜索方式包括所述运动信息搜索以及所述分像素搜索。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若所述比值小于或等于所述第一预设阈值，所述比值大于第二预设阈值，且所述像素值方差大于或等于所述第三预设阈值，则确定所述目标编码单元的数据搜索方式仅包括所述整像素搜索。

7.根据权利要求1～6任一项所述的方法，其特征在于，所述利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，包括：

若所述数据搜索方式包括所述运动信息搜索，则获取已完成搜索的编码单元和所述目标编码单元的搜索起始点，所述已完成搜索的编码单元包括已完成整像素搜索的所述目标编码单元的父编码单元和子编码单元；

获取所述父编码单元、所述子编码单元和所述目标编码单元的搜索起始点各自对应的运动信息；

比较所述各自对应的运动信息中的率失真代价，并将包括的率失真代价最小的运动信息作为所述目标编码单元的整像素搜索结果。

8.一种数据处理装置，其特征在于，包括：

获取单元，用于在待编码图像中获取目标编码单元的特征信息，所述特征信息至少包括所述目标编码单元的像素值方差以及尺寸信息；

确定单元，用于根据所述目标编码单元的特征信息确定所述目标编码单元的数据搜索方式，所述数据搜索方式包括整像素搜索、分像素搜索和运动信息搜索中的至少一种，所述运动信息包括已完成搜索的编码单元中的运动信息和所述目标编码单元的搜索起始点中搜索中的运动信息；

处理单元，用于利用确定的所述数据搜索方式进行数据搜索，得到所述目标编码单元的搜索结果，所述搜索结果包括整像素搜索结果和分像素搜索结果中的一种或两种；

确定单元，还用于根据所述素搜索结果确定所述目标编码单元的运动估计信息。

9.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器存储一组程序代码，所述处理器调用所述存储器中存储的程序代码，用于执行1～7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～7任一项所述的方法。

Images