CN116723183A - 一种基于轻量化的视频文件设备及处理方法 - Google Patents
一种基于轻量化的视频文件设备及处理方法 Download PDFInfo
- Publication number
- CN116723183A CN116723183A CN202310622297.4A CN202310622297A CN116723183A CN 116723183 A CN116723183 A CN 116723183A CN 202310622297 A CN202310622297 A CN 202310622297A CN 116723183 A CN116723183 A CN 116723183A
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- prediction
- video file
- light
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims description 13
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 239000013585 weight reducing agent Substances 0.000 abstract 2
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/15—Interconnection of switching modules
-
- 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
- H04N19/17—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 an image region, e.g. an object
- H04N19/172—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 an image region, e.g. an object the region being a picture, frame or field
-
- 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
- H04N19/20—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using video object coding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及数字信息领域，并公开了将网络交换机中传输的原始数据流通过视频文件轻量化处理后传输回网络交换机中，将网络交换机中传输的原始数据流通过视频文件轻量化处理后传输回网络交换机中，具体包括如下步骤；第一步、通过FTP/FTPS等标准协议与存储服务器对接，读取存储的视频文件；第二步、视频文件轻量化平台对视频文件进行轻量化编码后，视频轻量化文件与原视频文件的编码格式、分辨率、帧率保持一致；第三步，视频文件轻量化平台把生成的视频轻量化文件保存到存储服务器中。由于视频文件轻量化平台编码效率高，不影响图像质量，与原视频编码格式、分辨率、帧率保持一致，符合GAT995‑2020‑《道路交通安全违法行为视频取证设备技术规范》。
Description
技术领域
本发明涉及数字信息领域，更具体的说，涉及一种基于轻量化的视频文件设备及处理方法。
背景技术
在视频监控领域，系统会部署大量的存储服务器存储历史视频文件，以便各APP随时调阅历史视频文件。
由于高清视频文件很大，占用大量的存储空间，以1080P摄像头为例，每天产生的视频文件42G/天(30M/分钟)，各APP在调阅时，经常出现视频卡顿，加载时间长等问题。
视频文件压缩设备，主要存在以下缺点：
第一，视频压缩设备的图像编码效率低，是通过抽帧、降低图像分辨率来实现，会导致图像失真、模糊不清等问题，影响各APP调阅效果。
视频压缩设备使用抽帧、降低图像分辨来实现，不符合GAT995-2020-《道路交通安全违法行为视频取证设备技术规范》，无法作为证据，对使用单位来说，是个巨大的潜在风险点；
为此我们提出了一种基于轻量化的视频文件设备及处理方法。
发明内容
本发明的目的是针对现有技术的不足，提供一种基于轻量化的视频文件设备及剥膜方法，用于提高设备上墨效率。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种基于轻量化的视频文件处理方法,将网络交换机中传输的原始数据流通过视频文件轻量化处理后传输回网络交换机中，第一步、通过FTP/FTPS等标准协议与存储服务器对接，读取存储的视频文件。
第二步、视频文件轻量化平台对视频文件进行轻量化编码后，输出符合H.264、H.265编码标准的视频轻量化文件。视频轻量化文件与原视频文件的编码格式、分辨率、帧率保持一致。
第三步，视频文件轻量化平台把生成的视频轻量化文件保存到存储服务器中。
一种基于轻量化的视频文件设备，包括帧内编码模块和帧间追踪模块；
所述帧内编码模块包括帧内预测，其利用邻近块之间的空域相关性来消除空域冗余，即帧内预测利用当前帧中已重构的像素，导出当前块的预测值，预测块的导出规则是帧内预测的核心；
帧间追踪模块通过使用光流法完成帧间追踪，将运动矢量和残差分离，突破传统的平移运动，加入了旋转、缩放、非线性，同时可以对目标跟踪、定位；
深度学习视频编码，计编码算法及其依赖于数据概率结构的分析，基于此观察，视频图像轻量化技术设计新的非线性变换方法以驱动卷积神经网络的输出数据分布更接近高斯分布，并结合量化技术，自编码网络和对抗生成网络，设计可进行端到端进行优化的图像和视频编码算法。
更进一步的，帧内预测包含平面预测、直流预测和角度预测等模式，为了提升编码性能，视频图像轻量化技术提出基于位置的帧内预测组合，使用边界参考像素以及滤波后的边界参考像素对传统平面预测、直流预测和角度预测模式的结果进行修正，并利用当前块的上下文信息为不同的预测模式训练不同的网络，并且根据上下文，额外训练一个网络预测不同模式的概率，
视频图像轻量化技术的图像分割突破式的采用了新的边界提取算法，智能分析数据的预测方法，利用graph based image segmentation算法，利用像素区域融合技术得到分割结果，使用分割图的梯度来提取边界轮廓，最后根据边界轮廓提取边带，将图片分割和视频编码无缝融合。
更进一步的，所述光流法用于帧间跟踪的原理如下；
1)对一个连续的视频帧序列进行处理；
2)针对每一个视频序列，利用一定的目标检测方法，检测可能出现的前景目标；
3)如果某一帧出现了前景目标，找到其具有代表性的关键特征点(可以随机产生，也可以利用角点来做特征点)；
4)对之后的任意两个相邻视频帧而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；
5)如此迭代进行，便可实现目标的跟踪。
更进一步的，所述输入的视频序列被分为关键帧和WZ帧，关键帧使用传统帧内编码器进行编码；而WZ帧按以下过程进行编码：先执行基于块的变换，接着提取相同位置的每个像素块的系数，然后将这些系数组织在多个频带中，并对得到的变换系数进行量化，量化信息通过使用分布式算术编码器进行处理，通过重叠算术编码区间实现编码，并用CRC码辅助校验。
更进一步的，深度学习编码，首先对输入的待编码视频进行帧提取，然后对其视频帧重新设置尺寸；其次，使用基于学习的光流估计获取运动信息并重建当前视频帧；然后，使用两个自编码器样式的神经网络来编码相应的行为和残差信息，可以显著的编码当前视频帧的大小；将编码后的各视频帧合成为一个新的视频，通过使用自编码器基于参考帧、当前帧和原始运动场同时提取、编码并解码出重建的运动场和残差，然后使用空域偏移卷积生成当前帧的预测，最后与残差相加得到重建帧。
更进一步的：编码协议采用H.264、H.265。
视频文件轻量化平台主要特点
1、通过视频文件轻量化平台处理后，大大提高各类APP调用视频文件网络传输效率，提高APP的响应速度，节约存储空间。采用CPU处理模式，旁路部署，视频文件轻量化后不影响原有网络架构及信息提取；
2、处理能力：单通道最大支持视频文件流720P@25fps 30倍速处理，1080P@25fps20倍速处理，4K@25fps 4倍速处理；
3、定制开发实现历史存量数据处理：可利用空余时间，定时自动处理历史数据；
4、产品分辨率：轻量化前后帧率、分辨率及格式均一致；
5、轻量化效率比：支持各类分辨率文件，轻量化倍率4-16倍；
6、轻量化质量：轻量化后视频播放流畅，无失真、拖尾、跳帧、卡顿、能保持原图像基本输出特性；
7、编码格式：经产品轻量化后，视频文件符合H.264、H265编码标准；
8、轻量化后的输出视频，同时可通过主流视频播放器解码播放；
9、支持音频编码格式：G.711，AAC；
10、支持通过ftp/ftps/http协议与视频存储系统无缝对接
根据上述方案，
相比于现有技术的有益效果如下：
第一，由于视频文件轻量化平台编码效率高，不影响图像质量，与原视频编码格式、分辨率、帧率保持一致，符合GAT995-2020-《道路交通安全违法行为视频取证设备技术规范》，可以作为证据来使用。
第二，视频文件轻量化平台生成的视频轻量化文件，不改变视频清晰度，文件大小变为原先的1/4-----1/16，提高各APP调阅效率5倍以上。
第三，节约存储空间80％。
附图说明
图1为本发明一种基于轻量化的视频文件设备对接示意图
图2为现有技术对比示意图。
具体实施方式
下面结合附图并通过具体实施例对发明作进一步详述，以下实施例只是描述性的，不是限定性的本发明的保护范围。
一种基于轻量化的视频文件处理方法,将网络交换机中传输的原始数据流通过视频文件轻量化处理后传输回网络交换机中，第一步、通过FTP/FTPS等标准协议与存储服务器对接，读取存储的视频文件。
第二步、视频文件轻量化平台对视频文件进行轻量化编码后，输出符合H.264、H.265编码标准的视频轻量化文件。视频轻量化文件与原视频文件的编码格式、分辨率、帧率保持一致。
第三步，视频文件轻量化平台把生成的视频轻量化文件保存到存储服务器中。
在视频监控领域，为减少实时高清视频传输带宽、存储空间、机房占用面积、碳排放等，本设备通过旁挂的方式部署在网络交换机中，如上图所示，本设备与其他设备对接过程主要包括：
第一、通过rtsp、rtmp、tcp、udp、onvif、GB28181等标准协议与IP摄像机对接，经过视频轻量化设备进行轻量化编码后，输出符合H.264、H.265编码标准的视频流，与原视频流编码格式、分辨率、帧率保持一致。
系统中其他视频接入平台和视频相关设备(比如存储服务器、监控大屏、智能分析管理平台等)通过rtsp、rtmp、tcp、udp、onvif、GB28181等标准协议与视频轻量化设备进行对接。
如图1所示：第一、帧内编码
帧内预测主要是利用邻近块之间的空域相关性来消除空域冗余。具体来讲，帧内预测利用当前帧中已重构的像素，导出当前块的预测值，预测块的导出规则是帧内预测的核心。
H.264/H.265中的帧内预测包含平面(planar)预测、直流(direct current，DC)预测和角度预测等模式，为了提升编码性能，视频图像轻量化技术提出基于位置的帧内预测组合，使用边界参考像素以及滤波后的边界参考像素对传统平面预测、直流预测和角度预测模式的结果进行修正，并利用当前块的上下文信息为不同的预测模式训练不同的网络，并且根据上下文，额外训练一个网络预测不同模式的概率，以降低预测失真。
视频图像轻量化技术的图像分割突破式的采用了新的边界提取算法，智能分析数据的预测方法，解决了边界区域编码码流大的问题，利用graph based imagesegmentation算法，利用像素区域融合技术得到分割结果，使用分割图的梯度来提取边界轮廓，最后根据边界轮廓提取边带，将图片分割和视频编码无缝融合，提高预测的准确性，降低了码率。
第二、帧间追踪技术
通过使用光流法完成帧间追踪，将运动矢量和残差分离，突破传统的平移运动，加入了旋转、缩放、非线性，同时可以对目标跟踪、定位。
光流法用于帧间跟踪的原理是：
1)对一个连续的视频帧序列进行处理；
2)针对每一个视频序列，利用一定的目标检测方法，检测可能出现的前景目标；
3)如果某一帧出现了前景目标，找到其具有代表性的关键特征点(可以随机产生，也可以利用角点来做特征点)；
4)对之后的任意两个相邻视频帧而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；
5)如此迭代进行，便可实现目标的跟踪。
输入的视频序列被分为关键帧和WZ帧。关键帧使用传统帧内编码器进行编码；而WZ帧按以下过程进行编码：先执行基于块的变换，接着提取相同位置的每个像素块的系数，然后将这些系数组织在多个频带中，并对得到的变换系数进行量化。量化信息通过使用分布式算术编码器进行处理，通过重叠算术编码区间实现编码，并用CRC码辅助校验。
第三、深度学习视频编码
数据编码本质上是用最小的信息熵对离散数据进行集成描述，设计编码算法及其依赖于数据概率结构的分析，基于此观察，视频图像轻量化技术设计新的非线性变换方法以驱动卷积神经网络的输出数据分布更接近高斯分布，并结合量化技术，自编码网络和对抗生成网络，设计可进行端到端进行优化的图像和视频编码算法。
端到端的编码主要要解决两个问题：一方面是神经网络的编码能力，也就是重建图像的质量高低；另一方面则是经过编码后的紧凑表示的码率大小，即在网络训练过程中能够有效地对紧凑表示进行码率约束和估计。
深度学习技术替换混合编码框架模块，可用于码率分配、块划分以及帧内预测和帧间预测，以帧间预测为例，实验结果表明，与HEVC相比，基于深度学习所提出的方法在lowdelay P配置下，能达到平均1.7％(最高为8.6％)的码率减少。
首先对输入的待编码视频进行帧提取，然后对其视频帧重新设置尺寸；其次，使用基于学习的光流估计获取运动信息并重建当前视频帧；然后，使用两个自编码器样式的神经网络来编码相应的行为和残差信息，可以显著的编码当前视频帧的大小；将编码后的各视频帧合成为一个新的视频，在不影响观看效果的前提下，有效的编码了当前视频的整体大小，减少了占用内存空间，并且可以作为云端上的视频编码方法，其优于HEVC/H.264视频编码方式。
通过使用自编码器基于参考帧、当前帧和原始运动场同时提取、编码并解码出重建的运动场和残差，然后使用空域偏移卷积生成当前帧的预测，最后与残差相加得到重建帧，考虑到低码率端的量化失真，使用了后处理模块提升编码性能。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (7)
1.一种基于轻量化的视频文件处理方法，其特征在于，
将网络交换机中传输的原始数据流通过视频文件轻量化处理后传输回网络交换机中，具体包括如下步骤；
第一步、通过FTP/FTPS等标准协议与存储服务器对接，读取存储的视频文件；
第二步、视频文件轻量化平台对视频文件进行轻量化编码后，输出符合H.264、H.265编码标准的视频轻量化文件，视频轻量化文件与原视频文件的编码格式、分辨率、帧率保持一致；
第三步，视频文件轻量化平台把生成的视频轻量化文件保存到存储服务器中。
2.一种基于轻量化的视频文件设备，其特征在于，
包括帧内编码模块和帧间追踪模块；
所述帧内编码模块包括帧内预测，其利用邻近块之间的空域相关性来消除空域冗余，即帧内预测利用当前帧中已重构的像素，导出当前块的预测值，预测块的导出规则是帧内预测的核心；
帧间追踪模块通过使用光流法完成帧间追踪，将运动矢量和残差分离，突破传统的平移运动，加入了旋转、缩放、非线性，同时可以对目标跟踪、定位；
深度学习视频编码，计编码算法及其依赖于数据概率结构的分析，基于此观察，视频图像轻量化技术设计新的非线性变换方法以驱动卷积神经网络的输出数据分布更接近高斯分布，并结合量化技术，自编码网络和对抗生成网络，设计可进行端到端进行优化的图像和视频编码算法。
3.根据权利要求2所述的一种基于轻量化的视频文件设备，其特征在于，帧内预测包含平面预测、直流预测和角度预测等模式，为了提升编码性能，视频图像轻量化技术提出基于位置的帧内预测组合，使用边界参考像素以及滤波后的边界参考像素对传统平面预测、直流预测和角度预测模式的结果进行修正，并利用当前块的上下文信息为不同的预测模式训练不同的网络，并且根据上下文，额外训练一个网络预测不同模式的概率，
视频图像轻量化技术的图像分割突破式的采用了新的边界提取算法，智能分析数据的预测方法，利用graph based image segmentation算法，利用像素区域融合技术得到分割结果，使用分割图的梯度来提取边界轮廓，最后根据边界轮廓提取边带，将图片分割和视频编码无缝融合。
4.根据权利要求2所述的一种基于轻量化的视频文件设备，其特征在于，所述光流法用于帧间跟踪的原理如下；
1)对一个连续的视频帧序列进行处理；
2)针对每一个视频序列，利用一定的目标检测方法，检测可能出现的前景目标；
3)如果某一帧出现了前景目标，找到其具有代表性的关键特征点(可以随机产生，也可以利用角点来做特征点)；
4)对之后的任意两个相邻视频帧而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；
5)如此迭代进行，便可实现目标的跟踪。
5.根据权利要求4所述的一种基于轻量化的视频文件设备，其特征在于，所述输入的视频序列被分为关键帧和WZ帧，关键帧使用传统帧内编码器进行编码；而WZ帧按以下过程进行编码：先执行基于块的变换，接着提取相同位置的每个像素块的系数，然后将这些系数组织在多个频带中，并对得到的变换系数进行量化，量化信息通过使用分布式算术编码器进行处理，通过重叠算术编码区间实现编码，并用CRC码辅助校验。
6.根据权利要求1所述的一种基于轻量化的视频文件设备，其特征在于，深度学习编码，首先对输入的待编码视频进行帧提取，然后对其视频帧重新设置尺寸；其次，使用基于学习的光流估计获取运动信息并重建当前视频帧；然后，使用两个自编码器样式的神经网络来编码相应的行为和残差信息，可以显著的编码当前视频帧的大小；将编码后的各视频帧合成为一个新的视频，通过使用自编码器基于参考帧、当前帧和原始运动场同时提取、编码并解码出重建的运动场和残差，然后使用空域偏移卷积生成当前帧的预测，最后与残差相加得到重建帧。
7.根据权利要求2-6任意一条所述的一种基于轻量化的视频文件设备，其特征在于：编码协议采用H.264、H.265。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310622297.4A CN116723183A (zh) | 2023-05-30 | 2023-05-30 | 一种基于轻量化的视频文件设备及处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310622297.4A CN116723183A (zh) | 2023-05-30 | 2023-05-30 | 一种基于轻量化的视频文件设备及处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116723183A true CN116723183A (zh) | 2023-09-08 |
Family
ID=87872621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310622297.4A Pending CN116723183A (zh) | 2023-05-30 | 2023-05-30 | 一种基于轻量化的视频文件设备及处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116723183A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117097962A (zh) * | 2023-10-19 | 2023-11-21 | 江苏云舟通信科技有限公司 | 用于无线传输的多路复用时长预测系统 |
-
2023
- 2023-05-30 CN CN202310622297.4A patent/CN116723183A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117097962A (zh) * | 2023-10-19 | 2023-11-21 | 江苏云舟通信科技有限公司 | 用于无线传输的多路复用时长预测系统 |
| CN117097962B (zh) * | 2023-10-19 | 2024-01-26 | 江苏云舟通信科技有限公司 | 用于无线传输的多路复用时长预测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110225341B (zh) | 一种任务驱动的码流结构化图像编码方法 | |
| CN111711824B (zh) | 视频编解码中的环路滤波方法、装置、设备及存储介质 | |
| US9756348B2 (en) | Method, device and system for producing a merged digital video sequence | |
| KR102161888B1 (ko) | 보조 프레임을 지원하는 비디오 코딩 포맷으로 비디오 스트림을 인코딩하기 위한 인코더 및 방법 | |
| CN113766249A (zh) | 视频编解码中的环路滤波方法、装置、设备及存储介质 | |
| CN111131825A (zh) | 一种视频处理方法及相关装置 | |
| CN116723183A (zh) | 一种基于轻量化的视频文件设备及处理方法 | |
| CN113992635B (zh) | 多媒体数据处理方法、装置、设备及存储介质 | |
| CN114157870A (zh) | 编码方法、介质及电子设备 | |
| Ma et al. | Surveillance video coding with vehicle library | |
| WO2024078066A1 (zh) | 视频解码方法、视频编码方法、装置、存储介质及设备 | |
| CN102647559B (zh) | 一种云台跟踪录制的方法和装置 | |
| US20240163485A1 (en) | Multi-distribution entropy modeling of latent features in image and video coding using neural networks | |
| WO1997004403A1 (en) | Method and system for improved motion compensation | |
| CN114531528B (zh) | 用于视频处理的方法和图像处理设备 | |
| CN116723331A (zh) | 一种基于轻量化的实时视频图像设备及处理方法 | |
| KR102430177B1 (ko) | 대규모 동영상 고속 관리 시스템 및 그 방법 | |
| KR20140030535A (ko) | 영상 부호화 장치, 영상 부호화 방법, 영상 복호화 장치 및 영상 복호화 방법 | |
| CN111212288A (zh) | 视频数据的编解码方法、装置、计算机设备和存储介质 | |
| US20230262274A1 (en) | video processing method of image quality compensation | |
| US20230188759A1 (en) | Neural Network Assisted Removal of Video Compression Artifacts | |
| US11778224B1 (en) | Video pre-processing using encoder-aware motion compensated residual reduction | |
| CN112019855A (zh) | 一种视频编码方法、装置及计算机设备 | |
| ZHANG et al. | Recent Advances in Video Coding for Machines Standard and Technologies | |
| CN117596392A (zh) | 编码块的编码信息确定方法及相关产品 |
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 |