CN117041581B - 一种用于视频编码参数优化的方法、装置及设备 - Google Patents
一种用于视频编码参数优化的方法、装置及设备 Download PDFInfo
- Publication number
- CN117041581B CN117041581B CN202311226776.0A CN202311226776A CN117041581B CN 117041581 B CN117041581 B CN 117041581B CN 202311226776 A CN202311226776 A CN 202311226776A CN 117041581 B CN117041581 B CN 117041581B
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- uncoded
- unit
- quality evaluation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000013441 quality evaluation Methods 0.000 claims abstract description 124
- 238000005457 optimization Methods 0.000 claims description 48
- 238000001303 quality assessment method Methods 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- H04N19/17—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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请提供了一种用于视频编码参数优化的方法、装置及设备。包括：基于初始编码参数对获取的未编码视频数据进行逐帧编码，并解码后依次加入视频帧序列；基于预设时间间隔，从未编码视频数据中顺序采集连续N个视频帧，作为一个单元依次加入未编码视频帧队列；确定视频帧序列中与未编码视频帧队列中首个单元的首个视频帧的时间戳相同的视频帧，将包括该视频帧的连续N帧和未编码视频帧队列中首个单元输入质量评估模计算型，计算当次质量评估结果，删除首个单元；根据质量评估结果对编码参数进行优化后对未编码视频帧进行逐帧编码；重复上述步骤，直至未编码视频数据全部完成编码。通过该方法，可自适应动态调整编码参数，提高了编码参数设置效率。
Description
技术领域
本申请涉及视频编码技术领域，尤其涉及一种用于视频编码参数优化的技术。
背景技术
视频采集设备采集的原始视频通常为YUV格式，以分辨率为例，一个YUV420格式、像素为1920x1080的视频图像大小约为3Mbit，如果要传输一个每秒30帧这种视频图像帧的视频，则每秒要传输约93Mb数据，对网络带宽要求太高，而且原始视频中往往包括冗余信息，去除冗余信息并不影响视频质量，因此，原始视频通常都要经过视频编码压缩后才会传输。
由于不同视频类别的视频内容复杂度往往差异巨大，同一视频中不同场景的内容也可能复杂度不同。如果原始视频经过视频编码后想要达到满意的视频质量，需要针对不同内容复杂度的视频类别设置不同的视频编码参数。现有视频编码标准，比如H264、H265、vp8、vp9、av1等，定义了很多与视频编码相关的参数，且各参数需要配合设置才能保证编码后的视频质量，因此，如果是在编码前针对不同内容复杂度的视频类别手动进行设置，效率将很低，且一次设置，对于内容复杂度不同的视频，无法兼顾编码码率和编码后的视频质量，比如，在编码前手动设置好的一个适中的编码码率，对于具有复杂运动内容的体育竞技类视频，因未编码码率偏小可能会导致编码后的视频内容丢失细节较多，编码后的视频质量不高，而对于没有复杂内容的动画类视频，又可能会因未编码码率偏高，造成带宽浪费。
因此，需要一种可根据视频内容自适应优化视频编码参数的方法，不但可提高视频编码参数设置效率，而且还可很好实现编码码率和编码后视频质量的平衡。
发明内容
本申请的目的是提供一种用于视频编码参数优化的方法、装置及设备，以至少部分解决现有技术中视频编码参数设置效率低且无法兼顾编码码率和编码后的视频质量的技术问题。
根据本申请的一个方面，提供了一种用于视频编码参数优化的方法，其中，所述方法包括：
获取未编码视频数据，并基于初始视频编码参数，对所述未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列；
基于预设时间间隔，每次从所述未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列；
确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元；
将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对所述未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略；
重复上述步骤，直至所述未编码视频数据全部完成编码。
可选地，其中，在对所述未编码视频数据进行逐帧编码前，所述方法还包括：
对所述未编码视频数据进行逐帧预处理；
其中，所述对所述未编码视频数据进行逐帧编码包括：对所述未编码视频数据逐帧预处理后进行逐帧编码。
可选地，其中，在对所述未编码视频数据进行逐帧编码前，所述方法还包括：
对所述未编码视频数据进行逐帧分析，并根据分析结果对每个视频帧进行预处理；
其中，所述对所述未编码视频数据进行逐帧编码包括：对所述未编码视频数据逐帧预处理后进行逐帧编码。
可选地，其中，所述将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果包括：
将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧分别输入不同的质量评估模型，得到不同的质量评估模型对应的质量评估结果，对不同的质量评估模型对应的质量评估结果进行加权平均计算，将计算结果作为当次质量评估结果。
可选地，其中，所述将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化包括：
将所述质量评估结果输入决策器，确定所述质量评估结果落入的阈值区间；
根据所述阈值区间对应的视频编码参数优化策略，对视频编码参数进行优化。
可选地，其中，在所述重复上述步骤前，所述方法还包括：
根据所述阈值区间对应的视频编码参数优化策略，删除所述未编码视频帧队列中包括首个单元的一个或多个单元。
可选地，其中，所述计算当次质量评估结果包括：
基于已获得的与预设滑动窗口相关的质量评估结果，计算当次质量评估结果。
可选地，其中，在所述重复上述步骤前，所述方法还包括：
删除所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧及其前面的视频帧。
可选地，所述一种用于视频编码参数优化的方法还包括：
删除所述解码后视频帧序列和所述未编码视频帧队列。
根据本申请的另一方面，提供了一种用于图像数据识别模型构建的系统，其中，所述系统包括：
第一模块，用于获取未编码视频数据，并基于初始视频编码参数，对所述未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列；
第二模块，用于基于预设时间间隔，每次从所述未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列；
第三模块，用于确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元；
第四模块，用于将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对所述未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略。
与现有技术相比，本申请提供了一种用于视频编码参数优化的方法、装置及设备。其方法包括：获取未编码视频数据，并基于初始视频编码参数，对所述未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列；基于预设时间间隔，每次从所述未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列；确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元；将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对所述未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略；重复上述步骤，直至所述未编码视频数据全部完成编码。通过该方法，可根据当前已编码视频的视频质量自动优化用于后续视频编码的参数，可针对不同内容复杂度自适应动态调整视频编码参数，不但提高了视频编码参数设置效率，而且还可动态实现编码码率和编码后视频质量的平衡。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出根据本申请一个方面的一种用于视频编码参数优化的方法流程示意图；
图2示出根据本申请另一个方面的一种用于视频编码参数优化的装置示意图；
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
在本申请的各实施例的一个典型的配置中，设备、系统各可信方和/或装置各模块均可包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或者任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
视频采集设备采集的未编码的原始视频通常为YUV格式，一个YUV格式的原始视频包括若干帧YUV格式的视频图像帧，对原始视频进行视频编码即是将原始视频输入设置好视频编码参数初始值的视频编码器，对每帧视频图像帧进行视频编码，然后输出经过压缩的编码后的视频。现有技术中，如果想要不同内容复杂度的视频在视频编码后获得较好的视频质量，需要先识别原始视频的内容复杂度，再针对不同内容复杂度的原始视频，在视频编码前需要手动调整视频编码参数。由于视频编码参数数量较多，且各种参数之间存在一定的相关性，调整比较复杂，因此，效率低。而且，对于包括内容复杂度不同的多种场景的同一视频，在编码前设置好视频编码参数，无法兼顾编码码率和编码后的视频质量。
为了克服现有技术的上述缺陷，本申请提供了一种用于视频编码参数优化的技术方案：一方面，根据设置好的视频编码参数初始值，对输入的未编码视频数据进行逐帧编码，得到压缩后的多帧视频帧，并将压缩后的多帧视频帧再通过解码器进行解码，得到解码后视频帧序列A；另一方面，根据设置好的时间间隔，每次从未编码视频数据中顺序采集预设数量N个未编码视频帧，作为一个单元，依次加入未编码视频帧队列B；然后确定解码后视频帧序列A中与未编码视频帧队列B的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将解码后视频帧序列A中包括该视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及在完成当次质量评估结果后删除未编码视频帧队列B中首个单元；再将该质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及根据优化后的视频编码参数，对未编码视频数据中后续的未编码视频帧继续进行逐帧编码；然后重复上述步骤，直至未编码视频数据全部完成编码。
为更进一步阐述本申请所采取的技术手段及取得的效果，下面结合附图及优选实施例，对本申请的技术方案，进行清楚和完整的描述。
图1示出根据本申请一个方面的一种用于视频编码参数优化的方法流程示意图，其中，一个实施例的方法包括：
S101获取未编码视频数据，并基于初始视频编码参数，对所述未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列；
S102基于预设时间间隔，每次从所述未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列；
S103确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入预训练的质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元；
S104将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对所述未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略；
S105重复上述步骤，直至所述未编码视频数据全部完成编码。
本申请的各方法实施例/可选实施例可通过设备100实施或执行，其中，设备100是具备视频编解码软硬件环境的计算机设备。其中，所述计算机设备包括但不限于个人计算机、笔记本电脑、工业计算机、服务器、网络主机、单个网络服务器或网络服务器集群。在此，所述计算机设备仅为举例，其他现有的或者今后可能出现的设备和/或资源平台如适用于本申请也应包含在本申请的保护范围内，在此，以引用的方式包含于此。
在该实施例中，在步骤S101中，设备100可获取到未编码视频数据，并根据初始化时设置的视频编码参数，对该未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列。
其中，未编码视频数据通常是YUV格式，可以是原始未编码的视频文件，也可以使实时采集的原始未编码数据，在此，不作限制。若未编码视频数据为RGB格式，通常先转码成YUV格式。
其中，解码后视频帧包括的时间戳、图像尺寸等数据与对应的未编码视频帧包括的相同。
可选地，其中，在对所述未编码视频数据进行逐帧编码前，所述方法还包括：
对所述未编码视频数据进行逐帧预处理；
其中，步骤S101中，对所述未编码视频数据逐帧预处理后进行逐帧编码。
为了去除未编码视频数据中影响视频图像质量的干扰和/或提升视频图像质量，设备100在获取到原始的未编码视频数据后，还可以先对未编码视频数据的每个视频帧进行视频图像预处理，然后再对预处理后的未编码视频数据逐帧编码。例如，对每个视频帧都进行图像锐化(或称边缘增强)操作，以补偿视频图像的轮廓，增强视频图像的边缘及灰度跳变的部分，使视频图像变得清晰，突出视频图像中的物体的边缘、轮廓，或者其中的线性目标要素的特征，以提高物体边缘与周围像元之间的反差。也可以采取其它预处理方法，如降噪、色彩增强、细节补强、超分辨率、智能插帧等，从而能够有效增强视频图像对比度、去除原始未编码视频帧中的干扰，提升未编码视频图像画面质量。
为了使得采取的预处理方法更有针对性，可选地，其中，在对所述未编码视频数据进行逐帧编码前，所述方法还包括：
对所述未编码视频数据进行逐帧分析，并根据分析结果对每个视频帧进行预处理；
其中，步骤S101中，对所述未编码视频数据逐帧预处理后进行逐帧编码。
其中，设备100在获取到原始的未编码视频数据后，还可以先对未编码视频数据的每个视频帧进行视频图像进行图像分析，根据图像分析结果采取相应的预处理方法。比如，可采用图像噪声检测算法检测视频图像是否包含高斯噪声等噪声干扰，如有，则可相应地对视频图像做降噪预处理；可采用图像对比度检测算法检测视频图像，然后相应地对视频图像做直方图均衡化或其它方式的对比度增强预处理。
继续在该实施例中，在步骤S102中，设备100在获取到原始未编码视频数据后，根据预设时间间隔，定时每次从该未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列。每个单元对应N个未编码视频帧，其中，同一单元的N个未编码视频帧是连续未编码视频帧，而不同单元的未编码视频帧之间不连续。
继续在该实施例中，在步骤S103中，设备100确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元。
其中，解码后视频帧序列中每个视频帧的时间戳与其对应的未编码视频帧的时间戳相同，因此，对于未编码视频帧队列的首个单元的首个视频帧，在解码后视频帧序列中一定存在一个视频帧，其时间戳与未编码视频帧队列的首个单元的首个视频帧的时间戳相同。
一个示例性的，假设原始未编码视频数据是一个帧率为25、长度为4分钟的视频数据，则该原始未编码视频数据包括6000个未编码视频帧，预设时间间隔为4秒，N为4，则设备100在获取到这个未编码视频帧的未编码视频数据，从第1个未编码视频帧开始，对其进行逐帧编码，以及将编码后的视频帧进行解码后，会依次得到与未编码视频帧一一对应的解码后视频帧，加入解码后视频序列A。在对未编码视频数据进行逐帧编码的同时，还每隔4秒(即每隔100个未编码视频帧)，从首个未编码视频帧开始，顺序采集4个未编码视频帧，作为一个单元，加入未编码视频帧队列B。那么，未编码视频帧队列B中，首个单元为第1~第4个未编码视频帧，第二个单元为第101~第104个未编码视频帧，第三个单元为第201~第204个未编码视频帧，依次类推，最后第60个单元为第5901~5904个未编码视频帧。因此，刚开始时，原始未编码视频数据的第1帧为未编码视频帧队列B的首个单元的首个视频帧b1，在解码后视频序列A中一定存在一帧a1，a1的时间戳与b1的时间戳相同。继续在步骤S103中，在确认时间戳相同的a1和b1后，将解码后视频序列A中包括a1的4(N=4)个解码后的视频帧和未编码视频帧队列B中首个单元(即当前的首个单元)的包括b1的4个未编码视频帧输入质量评估模型，计算当次质量评估结果。在完成当次质量评估结果计算后，删除未编码视频帧队列B中首个单元(即包括b1的首个单元)。在删除后，未编码视频队列B中的首个单元为包括第101帧的连续4个未编码视频帧。依次类推，每次完成当次质量评估结果计算后，删除当前未编码视频帧队列中首个单元，下次处理时的首个单元即为当前未编码视频帧队列中的首个单元的下一个单元。
其中，质量评估模型包括VMAF (Video Multi-Method Assessment Fusion，视频质量多方法评价融合)、PSNR (Peak Signal-to-Noise Ratio，峰值信噪比)、SSIM(Structural Similarity，结构相似性指标)、VQA (Video Quality Assessment，视频质量评价) 中的任一项或多项。通过相应的质量评估模型可以获得相应的质量评估结果，例如，当质量评估模型为VMAF模型时，其对应的质量评估结果为VMAF得分，又如，当质量评估模型为PSNR模型时，其对应的质量评估结果为PSNR峰值信噪比，还如，当质量评估模型为SSIM模型时，其对应的质量评估结果为SSIM结构相似性，等等。其中，VMAF是由美国奈飞(Netflix)公司开发的一套主观视频质量评估体系，VMAF将人类视觉建模与机器学习相结合，可以预测主观视频质量。因此，质量评估结果通常与视频的实际感知质量联系更紧密。当质量评估模型为VMAF模型时，常用的VMAF模型包括vmaf_4k_v0.6.1、vmaf_v0.6.1、vmaf_v0.6.1neg等。PSNR是一个表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值的工程术语，经常用作图像压缩等领域中信号重建质量的测量方法，它常简单地通过均方误差（MSE）进行定义。当质量评估模型为PSNR模型时，常用的PSNR模型包括PSNR、PSNR-HVS等。SSIM是一种用以衡量两张数字图像相似程度的指标。当两张图像其中一张为无失真图像，另一张为失真后的图像，二者的结构相似性可以看成是失真图像的图像质量衡量指标。当质量评估模型为SSIM模型时，常用的SSIM模型包括SSIM、MS-SSIM等。VQA是以人眼的主观质量评估结果为依据，使用算法模型对失真视频进行评估。
由于不同质量评估模型侧重点不同，为了获得能更好、更全面反映视频质量的质量评估结果，可选地，在步骤S103中，所述将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果包括：
将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧分别输入不同的质量评估模型，得到不同的质量评估模型对应的结果，对不同的质量评估模型对应的结果进行加权平均计算，将计算结果作为当次质量评估结果。
比如，上述示例中，可以将解码后视频帧序列A中包括该视频帧的连续N个解码后的视频帧和未编码视频帧队列B中首个单元的连续N个未编码视频帧分别输入vmaf_4k_v0.6.1、vmaf_v0.6.1、vmaf_v0.6.1neg、PSNR、PSNR-HVS、SSIM、MS-SSIM和/或VQA等不同的质量评估模型，得到不同的质量评估模型对应的结果，然后对这些不同的质量评估结果进行加权平均计算，将计算结果作为当次质量评估结果，其中，各个预训练的质量评估模型的权重可根据原始未编码视频数据预先设置。
继续在该实施例中，在步骤S104中，设备100将得到的质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对该未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略。
其中，设备100将得到的质量评估结果输入决策器，根据预设的视频编码优化策略得到决策结果，并根据决策结果，自动优化设备100中的视频编码参数，对其进行自适应动态调整。一个示例性的，将质量评估结果与视频编码参数CRF关联设置，其它视频编码参数可在设备100初始化时设置为初始值，而不同的质量评估结果设置不同的CRF(ConstantRate Factor，恒定码率因子)，其中， CRF 越小，则视频压缩率越小，编码后的视频质量越好，但编码后的视频数据越多；而CRF 越大，则视频压缩率越高，但编码后的视频质量越差。也可以将质量评估结果与其他一个或多个视频编码参数关联设置，本申请不作限定。
其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略。
其中，在设置决策器的视频编码优化策略时，可先设置一个质量评估目标结果，并根据质量评估目标结果，设置至少一个阈值区间，设置每个阈值区间对应的视频编码参数优化策略。其中，若设置多个阈值区间，则阈值区间之间的关系应该是不包含。在一些实施例中，不同的质量评估模型对应的目标结果和阈值区间不同。一个示例性的，比如质量评估模型为VMAF模型，VMAF目标结果设置为94分，设置三个阈值区间，其中，第一个阈值区间为VMAF目标结果正负1范围，即第一个阈值区间为[93,95]，第二个阈值区间为VMAF目标结果正负4范围，但不包含第一个阈值区间，即第二个阈值区间包括下阈值区间[90,93)和上阈值区间(95,98]，第三个阈值区间为VMAF目标结果正负6范围，但不包含第一个阈值区间和第二个阈值区间，即第三个阈值区间包括下阈值区间[88,90)和上阈值区间(98,100]。另一个示例性的，比如质量评估模型为PSNR模型，PSNR目标结果设置为39dB，设置三个阈值区间，其中，第一个阈值区间为PSNR目标结果正负1范围，即第一个阈值区间为[38,40]，第二个阈值区间为PSNR目标结果正负3范围，但不包含第一个阈值区间，即第二个阈值区间包括下阈值区间[36,38)和上阈值区间(40,42]，第三个阈值区间为PSNR目标结果正负5范围，但不包含第一个阈值区间和第二个阈值区间，即第三个阈值区间包括下阈值区间[34,38)和上阈值区间(42,45]。又一个示例性的，比如质量评估模型为SSIM模型，SSIM目标结果设置为0.98，设置三个阈值区间，其中，第一个阈值区间为SSIM目标结果正负0.005范围，即第一个阈值区间为[0.975,0.985]，第二个阈值区间为SSIM目标结果正负0.01范围，但不包含第一个阈值区间，即第二个阈值区间包括下阈值区间[0.97,0.975)和上阈值区间(0.985,0.99]，第三个阈值区间为SSIM目标分值正负0.015范围，但不包含第一个阈值区间和第二个阈值区间，即第三个阈值区间包括下阈值区间[0.965,0.975)和上阈值区间(0.99,0.995]。设置每个阈值区间对应的视频编码参数优化策略。其中，上述阈值区间的数量和取值仅为举例，可根据实际应用场景和需要进行设置，不作限定。
可选地，在步骤S104中，所述将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化包括：
将所述质量评估结果输入决策器，确定所述质量评估结果落入的阈值区间；
根据所述阈值区间对应的视频编码参数优化策略，对视频编码参数进行优化。
其中，设置视频编码参数优化策略应兼顾编码后的视频质量和存储空间、传输带宽，在保证视频质量的前提下，降低编码码率，节省存储空间、带宽。继续上述各示例性的，若预先设置的第一个阈值区间对应的视频编码参数优化策略是不调整视频编码参数；第二个阈值区间的对应的视频编码参数优化策略包括，下阈值区间则将原设置CRF减1，上阈值区间则将原设置CRF加1；第三个阈值区间的对应的视频编码参数优化策略包括，下阈值区间则将原设置CRF减3，上阈值区间则将原设置CRF加3。假如步骤S103中得到的VMAF得分为95分或PSNR峰值信噪比为40dB或SSIM结构相似性为0.985，则输入决策器，落入第一个阈值区间，则不调整视频编码参数；假如步骤S103中得到的VMAF得分为92分或PSNR峰值信噪比为36dB或SSIM结构相似性为0.97，则输入决策器，落入第二个阈值区间的下阈值区间，则将原设置CRF减1；假如步骤S103中得到的VMAF得分为96分或PSNR峰值信噪比为42dB或SSIM结构相似性为0.99，则输入决策器，落入第二个阈值区间的上阈值区间，则将原设置CRF加1；假如步骤S103中得到的VMAF得分为89分或PSNR峰值信噪比为34dB或SSIM结构相似性为0.965，则输入决策器，落入第三个阈值区间的下阈值区间，则将原设置CRF减3；假如步骤S103中得到的VMAF得分为99分或PSNR峰值信噪比为45dB或SSIM结构相似性为0.995，则输入决策器，落入第三个阈值区间的上阈值区间，则将原设置CRF加3。
继续在该实施例中，在步骤S105中，设备100重复上述步骤，直至所述未编码视频数据全部完成编码。
其中，在完成当次质量评估结果计算后，删除当前未编码视频帧队列中首个单元，则下次处理时的首个单元即为当前未编码视频帧队列中首个单元的下一个单元。比如上述第一个示例性中，在未编码视频队列B中的首个单元(包括第1帧的连续4个未编码视频帧)删除后，未编码视频队列B中的首个单元为包括第101帧的连续4个未编码视频帧，为下次处理时的首个单元。
重复上述步骤，设备100将确定的当次确定的未编码视频帧队列中的当前首个单元的N个未编码视频帧和解码后视频帧序列中对应的N个解码后的视频帧输入质量评估模型，得到质量评估结果，将质量评估结果输入决策器，获得决策结果，并自动根据决策结果对设备100的视频编码参数进行优化，以及根据优化后的视频编码参数，对未编码视频数据中的未编码视频帧继续进行逐帧编码，直至该未编码视频数据中所有未编码视频帧完成编码。
因为从视频编码参数优化调整到实际生效通常需要一段时间，因此应防止视频编码参数的优化调整过于频繁、反复波动，同时也应避免给设备100增加太多数据处理量，可考虑减少获得质量评估结果的次数。可将删除未编码视频帧队列的单元数量与预置区间对应视频编码参数优化策略相结合。可选地，其中，所述步骤S105中，在所述重复上述步骤前，该方法还包括：
根据所述阈值区间对应的视频编码参数优化策略，删除所述未编码视频帧队列中包括首个单元的一个或多个单元。
因为从视频编码参数优化调整到实际生效通常需要一段时间，因此应防止视频编码参数的优化调整过于频繁、反复波动，同时也应避免给设备100增加太多数据处理量，可考虑减少获得质量评估结果的次数。可将删除未编码视频帧队列的单元数量与预置区间对应视频编码参数优化策略相结合。当将得到的质量评估结果输入决策器，得到决策结果，根据决策结果中阈值区间对应的视频编码参数优化策略，删除未编码视频帧队列中包括首个单元的一个或多个单元。上述各示例性的，如果质量评估结果对应第二个阈值区间的上阈值区间，其视频编码参数优化策略是CRF加1，则可在设备100自动调整CRF后，删除未编码视频帧队列B中当前首个单元，被删除的当前首个单元的4个未编码视频帧不参与后续步骤，未编码视频帧队列B中当前第二个单元成为下次操作时对应的首个单元；如果质量评估结果对应第三个阈值区间的上阈值区间，其视频编码参数优化策略是CRF加3，则可在设备100自动调整CRF后，删除未编码视频帧队列B中包括当前首个单元的连续3个单元，被删除的包括当前首个单元的连续3个单元的12个未编码视频帧不参与后续步骤，未编码视频帧队列B中当前第四个单元成为下次操作时对应的首个单元。
由于每次得到的质量评估结果仅是根据N个连续视频帧获得的，因此，每次得到的质量评估结果可能存在波动比较大的情况。可选地，在步骤S103中，所述计算当次质量评估结果包括：
基于已获得的与预设滑动窗口相关的质量评估结果，计算当次质量评估结果。
其中，为了得到一个平滑的质量评估结果，进而提高根据质量评估结果进行自动优化调整视频编码参数的准确性，可采用滑动平均方法，根据预设滑动窗口大小，对该滑动窗口内的质量评估结果进行优化处理。一个示例性的，假设预设滑动窗口为3，在第一次得到质量评估结果后，根据该质量评估结果对应的视频编码参数优化策略调整编码器参数；重复相关步骤，在第二次得到质量评估结果后，可将第一次的质量评估结果和第二次的质量评估结果的算术平均值作为质量评估结果，根据该质量评估结果对应的视频编码参数优化策略调整编码器参数；继续重复相关步骤，在第三次得到质量评估结果后，可将第一次的质量评估结果、第二次的质量评估结果和第三次的质量评估结果的算术平均值作为质量评估结果，根据该质量评估结果对应的视频编码参数优化策略调整编码器参数；继续重复相关步骤，在第四次得到质量评估结果后，可将第二次的质量评估结果、第三次的质量评估结果和第四次的质量评估结果的算术平均值作为质量评估结果，根据该质量评估结果对应的视频编码参数优化策略调整编码器参数；依此类推，直至未编码视频数据全部完成编码。
为了减少编解码过程中对设备100的缓存的占用，提高缓存使用效率，可选地，其中，所述步骤S105还包括：
删除所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧及其前面的视频帧。
其中，在当次完成步骤S103、S104后，解码后视频帧序列中包括该用于计算当次质量评估结果的连续N个解码后的视频帧及其前面的视频帧不再用于后续操作，因此，可删除解码后视频帧序列中包括该视频帧的连续N个解码后的视频帧及其前面的视频帧，以释放其占用的缓存空间，提高缓存使用效率。
可选地，该一种用于视频编码参数优化的方法还包括：
S106删除所述解码后视频帧序列和所述未编码视频帧队列。
其中，在完成未编码视频数据的全部帧编码后，解码后视频帧序列和未编码视频帧队列不再使用，可删除该解码后视频帧序列和该未编码视频帧队列，以释放其占用的缓存空间，提高缓存使用效率。
图2示出根据本申请另一个方面的一种用于视频编码参数优化的装置示意图，其中，一个实施例的该装置包括：
第一模块210，用于获取未编码视频数据，并基于初始视频编码参数，对所述未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列；
第二模块220，用于基于预设时间间隔，每次从所述未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列；
第三模块230，用于确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元；
第四模块240，用于将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对所述未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略。
在该实施例中，该装置部署或者集成在执行前述方法实施例和/或可选实施例中的设备100中。
在该实施例中，该装置的第一模块210可获取到未编码视频数据，并根据初始化时设置的视频编码参数，对该未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列。
继续在该实施例中，该装置的第二模块220在获取到原始未编码视频数据后，根据预设时间间隔，定时每次从该未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列。每个单元对应N个未编码视频帧，其中，同一单元的N个未编码视频帧是连续未编码视频帧，而不同单元的未编码视频帧之间不连续。
继续在该实施例中，该装置的第三模块230确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元。
继续在该实施例中，该装置的第四模块240将得到的质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对该未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略。
通过该装置上述各模块，周期性地，每次获得质量评估结果，根据质量评估结果确定视频编码参数优化策略，根据该策略自动优化调整设备100的视频编码参数，基于优化后的视频编码参数，对未编码视频数据中的未编码视频帧继续进行逐帧编码，直至该未编码视频数据全部完成编码。
可选地，一种用于视频编码参数优化的装置还包括：
第五模块250，用于删除所述解码后视频帧序列和所述未编码视频帧队列。
在完成未编码视频数据的全部帧编码后，解码后视频帧序列和未编码视频帧队列不再使用，在该可选实施例中，该装置的第五模块250可删除该解码后视频帧序列和该未编码视频帧队列，以释放其占用的缓存空间，提高缓存使用效率。
上述系统的各个实施例和/或可选实施例中，系统各模块执行的方法步骤中未提及之处与前述各个相关的方法实施例和/或可选实施例相同，在此不再赘述。
根据本申请的又一方面，还提供了一种计算机可读介质，所述计算机可读介质存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现前述各方法实施例。
需要注意的是，本申请中各方法实施例和/或可选实施例可以不严格限定各步骤执行的顺序，只要各方法实施例和/或可选实施例能解决现有技术存在的缺陷，实现本申请的发明目的，获得有益效果。本申请中各方法实施例和/或可选实施例可在软件和/或软件与硬件的组合体中被实施。本申请中涉及的软件程序可以通过处理器执行以实现上述各实施例的步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中。
另外，本申请的一部分或者全部可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。
根据本申请的再一方面，还提供了一种用于视频编码参数优化的设备，该设备包括：存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备运行前述各实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件和/或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (10)
1.一种用于视频编码参数优化的方法，其特征在于，所述方法包括：
获取未编码视频数据，并基于初始视频编码参数，对所述未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列；
基于预设时间间隔，每次从所述未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列；
确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元；
将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对所述未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个区间，基于每个区间设置对应的视频编码参数优化策略，其中，若设置多个区间，则区间之间的关系是不重叠，其中，第一个区间对应的视频编码参数优化策略是不调整视频编码参数CRF，其它每个区间对应的视频编码参数优化策略是将原设置CRF减小或增加相应数值；
根据所述区间对应的视频编码参数优化策略，删除所述未编码视频帧队列中包括首个单元的所述相应数值个单元，被删除单元的对应未编码视频帧不参与后续步骤，被删除单元后的一个单元成为下次操作时对应的首个单元；
重复上述步骤，直至所述未编码视频数据全部完成编码。
2.根据权利要求1所述的方法，其特征在于，在对所述未编码视频数据进行逐帧编码前，所述方法还包括：
对所述未编码视频数据进行逐帧预处理；
其中，所述对所述未编码视频数据进行逐帧编码包括：
对所述未编码视频数据逐帧预处理后进行逐帧编码。
3.根据权利要求1所述的方法，其特征在于，在对所述未编码视频数据进行逐帧编码前，所述方法还包括：
对所述未编码视频数据进行逐帧分析，并根据分析结果对每个视频帧进行预处理；
其中，所述对所述未编码视频数据进行逐帧编码包括：
对所述未编码视频数据逐帧预处理后进行逐帧编码。
4.根据权利要求1所述的方法，其特征在于，所述将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果包括：
将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧分别输入不同的质量评估模型，得到不同的质量评估模型对应的结果，对不同的质量评估模型对应的结果进行加权平均计算，将计算结果作为当次质量评估结果。
5.根据权利要求1所述的方法，其特征在于，所述计算当次质量评估结果包括：
基于已获得的与预设滑动窗口相关的质量评估结果，计算当次质量评估结果。
6.根据权利要求1所述的方法，其特征在于，在所述重复上述步骤前，所述方法还包括：
删除所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧及其前面的视频帧。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
删除所述解码后视频帧序列和所述未编码视频帧队列。
8.一种用于视频编码参数优化的装置，其特征在于，所述装置包括：
第一模块，用于获取未编码视频数据，并基于初始视频编码参数，对所述未编码视频数据进行逐帧编码，以及将编码后的视频帧进行解码后依次加入解码后视频帧序列；
第二模块，用于基于预设时间间隔，每次从所述未编码视频数据中顺序采集连续N个未编码视频帧，作为一个单元，并将每个单元依次加入未编码视频帧队列；
第三模块，用于确定所述解码后视频帧序列中与所述未编码视频帧队列的首个单元的首个视频帧的时间戳相同的一个解码后的视频帧，并将所述解码后视频帧序列中包括所述视频帧的连续N个解码后的视频帧和所述未编码视频帧队列中首个单元的连续N个未编码视频帧输入质量评估模型，计算当次质量评估结果，以及删除所述未编码视频帧队列中首个单元；
第四模块，用于将所述质量评估结果输入决策器，得到决策结果，并根据决策结果对视频编码参数进行优化，以及基于优化后的视频编码参数，对所述未编码视频数据中的未编码视频帧继续进行逐帧编码，其中，所述决策器的设置包括：设置质量评估目标结果，并根据所述质量评估目标结果设置至少一个阈值区间，基于每个阈值区间设置对应的视频编码参数优化策略，其中，若设置多个区间，则区间之间的关系是不重叠，其中，第一个区间对应的视频编码参数优化策略是不调整视频编码参数CRF，其它每个区间对应的视频编码参数优化策略是将原设置CRF 减小或增加相应数值；根据所述区间对应的视频编码参数优化策略，删除所述未编码视频帧队列中包括首个单元的所述相应数值个单元，被删除单元的对应未编码视频帧不参与后续步骤，被删除单元后的一个单元成为下次操作时对应的首个单元。
9.一种计算机可读介质，其特征在于，
其上存储有计算机可读指令，所述计算机可读指令被处理器执行以实现如权利要求1至7中任一项的所述方法。
10.一种用于视频编码参数优化的设备，其特征在于，所述设备包括：
一个或多个处理器；以及
存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如权利要求1至7中任一项的所述方法的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311226776.0A CN117041581B (zh) | 2023-09-22 | 2023-09-22 | 一种用于视频编码参数优化的方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311226776.0A CN117041581B (zh) | 2023-09-22 | 2023-09-22 | 一种用于视频编码参数优化的方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117041581A CN117041581A (zh) | 2023-11-10 |
| CN117041581B true CN117041581B (zh) | 2023-12-12 |
Family
ID=88637575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311226776.0A Active CN117041581B (zh) | 2023-09-22 | 2023-09-22 | 一种用于视频编码参数优化的方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117041581B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1202579A1 (en) * | 2000-10-31 | 2002-05-02 | Interuniversitair Microelektronica Centrum Vzw | A method and apparatus for adaptive encoding framed data sequences |
| WO2006075070A1 (fr) * | 2005-01-07 | 2006-07-20 | France Telecom | Procede et dispositif de codage video |
| WO2008079330A1 (en) * | 2006-12-22 | 2008-07-03 | Inlet Technologies | Video compression with complexity throttling |
| CN102932641A (zh) * | 2012-11-13 | 2013-02-13 | 北京大学 | 一种恒定质量码率控制方法 |
| US8711928B1 (en) * | 2011-10-05 | 2014-04-29 | CSR Technology, Inc. | Method, apparatus, and manufacture for adaptation of video encoder tuning parameters |
| WO2014143008A1 (en) * | 2013-03-15 | 2014-09-18 | Icelero Inc | Method and system for improved video codec rate-distortion performance by pre and post-processing |
| CN105828069A (zh) * | 2016-04-06 | 2016-08-03 | 上海交通大学 | 一种基于主观质量评估的编码器自适应调整方法 |
| CN112534816A (zh) * | 2018-08-14 | 2021-03-19 | 华为技术有限公司 | 用于视频图像编码的编码参数的基于事件自适应 |
| CN112738515A (zh) * | 2020-12-28 | 2021-04-30 | 北京百度网讯科技有限公司 | 用于自适应量化的量化参数调整方法和装置 |
| CN114900692A (zh) * | 2022-04-28 | 2022-08-12 | 有半岛(北京)信息科技有限公司 | 视频流帧率调整方法及其装置、设备、介质、产品 |
| CN116634151A (zh) * | 2022-02-11 | 2023-08-22 | 腾讯科技（深圳）有限公司 | 视频处理方法、装置、计算机设备、存储介质及程序产品 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160044340A1 (en) * | 2014-08-07 | 2016-02-11 | PathPartner Technology Consulting Pvt. Ltd. | Method and System for Real-Time Video Encoding Using Pre-Analysis Based Preliminary Mode Decision |
-
2023
- 2023-09-22 CN CN202311226776.0A patent/CN117041581B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1202579A1 (en) * | 2000-10-31 | 2002-05-02 | Interuniversitair Microelektronica Centrum Vzw | A method and apparatus for adaptive encoding framed data sequences |
| WO2006075070A1 (fr) * | 2005-01-07 | 2006-07-20 | France Telecom | Procede et dispositif de codage video |
| WO2008079330A1 (en) * | 2006-12-22 | 2008-07-03 | Inlet Technologies | Video compression with complexity throttling |
| US8711928B1 (en) * | 2011-10-05 | 2014-04-29 | CSR Technology, Inc. | Method, apparatus, and manufacture for adaptation of video encoder tuning parameters |
| CN102932641A (zh) * | 2012-11-13 | 2013-02-13 | 北京大学 | 一种恒定质量码率控制方法 |
| WO2014143008A1 (en) * | 2013-03-15 | 2014-09-18 | Icelero Inc | Method and system for improved video codec rate-distortion performance by pre and post-processing |
| CN105828069A (zh) * | 2016-04-06 | 2016-08-03 | 上海交通大学 | 一种基于主观质量评估的编码器自适应调整方法 |
| CN112534816A (zh) * | 2018-08-14 | 2021-03-19 | 华为技术有限公司 | 用于视频图像编码的编码参数的基于事件自适应 |
| CN112738515A (zh) * | 2020-12-28 | 2021-04-30 | 北京百度网讯科技有限公司 | 用于自适应量化的量化参数调整方法和装置 |
| GB202108388D0 (en) * | 2020-12-28 | 2021-07-28 | Beijing Baidu Netcom Sci & Tech Co Ltd | Method and apparatus for adjusting quantization parameter for adaptive quantization |
| CN116634151A (zh) * | 2022-02-11 | 2023-08-22 | 腾讯科技（深圳）有限公司 | 视频处理方法、装置、计算机设备、存储介质及程序产品 |
| CN114900692A (zh) * | 2022-04-28 | 2022-08-12 | 有半岛(北京)信息科技有限公司 | 视频流帧率调整方法及其装置、设备、介质、产品 |
Non-Patent Citations (3)
| Title |
|---|
| EE2: Summary Report on Enhanced Compression beyond VVC capability;Vadim Seregin等;《JVET》;全文 * |
| 基于VMAF的HEVC率失真优化方法研究;宛炀;《信息科技》;全文 * |
| 背景噪声限下直接检测光PPM编码系统的性能研究;周晓迈，陈文革，熊兆飞，黄铁侠;电信科学(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117041581A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11310509B2 (en) | Method and apparatus for applying deep learning techniques in video coding, restoration and video quality analysis (VQA) | |
| Guarda et al. | Point cloud coding: Adopting a deep learning-based approach | |
| CN111988611B (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 | |
| CN110662044B (zh) | 一种视频编码方法、视频编码装置及计算机存储介质 | |
| JP7145204B2 (ja) | 誘導式エンコーダの適応品質レンダリングのためのシステムおよび方法 | |
| US10911785B2 (en) | Intelligent compression of grainy video content | |
| KR102245682B1 (ko) | 영상 압축 장치, 이의 학습 장치 및 방법 | |
| US10708624B1 (en) | Pre-processing for video compression | |
| CN111050169B (zh) | 图像编码中量化参数的生成方法、装置及终端 | |
| CN112950491B (zh) | 一种视频处理的方法及设备 | |
| CN117478886A (zh) | 多媒体数据编码方法、装置、电子设备及存储介质 | |
| CN117041581B (zh) | 一种用于视频编码参数优化的方法、装置及设备 | |
| CN117689571A (zh) | 基于视频编码的降噪方法及装置 | |
| 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 | |
| CN114470749A (zh) | 一种改进的云游戏用户卡顿数据量化的方法 | |
| CN114513670A (zh) | 一种端到端的视频压缩方法、装置和计算机可读存储介质 | |
| Xia et al. | GAN-based image compression with improved RDO process | |
| CN116996680B (zh) | 一种用于视频数据分类模型训练的方法及装置 | |
| CN109803147B (zh) | 基于视频纹理特征的变换处理方法及装置 | |
| US11979587B2 (en) | Hybrid inter-frame coding using an autoregressive model | |
| CN114430501B (zh) | 一种用于文件转码的内容自适应编码的方法及系统 | |
| CN118413675B (zh) | 一种基于上下文渐进式三平面编码图像压缩算法及终端设备 | |
| RU2826546C1 (ru) | Способ кодирования и декодирования облака точек, кодер, декодер и компьютерный носитель данных | |
| CN116800953A (zh) | 视频质量评估方法及装置 | |
| US9503756B2 (en) | Encoding and decoding using perceptual representations |
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 |