JP2015501568A - ビデオシーケンスにおける知覚品質評価のためのシーン変化検出 - Google Patents

Abstract

【課題】ストリーミングビデオ内のシーン変化を検出するための複数の方法を提供する。【解決手段】ストリーミングビデオは、一連のピクチャを含む。一例の方法は、複数の位置について、連続したピクチャ内の同じ位置にあるマクロブロックをコード化するコスト間の差を計算することを含む。方法は、複数の位置についての差の合計が閾値基準を満たす場合に新たなシーンを識別することをさらに含む。ストリーミングビデオに対するパケット損失の知覚的影響を判定する方法がさらに提供され、方法は、パケット損失を識別することと、失われたパケットが、新たなシーンの始まりにあるピクチャに関係する情報を含んでいたか否かを判定することであって、新たなシーンは、本明細書に開示する方法のうちの１つを使用して検出される、判定することとを含む。【選択図】図２

Description

本出願は、ストリーミングビデオ内のシーン変化を検出する複数の方法、ストリーミングビデオ上でのパケット損失の知覚的影響を判定する方法、ストリーミングビデオ内の新規シーンの発生の知覚的影響を判定する方法、およびコンピュータ可読媒体に関する。

テレビコンテンツおよびビデオコンテンツは、コンテンツ提供者からＩＰネットワークにわたってエンドユーザが使用するデバイスに送信されることができる。デバイスは、パーソナルコンピュータ、無線通信デバイス、セット・トップ・ボックス、セット・トップ・ボックス機能が内蔵されたテレビ、スマートＴＶ、またはスマート・セット・トップ・ボックスであり得る。テレビコンテンツまたはビデオコンテンツには、通常それとともに送信されるオーディオコンテンツが関連付けられ得る。送信が「リアルタイム」で行われる場合、これは、送信が完了する前にコンテンツが表示されるという意味だが、これはストリーミングと称される。

通信ネットワークにわたるビデオストリーミングはますます一般的になってきている。通信ネットワークを介してストリーミングされるビデオのエンド・ツー・エンド品質を保証するために、ネットワーク運営者およびビデオサービス提供者は、ビデオ品質モデルを使用し得る。ビデオ品質モデルは、コード化および送信に由来する、人間観察者に知覚可能であるアーティファクトまたは誤りを測定することによって、ビデオ品質の客観的評価を生成する。これは、人間がビデオサンプルを見てその品質をレーティングする主観的な品質評価に取って代わることができる。

ビデオ品質モデルは学術界ではしばらく知られていたが、それらを使用することが標準的になってきたのはごく最近のことである。知覚的ビデオ品質モデルは、国際電気通信連合（ＩＴＵ）規格Ｊ．１４４、Ｊ．２４７およびＪ．３４１に記載されている。知覚モデルには、処理されたビデオ内のピクセル値を使用して品質スコアを求めることができるという利点がある。全参照モデル（上記ＩＴＵ規格にあるような）の場合、処理されたビデオの劣化を予測するために参照信号も使用される。知覚モデルの大きな欠点は、計算的な要求が多く、ネットワークモニタリングを目的に大規模に展開するのに適していないことである。

それゆえ、より軽量の手法が、ＩＴＵ−Ｔ ＳＧ１２／Ｑ１４においてワーキングネームＰ．ＮＡＭＳで現在標準化されている。このモデルはその入力にネットワーク層プロトコルヘッダをとり、これらを使用して送信されるビデオの品質推定を行う。これによってモデルが実装および使用するのに非常に効率的になるが、それ自体では送信されるビデオの品質推定はやや粗いものである。それゆえ、ＩＴＵ−Ｔ ＳＧ１２／Ｑ１４はまた、ビデオ・ビット・ストリーム品質モデルをワーキングネームＰ．ＮＢＡＭＳで標準化する予定である。このモデルは、ネットワーク層プロトコルヘッダだけでなく、符号化エレメンタリストリームまたは「ビットストリーム」をも使用する。両方の入力のセットを使用することには、相当に軽量であり、同時に、Ｐ．ＮＡＭＳモデルと比較してビデオの品質のより良好な推定値が得られるという利点がある。

Ｈ．２６３、ＭＰＥＧ−４ Ｖｉｓｕａｌ、ＭＰＥＧ−４ ＡＶＣ（Ｈ．２６４）、および、ＩＴＵのＪｏｉｎｔ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｔｅａｍ ｏｎ Ｖｉｄｅｏ Ｃｏｄｉｎｇ（ＪＣＴ−ＶＣ）において開発されている新生のＨ．２６５規格のようなコーデック規格を用いるブロックベースのコード化が、優勢なビデオ符号化技術である。ブロックベースのコード化は、ビデオを可能な限り効率的に圧縮することを可能にするために、種々のタイプのピクチャ（種々のタイプの予測を利用する）を使用する。イントラピクチャ（Ｉピクチャ）は、ピクチャ自体の中の領域から空間的にのみ予測され得る。予測ピクチャ（Ｐピクチャ）は、以前のコード化ピクチャ（複数の場合もあり）から時間的に予測される。しかしながら、Ｐピクチャ内のいくつかのマクロブロックはイントラ符号化され得る。双方向予測ピクチャ（Ｂピクチャ）は、以前のピクチャおよび以降のピクチャの両方から予測される。それに先行するピクチャを予測に使用することができないという制約があるＩピクチャは、瞬時復号更新（ＩＤＲ）ピクチャと呼ばれる。ＩピクチャおよびＩＤＲピクチャは、ビットの点で、ＰピクチャおよびＢピクチャよりも符号化するのにはるかにコストがかかることが多い。

誤りが発生しやすい通信ネットワークにおいて誤り耐性を増大させるために、ＩピクチャまたはＩＤＲピクチャが定期的に挿入されて、ビデオがリフレッシュされる。ＩピクチャまたはＩＤＲピクチャはまた、ランダムアクセスおよびチャネル切替えを可能にするためにも、定期的に挿入される。さらに、ピクチャをＰピクチャとして符号化する（引き起こされる歪みおよびビット割当ての両方に関する）コストが、ピクチャをＩピクチャまたはＩＤＲピクチャとして符号化するコストよりも大きいとき、ＩピクチャまたはＩＤＲピクチャが挿入される。ピクチャの空間的冗長性がピクチャのその参照ピクチャとの時間的冗長性よりも高いときに、これが行われる。これは一般的に、考慮中のピクチャがシーンカットとしても知られているシーン変化であるときに起こり、これは、描画されているシーンがその先行するピクチャとはまったく異なることを意味する。強制的なイントラピクチャを適時に挿入すべきか否かは、ビデオコード化規格（復号手順のみを定義する）によっては定義されず、判断はエンコーダに委ねられる。

平均して、テレビコンテンツは一般的に、３〜５秒ごとにシーン変化として知られるシーン間の遷移を含む。シーン変化は、２つのピクチャ間で瞬間的に発生するか、またはいくつかのピクチャにわたって消えていく場合がある。通常、シーン変化の一方からもう一方へと良好な時間的予測を行うことができないという事実があるため、スマートエンコーダは、シーンカットをＩピクチャまたはＩＤＲピクチャと位置整合するよう試行することが多い。

国際公開第２００９／０１２２９７号パンフレットは、パケットヘッダからのみの情報を利用することによってパケットを暗号解読することなく暗号化パケット・ビデオ・ストリーム内のフレームの内容を推定するための方法およびシステムを記載している。先行するピクチャグループ（ＧＯＰ）の長さが異常に短く、最後から二番目のＧＯＰの長さがその最大値に等しい場合、Ｉフレームが新たなシーンの始まりとして指示される。しかしながら、この方法に伴う主要な欠点は、通常ＧＯＰ長において発生するシーン変化を識別することができないことである。たとえば、通常ＧＯＰ長が２５フレームである場合、フレーム番号２５、５０、７５、１００などにおいて発生するシーン変化を検出することはできない。さらに、より短いＧＯＰ長は必ずしも、考慮中のピクチャがシーン変化であることを意味するとは限らず、したがって、多くの誤検出をもたらす。

国際公開第２００９／０１２２９７号パンフレット

本明細書において、品質評価モデルにおいて使用するのに適している複数のシーン変化検出方法が提供される。さらに、シーン変化検出を利用する品質評価モデルが提供される。

シーン変化中に発生するパケット損失は、シーンの半ばに発生するパケット損失よりもはるかに目視可能であることが多い。したがって、パケット損失のような誤りの検出と組み合わせてシーン変化検出を使用する品質検出モデルが提供される。しかしながら、品質評価モデルを目的としたシーン変化検出方法は、シーン変化検出における任意の誤りが品質評価において増幅される可能性が高いため、非常に正確でなければならない。

図１は、２つの状況におけるＩピクチャ内のデータ損失の相対的影響を示す。図１ａは、新たなシーンの始まりにおけるＩピクチャ内のデータ損失を示し、一方で、図１ｂは、同様であるがシーンの半ばにおけるＩピクチャにある損失を示す。図１ａにおいて、ピクチャ１１０は「不足部分」１１５を特徴とし、ここで、デコーダは新たなシーンのこの部分に関係するデータを受信しておらず、そのため前のシーンからのピクチャからの対応する部分を使用している。ここで、新たなシーンは競技場上の選手のものであり、一方で、前のシーンは観衆のものである。図１ｂにおいて、データ損失は競技場上の選手を示すシーンの間に発生しており、そのため、データ損失ははるかに目立たないものである。ピクチャ１２０の右手側にいる上側の選手の細部が歪んでいるが、データ損失がかろうじて知覚可能である。

さらに、シーン変化は、送信エラーが発生していない場合であっても、ビデオ信号の品質に影響を与える。一般的に、シーン変化を有するシーケンスは、概して符号化するのによりコストが大きいより複雑な内容を表すため、品質がより低い。加えて、新たなシーンの始まりにあるＩピクチャは通常、ＩＤＲピクチャである（または、少なくともそうであるかのように振る舞う）。これによって、参照ピクチャの数が限られるため、圧縮効率が悪化する。

ストリーミングビデオ内のシーン変化を検出する方法が提供され、ストリーミングビデオは、一連のピクチャを含む。方法は、複数の位置について、連続したピクチャ内の同じ位置にあるマクロブロックをコード化するコスト間の差を計算することを含む。方法は、複数の位置についての差の合計が閾値基準を満たす場合に新たなシーンを識別することを含む。

ストリーミングビデオが符号化される場合、上記の方法は、符号化ビットストリームに対して動作し得る。方法は、ストリーミングビデオの復号を必要としない。

差が計算される位置は、ピクセル位置、サブブロック位置、および／またはマクロブロック位置であり得る。ピクセル位置は、個々のピクセル位置またはピクセルグループの位置を含み得る。

マクロブロックをコード化するコストはマクロブロックタイプに従って求められ得る。マクロブロックタイプは、スキップ、１つのパーティションとしてのインターコード化マクロブロック、複数のパーティションに細分化されたインターコード化マクロブロック、１つのパーティションとしてのイントラコード化マクロブロック、および、複数のパーティションに細分化されたイントラコード化マクロブロックのうちの１つを含み得る。各マクロブロックタイプの履歴平均コード化コストは、特定のマクロブロックタイプのみを使用する特定のマクロブロックにコード化コストを割り当てるのに使用され得る。

方法は、動き補償を適用することをさらに含み得、それによって、連続したピクチャ内の同じ位置にあるピクセルについてのマクロブロックをコード化するコスト間の差が、動き補償が適用された後のピクセル位置について計算される。これは、ピクセル値間の差が、現在のピクチャのロケーションと、参照（前の）ピクチャ内のその動き補償されたロケーションとの間で計算されることを意味する。

方法は、位置間のオフセットを連続したピクチャ内に含めることをさらに含み得る。複数のオフセット値の各々について、複数のオフセット値に対応する複数の合計差を得るために、複数の位置についての差の合計が計算され得る。方法は、複数の合計差の最小値を閾値基準と比較することをさらに含み得る。これによって、たとえば、連続したピクチャ間でパンする動きに起因する、それ以外は同様のマクロブロックの不整合が許容される。

方法は、複数のピクセル位置についての差の合計が、最大閾値よりも高いか、または最小閾値よりも低い場合に新たなシーンを識別することを含む。少なくとも１つの閾値は、所定数の直接先行するピクチャ間で計算される差の加重平均をとることによって求められ得、より最近のピクチャ間の差により大きい重みが与えられる。これは時として、スライディングウィンドウを使用することとして参照される。

ストリーミングビデオ内のシーン変化を検出するための装置も提供され、ストリーミングビデオは、一連のピクチャを含む。装置は、複数の位置について、連続したピクチャ内の同じ位置にあるマクロブロックをコード化するコスト間の差を計算するように構成されているプロセッサを備える。装置は、複数の位置についての差の合計が閾値基準を満たす場合に新たなシーンを識別するように構成されているシーン変化検出器をさらに備える。

ストリーミングビデオ内のシーン変化を検出する方法がさらに提供され、ストリーミングビデオは、一連のピクチャを含む。方法は、複数の位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算することを含む。方法は、差に重みを適用することをさらに含み、重みは、位置に関連付けられるマクロブロックタイプに応じて決まる。方法は、複数の位置についての加重差の合計が閾値を超える場合に新たなシーンを識別することをさらに含む。

方法は、動き補償を適用することをさらに含み得、連続したピクチャ内の同じ位置にあるピクセルについてのマクロブロックをコード化するコスト間の差が、動き補償が適用された後のピクセル位置について計算される。これは、ピクセル値間の差が、現在のピクチャのロケーションと、参照（前の）ピクチャ内のその動き補償されたロケーションとの間で計算されることを意味する。

ストリーミングビデオ内のシーン変化を検出するための装置も提供され、ストリーミングビデオは、一連のピクチャを含む。装置は、複数の位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算するように構成されているピクセル情報分析器を備える。装置は、差に重みを適用するように構成されているプロセッサをさらに備え、重みは、位置に関連付けられるマクロブロックタイプに応じて決まる。装置は、複数の位置についての加重差の合計が閾値を超える場合に新たなシーンを識別するように構成されているシーン変化検出器をまたさらに備える。

ストリーミングビデオ内のシーン変化を検出する方法がさらに提供され、ストリーミングビデオは、一連のピクチャを含む。方法は、ピクチャの符号化サイズを求めることを含む。方法は、ピクチャのピクチャタイプを判定することをさらに含む。方法は、符号化ピクチャサイズが、検出されたピクチャタイプについての閾値を超える場合に新たなシーンを識別することをまたさらに含む。

ピクチャタイプは、ストリーミングビデオのパケットヘッダから抽出される情報に従って判定され得る。ピクチャタイプは、ＲＴＰまたはＭＰＥＧ２−ＴＳ ＰＥＳヘッダ内に含まれるタイムスタンプ情報から判定され得る。

ピクチャタイプは、イントラコード化、単方向予測ピクチャ、および双方向予測ピクチャのうちの１つを含み得る。双方向予測ピクチャが、参照および／または非参照ピクチャであってもよい。

ストリーミングビデオ内のシーン変化を検出するための装置も提供され、ストリーミングビデオは、一連のピクチャを含む。装置は、ピクチャの符号化サイズを求め、ピクチャのピクチャタイプを判定するように構成されているプロセッサを備える。装置は、符号化ピクチャサイズが、検出されたピクチャタイプについての閾値を超える場合に新たなシーンを識別するように構成されているシーン変化検出器をさらに備える。

ストリーミングビデオ内のシーン変化を検出する方法がさらに提供され、ストリーミングビデオは、一連のピクチャを含む。方法は、ピクチャの符号化サイズを求めることを含む。方法は、ピクチャの符号化サイズに従ってピクチャタイプを判定することをさらに含む。方法は、複数のピクセル位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算することをさらに含む。方法は、ピクセル差を合計することによって連続したピクチャ間の差の測度を計算することをさらに含む。方法は、連続したピクチャ間の差の測度に重みを適用することをさらに含み、重みはピクチャタイプに応じて決まる。方法は、加重差が閾値を超える場合に新たなシーンを識別することをさらに含む。

ピクチャタイプは、イントラコード化、単方向予測ピクチャ、および双方向予測ピクチャのうちの１つを含み得る。双方向予測ピクチャは、階層的および／または非階層的であってもよい。

ストリーミングビデオ内のシーン変化を検出するための装置も提供され、ストリーミングビデオは、一連のピクチャを含む。装置は、ピクチャの符号化サイズを求め、ピクチャの符号化サイズに従ってピクチャタイプを判定するように構成されているプロセッサを備える。プロセッサは、複数のピクセル位置についての連続したピクチャ内の同じ位置にあるピクセル値間の差、および、ピクセル差を合計することによる連続したピクチャ間の差の測度を計算するようにさらに構成されている。プロセッサは、連続したピクチャ間の差の測度に重みを適用するようにさらに構成されており、重みはピクチャタイプに応じて決まる。装置は、加重差が閾値を超える場合に新たなシーンを識別するように構成されているシーン変化検出器をさらに備える。

ストリーミングビデオに対するパケット損失の知覚的影響を判定する方法がさらに提供され、ストリーミングビデオは、一連のピクチャを含む。方法は、パケット損失を識別することを含む。方法は、失われたパケットが、新たなシーンの始まりにあるピクチャに関係する情報を含んでいたか否かを判定することをさらに含み、新たなシーンは、上述の方法のいずれかによるシーン変化を検出する方法を使用して検出される。

コンピュータロジックによって実行されると、上記コンピュータロジックに、上述の方法のいずれかを実行させる命令を担持するコンピュータ可読媒体がさらに提供される。

ここで例示のみを目的として、添付の図面を参照して、シーン変化検出方法および品質評価モデルを説明する。

および ２つの状況におけるＩピクチャ内のデータ損失の相対的影響を示す図である。 符号化ビデオストリームから抽出される特徴を使用してシーン変化を識別する方法を示す流れ図である。 および マクロブロックタイプを使用したピクチャ比較を示す図である。 ビデオストリームおよび復号ピクセルデータから抽出される特徴を使用してシーン変化を識別する方法を示す流れ図である。 符号化ビデオストリームのパケットヘッダ情報を使用してシーン変化を識別する方法を示す流れ図である。 ピクチャタイプが各ピクチャのサイズからどのように判定されるかの一例を示す図である。 上述の方法を具現化するシーン変化検出手順の流れ図である。 パケットヘッダ情報および復号ピクセルデータを使用してシーン変化を識別する方法を示す流れ図である。 上述の方法を実行するための装置を示す図である。

本明細書において、以下の４セットの状況下でビデオ品質モデルに使用するための４つの異なるタイプのシーン変化検出が提示される。
ｉ）ピクセルデータの復号が可能でないか、または許可されないかのいずれかであるときに符号化ビデオ・ビット・ストリームから抽出または計算される特徴を使用する。
ｉｉ）ピクセルデータの復号が許可されるときにビデオ・ビット・ストリームから抽出または計算される特徴を使用する。
ｉｉｉ）符号化ビデオ信号のパケットヘッダ情報を使用する。
ｉｖ）パケットヘッダ情報およびビデオ・ビット・ストリームを復号することによって得られるピクセルデータを使用する。

復号ピクセルデータにアクセスすることができるモデルは、可能性として、知覚されるビデオ品質のより正確な推定を行うことが可能となる。しかしながら、これには、メモリおよび処理能力を含むリソースに対する需要が増大するとともに複雑性がより高くなるという犠牲が伴う。

本明細書に提示する４つの異なる動作モードは、ビデオ品質評価モジュールの複雑な要件から、または、ビデオ信号の暗号化に起因して特定の情報がないことからのいずれかで指定される。たとえば、ビデオ品質測定が電力リソースの限られたネットワークロケーション内で展開される場合、または、ビデオ信号が暗号化される場合、モード（ｉｉｉ）が適切となる。モデルがエンドユーザ宅にある復号デバイス内で展開され、ビデオ信号が暗号化される場合、本発明は、再構築されたピクチャからのピクセルデータ（たとえば、エンド・ユーザ・デバイスから捕捉することができる）をさらに使用することができ、モード（ｉｖ）が適切となる。ビデオ信号が暗号化されない場合、システムは、複雑な仕様および要件に応じてモード（ｉ）および（ｉｉ）に記載されているようなビデオ・ビット・ストリームの特徴を利用することができる。

今度はモードの各々を説明する。

（ｉ）符号化ビデオストリームから抽出される特徴を使用する
ストリーミングビデオ内のシーン変化のこの検出方法は、
複数の位置について、連続したピクチャ内の同じ位置にあるマクロブロックをコード化するコスト間の差を計算することと、複数の位置についての差の合計が閾値基準を満たす場合に新たなシーンを識別することとを含む。

この方法は、ストリーミングビデオ内の２つの連続したピクチャに適用されるものとして、図２の流れ図に示されている。２１０において、比較されることになるピクチャ位置が選択される。いくつかの実施態様について、すべてのピクチャロケーションが比較され得るが、他の実施態様については、所定のパターンまたはさらにはランダムなパターンのいずれかに従ってサブセットが選択される。２２０において、両方のピクチャ内の、選択されたピクチャ位置の各々にあるマクロブロックをコード化するコストに関係する値が求められる。２３０において、２つのピクチャ間のコード化コストの差が選択された位置の各々において計算される。これらの差が合計されて、合計差が閾値と比較される。合計差が閾値を超える場合、シーン変化が発生したと判定される。

このシーン変化検出方法は、品質評価モデルが、
１つまたは複数のピクチャの損失、
ピクチャの一部の損失であって、このピクチャはＩピクチャまたはＩＤＲピクチャとして符号化されている、ピクチャの一部の損失、
ピクチャの一部の損失であって、ピクチャ内のイントラコード化マクロブロックの割合が閾値を超えており、それによって、ピクチャがＩピクチャまたはＩＤＲピクチャに同様の影響を及ぼす、ピクチャの一部の損失
のうちの１つを検出する場合に利用され得る。

方法は、２つのピクチャに適用され得、一方はデータ損失の前に行われ、他方はその後に行われる。方法は、２つのピクチャ間で比較を行うことを含む。これによって、シーン変化の間に損失が発生したか否かを判定することが可能になる。しかしながら、シーン変化検出方法はまた、たとえ損失が発生しなかったとしても適用され得る。

あるピクチャ内のある位置にあるマクロブロックをコード化するコストの指標は、動きベクトル、マクロブロックタイプ、マクロブロックコード化に使用されるビット数、および／または量子化値を使用して求めることができる。

マクロブロックをコード化するコストを求めるために動きベクトルが使用される場合、マクロブロックの動きベクトルの方向およびサイズが使用される。動きベクトルのサイズが大きくなるほど、コード化コストが大きくなる。動きベクトルの方向も、コード化コストに影響を及ぼし得る。この手法は、シーン変化が発生する多くの事例を検出することができる。極めて動きがないシーンについて、動きベクトルのみの手法は、シーン変化を検出することが可能でないことになる（すなわち、１つの動きがないシーンからもう１つの動きがないシーンへのシーン変化は、動きベクトルを見ることによって検出することが困難である）。

コード化コストは、ピクチャの特定の領域の複雑部を分析することによって求めることもできる。複雑部は、使用されるビット数、または、特定のマクロブロック位置内で使用されるマクロブロックのタイプを見ることによって測定することができる。マクロブロックタイプについて、各タイプのマクロブロックに、下記の表に従って数を割り当てることができ、コストのかかるマクロブロックがより高い値を割り当てられる。

図３に示すピクチャ比較が、表１に対応するスコアリングシステムによるマクロブロックタイプを使用する。この例における各ピクチャのサイズは例示を目的として５×５マクロブロックのみである。実際には、一般的なピクチャサイズは多くの場合、ＱＣＩＦビデオフォーマット（１１×９マクロブロック）〜フルＨＤビデオ（１２０×６８マクロブロック）である。図３ａにおいて、マクロブロックタイプを記号によって以下のように、サブブロックを含むイントラマクロブロックを円によって、イントラ１６×１６を正方形によって、サブブロックを含むインターマクロブロックを三角形によって、インター１６×１６を空白によって、スキップをバツ印によって示す。図３ａは、３つの連続したピクチャ３０１、３０２、３０３を示す。

図３ｂは、図３ａ内の連続したピクチャ対に対する差分マップを示す。第１の差分マップはピクチャ３０１と３０２との間のマクロブロック値による絶対差を含む。第２の差分マップはピクチャ３０２と３０３との間のマクロブロック値による絶対差を含む。第１の差分マップ内の平均差は３．８であり、第２の差分マップ内の平均差は２２．４である。マクロブロックタイプの分布は例では３つのピクチャについて同じであるが、差は複雑部の位置に起因して非常に異なっている。ピクチャ３０１および３０２内の複雑部は非常に類似した位置にあり、一方で、ピクチャ３０２および３０３内の複雑部は非常に異なった位置にある。

上記の方法は、１つまたは２つのマクロブロックの不整合を許容するように拡張することができる。これによって、カメラのパンのような特定の動きを補償することができ、結果をより正確にすることができる。たとえば、マクロブロックタイプパターンに関して言えば、たとえ比較されるべき２つのピクチャが非常に類似している場合であっても、ピクチャの１つの中のすべてのブロックが（たとえば、カメラの動きに起因して）わずかにずれている場合、それらはなお高い差分値を得る場合がある。１つまたは２つのブロックの不整合を許容することは、ブロック間の差の計算が周囲のブロックの値を考慮することになることを意味する。実際には、これは、ブロックについての差が、そのブロックをすべての周囲のブロックと比較することによって得られる複数の差分値のうちの最小値になることを意味し得る。

ピクチャ３０２のある位置にあるあるマクロブロックについての差は、ピクチャ３０１の位置（ｍ＋ｘ，ｎ＋ｙ）にあるマクロブロックについての差分値（たとえば、表１）の最小値であり、ｍおよびｎはピクチャ３０１内のそのマクロブロックの位置を示し、ｘおよびｙは、それぞれ水平方向および垂直方向における、ピクチャ３０１のマクロブロック位置とピクチャ３０２のマクロブロック位置との間のずれを示し、ｘおよびｙは、（−１，−１）、（−１，０）、（−１，１）、（０，−１）、（０，０）、（０，１）、（１，−１）、（１，０）、および（１，１）の値のうちのいずれかをとる。

さらに、上記の方法は、動き補償を考慮に入れるように拡張することができる。それ自体から予測することしかできないＩピクチャとは対照的に、ＰピクチャおよびＢピクチャは以前の（および時として将来の）ピクチャから予測する。他のピクチャからの予測は、単に、他のピクチャにおける正確に対応するピクセル位置から予測することによって行うことができるか、または、動きベクトルを適用して、他のピクチャ内の異なる空間位置から予測することができる。これは、２つのピクチャ間に自然な動きがあるときに特に有用である。

動き補償は、ここでは、差を計算する前に動きベクトルに従って補償されるべきブロックを位置整合させる目的で適用され得る。たとえば、三角形によってマークされている図３ａのピクチャ３０２内のサブブロックを含む一番上のインターマクロブロックを考える。ピクチャの左上のピクセルがピクセル位置（０，０）を有し、各マクロブロックは１６×１６ピクセルを含む。対象マクロブロックは、ピクセル位置（１６，１６）に左上のピクセルを有する。これが、右に１つずれてそれに隣接するマクロブロック位置にある前のピクチャ内のマクロブロックから導き出される場合、これは、ピクチャ３０１のピクセル位置（３２，１６）を指す動きベクトルｍｖ（ｘ，ｙ）＝（１６，０）を有することになる。差を計算する前に動き補償を実行することによって、このマクロブロックについて差は３５ではなく０であるという結果になる。

無論、動きベクトルは必ずしもマクロブロックのサイズと整合しなければならないわけではなく、任意のピクセルを指し得る（Ｈ．２６４においては二分の一および四分の一ピクセル位置さえある）。これに適応するために、方法は、動きベクトルが指すピクセル位置に最も近いブロックを選択し得るか、または、方法は、予測されるブロックと交差する４つのブロックの重み付けを実行し得る。たとえば、動きベクトルｍｖ（ｘ，ｙ）＝（−１２，３）がピクチャ３０２内の同じ対象マクロブロック（三角形によってマークされている一番上のマクロブロック）の符号化において使用されるとする。このとき、左上のピクセルが位置（４，１９）にある１６×１６ブロックから予測が行われることになり、ピクチャ３０１からの位置（０，１６）、（１６，１６）、（０，３２）および（１６、３２）にあるマクロブロックから重み付けが行われる。重みは以下のように計算され得る。

パラメータのマッチングのより安定した結果を得るためのまた別の方法は、スライディングウィンドウ手法を使用していくつかのピクチャにわたって平均をとることである。この平均差を前のピクチャの平均差で除算することによって、ｎおよび１／ｎの静的閾値を使用してシーン変化を検出することが可能になる。たとえば、下記の２系列の平均絶対差が得られ得る。
シーケンスａ：３．３ ２．３ ３．８ ２２．４ ２０．３ ２１．０
シーケンスｂ：８．４ ７．３ ７．８ １．２ ２．２ ２．０

これらの値をその前の値で除算することによって、以下がもたらされる。
シーケンスａ： ０．７ １．７ ９．７ ０．９ １．０
シーケンスｂ： ０．９ １．１ ０．２ １．８ ０．９

ｎ＝３を使用することは、３を上回る、または０．３３を下回る値がシーン変化が発生したことを示すことを意味する。上記例において、両方のシーケンスについて４番目のピクチャにおいてシーン変化が検出された。

代替的な実施形態において、上記の方法において使用されるものとしての、表１のマクロブロックタイプによる割り当てられる値は、各マクロブロックをコード化するために使用されるビット数に置き換えられる。

またさらなる実施形態において、量子化パラメータ（ＱＰ）の差も、ＱＰが１つのピクチャにわたって突然に降下または増大する場合にシーン変化を示し得る。

量子化パラメータ（ＱＰ）は、２つのブロックの間の差がどれだけ量子化されるべきかを決定づける。変換されたピクセル差の各係数が、ＱＰおよび対応するルックアップテーブルによって決定づけられる量子化ステップの１つに量子化される。高いＱＰは、量子化ステップの忠実度がより低いことを意味し、結果として品質は低くなり、低いＱＰは、量子化ステップの忠実度がより高いことを意味し、品質は高くなる。したがって、ＱＰは、符号化に起因する品質劣化の良好な指標であり、ビットレート制御アルゴリズムによって、利用可能なビットレートを所与として品質を最大化するために頻繁に使用される。ＱＰは、各マクロブロックに対して個々にセットされ得るが、各マクロブロックについてＱＰをあちこちに変更することは相対的にコストがかかるため、大きいＱＰ差は通常ピクチャごとにセットされる。

（ｉｉ）ビデオストリームおよび復号ピクセルデータから抽出される特徴を使用する
ビデオストリーム情報からシーン変化を検出するための上記の方法は、復号ピクセルデータが分析に利用可能である場合に拡張することができる。これは、ピクセルデータを生成してストリーミングビデオを表示するために暗号化ビデオ・ビット・ストリームを復号することができるセット・トップ・ボックスの場合に当てはまり得る。無論、そのような復号は分配ネットワーク内の他のノードにおいて実行され得るが、これは通常、処理要件に起因して行われ、ビデオ・ビット・ストリームが暗号化される場合には可能でない場合がある。

ストリーミングビデオ内のシーン変化を検出する方法が提供され、ストリーミングビデオは、一連のピクチャを含み、方法は、複数の位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算することと、差に重みを適用することであって、重みは位置に関連付けられるマクロブロックタイプに応じて決まる、適用することと、複数の位置についての加重差の合計が閾値を超える場合に新たなシーンを識別することとを含む。

これは、同じシーンに属する２つの連続したピクチャのピクセル値はわずかにしか異ならず（描画されているシーンが受ける、１つのピクチャからもう１つのピクチャへの平行移動、回転、またはスケーリングは小さいため）、一方で、２つの連続したピクチャが異なるシーンに属する場合（すなわち、２つの検査されているピクチャの間にシーン変化がある場合）、ピクセル値の差ははるかに高くなると予測されるという原理に基づく。

さらに、マクロブロックタイプを重み付け因子として含める動機は、これは、予測可能性、および、検討中のピクチャとその参照ピクチャ（複数の場合もあり）との空間ロケーション間の時間的冗長性の指標を提供することに由来する。以下において、Ｈ．２６４／ＡＶＣビデオコード化規格において指定されているマクロブロック符号化モードについてソリューションを説明する。しかしながら、同じ原理が他のブロックベースのビデオコード化規格に適用されてもよい。

スキップモードにおいて符号化されるマクロブロックは、その参照ピクチャに類似するピクチャに属する可能性が高く、それゆえ、シーン変化ではない。同様に、インター１６×１６符号化モードは一般的に、前のピクチャ（複数の場合もあり）によって非常に効率よく時間的に予測することができる均一な領域を表すマクロブロックに対して選択される。したがって、ここでも、これらのマクロブロックがシーン変化であるフレーム内に現れる可能性は低いことが明らかである。

他方、イントラ４×４符号化モードは、通常、それらの時間的および空間的予測因子によって非常に低い時間的冗長性を呈するマクロブロックに対して選択される。それゆえ、これらのマクロブロックはシーン変化であるフレーム内に現れる可能性がより高い。

したがって、後続のピクチャのピクセル値の差はマクロブロックタイプに従って重み付けされる。特に、マクロブロックが複数のサブブロックに分割される場合、連結ピクセル値は前のピクチャから現在のピクチャまでで変化したことになると予測され、そのため、そのようなマクロブロックタイプに関連付けられるピクセル差に増大した重みが与えられる。スキップマクロブロック（および、わずかに狭い範囲でフルサイズイントラおよびインターマクロブロック）は、現在のフレームと前のフレームとの間で非常に類似した連結ピクセル値をとると予測され、そのため、これらのマクロブロックについての任意のピクセル値差はより軽い重みを与えられる。

この方法を示す流れ図は、ストリーミングビデオ内の２つの連続したピクチャに適用されるものとして、図４に示されている。４１０において、比較されることになるピクチャ位置が選択される。いくつかの実施態様について、すべてのピクチャロケーションが比較され得るが、他の実施態様については、所定のパターンまたはさらにはランダムなパターンのいずれかに従ってサブセットが選択される。４２０において、２つのピクチャ間のピクセル値の差が選択された位置の各々において計算される。４３０において、計算された差に重みが適用され、この重みは、後者のピクチャ内の各位置のピクセル値を符号化するのに使用されるマクロブロックタイプに応じて決まる。４４０において、これらの加重差が合計される。４５０において、合計差が閾値と比較される。合計差が閾値を超える場合、シーン変化が発生したと判定される。

２つの連続するピクチャ内の連結位置にあるピクセル値間の加重差が検査される。より具体的には、

がｋ番目のピクチャのｍ行目かつｎ列目にあるピクセル値を示すものとする。その後、検討中のピクチャと前のピクチャとの間の差を以下のように計算する。

代替形態として、この方法は、連続したピクチャ間の動きを計算するために、現在のピクチャと前の動き補償されたピクチャとの間で差が計算されるように拡張され得る。さらに、たとえば、絶対差の合計または二乗差の合計のような、任意の他の歪みメトリックが使用され得る。

差、または動き補償された差のいずれかを使用して、前のピクチャと比較した現在のピクチャ内のピクセルの差が、現在のピクチャ内のピクセルが属するマクロブロックタイプに基づいて重み付けされる。各マクロブロックタイプに割り当てられる重みの一例を表２に与える。

したがって、すべてのピクチャについて、以下の加重和が計算される。

その後、検査されているピクチャが新たなシーンの始まりであるか否かを判定するために、加重和が閾値

と比較される。計算された差が閾値を超える場合、現在のピクチャはシーン変化であると示される。

（ｉｉｉ）符号化ビデオ信号のパケットヘッダ情報を使用する
いくつかの事例において、ストリーミングビデオの送信経路に沿って、シーン変化を判定するための唯一の利用可能な情報が、ビデオ信号を搬送するパケットヘッダである。この事例において、各ピクチャのサイズおよびタイプを、パケットヘッダから情報を抽出することによって計算することができる。

したがって、ストリーミングビデオ内のシーン変化を検出する方法が提供され、ストリーミングビデオは一連のピクチャを含み、方法は、ピクチャの符号化サイズを求めること、ピクチャのピクチャタイプを判定すること、符号化ピクチャサイズが、検出されたピクチャタイプに対する閾値を超える場合に新たなシーンを識別することとを含む。

方法は、図５に示す流れ図によって示される。５１０において、ビデオ・ビット・ストリームのパケットヘッダから符号化ピクチャサイズが求められる。５２０において、ピクチャサイズが使用されて、ピクチャタイプが判定される。これは、下記に説明するように、異なるピクチャタイプのサイズが識別可能な範囲内に入るために可能なことである。その後、５３０において、Ｉピクチャのピクチャサイズが閾値基準と比較され、閾値基準は、判定されたピクチャタイプに応じて決まる。１つのピクチャタイプのサイズが大幅に変化する場合にシーン変化が検出される。１つのピクチャタイプのサイズが閾値を超える場合にシーン変化が検出され得る。閾値は、所定であり得る、所定でありビデオストリームの符号化パラメータに応じて決まり得る、または、１つまたは複数のタイプの最近受信されたピクチャのサイズに従って決定され得る。

ピクチャタイプは各ピクチャのサイズから判定される。図６は、これがどのように行われ得るかの一例を示す。図６内に示すグラフ６００は、０〜５９とナンバリングされた一連の６０枚のピクチャのピクチャサイズを示す。ピクチャ番号を水平軸６１０上に示し、ピクチャサイズを垂直軸６２０内に示す。Ｉピクチャ、ＰピクチャおよびＢピクチャが、グラフ６００の左上隅にある凡例に従って示されている。図６に示すように、ＩピクチャはＰピクチャよりも大きく、ＰピクチャはＢピクチャよりも大きい。図６から明らかなように、Ｉピクチャの符号化サイズは第１の範囲６０１内に入り、Ｐピクチャの符号化サイズは第２の範囲６０２内に入り、Ｂピクチャの符号化サイズは第３の範囲６０３内に入る。

代替的に、ピクチャタイプは、それらのサイズおよび検査されているビデオ・ビット・ストリームのＧＯＰパターンの両方を使用してパケットヘッダ情報から判定されてもよい。そのような方法は、欧州特許出願公開第２０１０１７１４３１．９号明細書に記載されており、その内容を本明細書に援用する。各ＧＯＰ内の遭遇するフレームサイズの、一般的な所定のＧＯＰパターンに対するパターンマッチングによって、ＧＯＰパターンが推定される。この推定ＧＯＰパターンが分かっていることによって、すべての後続のフレームのタイプを推定することができる。

この代替的なピクチャタイプ判定方法は、
ａ． フレームサイズの配列を得るために、最初のイントラフレーム、すなわちＩフレームに後続するすべてのビデオフレームのフレームサイズ（バイト単位）を捕捉するステップと、
ｂ． いくつかのフレームの後に、フレームサイズの配列を０および１の配列に変換するステップであって、０は、双方向フレーム、すなわちＢフレームに対して想定されるような小さいフレームサイズを表し、１は予測フレーム、すなわちＰフレームに対して想定されるような大きいフレームサイズを表す、変換するステップと、
ｃ． （ｂ）において得られる０および１の配列を、いくつかの所定の二値パターンに対してマッチングするステップであって、上記所定の二値パターンは可能なＧＯＰ構造を表す、マッチングするステップと、
ｄ． ステップ（ｃ）における上記マッチングの結果を、単一のスコア値を形成するために変換するステップと、
ｅ． 所定のメトリックに従って、最良のスコア値を有する、いくつかの所定の二値パターンのうちの特定のパターンを求めるステップと
を含む。

この代替的な方法は、単一のフレームのフレームサイズに基づいてフレームタイプを判定するのではなく、複数のフレームおよびそれらのそれぞれのフレームサイズを考慮して、それらを所定のパターンとマッチングし、そのマッチングから、ＧＯＰの構造、およびしたがって各ピクチャのタイプを判定する。

図６は例示に過ぎず、第１の範囲、第２の範囲および第３の範囲は、ビデオ解像度、符号化パラメータ、および内容の時空複雑性を含むいくつかの要因に応じて決まる。しかしながら、３つのタイプのピクチャ間の相対的な差は、このブロックベースコード化の特性であり、範囲は、直前のピクチャから導出することができる。

以下は、上述の方法を具現化するシーン変化検出手順の詳細な説明である。この手順は、図７の流れ図によって示される。一般的に、新たなシーンはＩピクチャで始まることになり、そのため、この手順は、ビデオストリーム内の各検出されたＩピクチャに適用されて、それが新たなシーンの始まりであるか否かが判定される。

ビデオ・ビット・ストリームが受信されて、７１０において、ピクチャサイズおよびピクチャタイプの計算が上述のように実行される。７２０において、最近のピクチャ内の内容変化を反映するために、Ｉピクチャのサイズが前のＰピクチャのサイズに基づいて正規化される。Ｉピクチャの新たな正規化サイズＩ＿ｋ＾ｎｏｒｍは以下によって与えられる。

式中、

はｋ番目のＩピクチャのサイズを表し、スケーリングファクタｓｃａｌｅ＿ｆａｃｔｏｒ_ｋは以下によって与えられる。

式中、

は現在のＧＯＰ内のｋ番目のＰピクチャのピクチャサイズであり、Ｍは現在のＧＯＰ内のＰピクチャの総数である。

７３０において、現在のＩピクチャのピクチャサイズと、その前のＩピクチャの正規化ピクチャサイズとの比が以下のように計算される。

また、現在のＩピクチャの前および後のＰピクチャサイズの比が以下のように計算され、

現在のＩピクチャの前および後のＢピクチャサイズの比が以下のように計算される。

７４０において、比

が所定値Ｔ＿Ｉ＿ｈｉｇｈよりも高い、または別の値Ｔ＿Ｉ＿ｌｏｗよりも低いか否かについて判定が行われる。本明細書において参照される所定の閾値「Ｔ」の各々の例は、さらに下記の表３において与えられる。

比

が所定値Ｔ＿Ｉ＿ｈｉｇｈよりも大きいか、または別の値Ｔ＿Ｉ＿ｌｏｗよりも低い場合、さらなる判定７５０が行われる。７５０において、

もしくは

、または

もしくは

であるか否かが判定される。これらの条件のうちのいずれかが満たされる場合、７８０において、現在のＩピクチャが新たなシーンの始まりであると判定される。これらの条件のうちのいずれも満たされなかった場合、現在のＩピクチャは新たなシーンの始まりではないと判定され、プロセスは７９０において次のＩピクチャに進む。

比

が所定値Ｔ＿Ｉ＿ｈｉｇｈより大きくなく、別の値Ｔ＿Ｉ＿ｌｏｗより低くもない場合、さらなる判定７６０が行われる。７６０において、

または

であるか否かが判定される。これらの条件のうちのいずれも満たされなかった場合、現在のＩピクチャは新たなシーンの始まりではないと判定され、プロセスは７９０において次のＩピクチャに進む。判定７６０においてこれらの条件のうちのいずれかが満たされる場合、プロセスは判定７７０に進む。

７７０において、

もしくは

、または

もしくは

であるか否かが判定される。これらの条件のうちのいずれかが満たされる場合、７８０において、現在のＩピクチャが新たなシーンの始まりであると判定される。これらの条件のうちのいずれも満たされなかった場合、現在のＩピクチャは新たなシーンの始まりではないと判定され、プロセスは７９０において次のＩピクチャに進む。

上記から、以下の条件（ａ）または条件（ｂ）のいずれかが満たされる場合にＩピクチャがシーンカットであるとして示されることが分かる。

すべての他の事例において、現在のＩピクチャはシーン変化であるとしては示されない。

前述の閾値の値が表３に与えられる。他の閾値が使用されてもよい。

（ｉｖ）パケットヘッダ情報および復号ピクセルデータを使用する
この方法において、ビデオ信号を搬送するパケットヘッダ、およびまた、ピクセル値（またはピクセル値から抽出される特徴）の両方からの情報を利用することによって、シーン変化が検出される。セクション（ｉｉ）において上記で説明したように、復号ピクセルデータは、たとえば、セット・トップ・ボックスにおける分析のために利用可能である。さらに、そのような復号は分配ネットワーク内の他のノードにおいて実行され得るが、これは通常、処理要件に起因して行われ、ビデオストリームが暗号化される場合には可能でない場合がある。

この方法は、２つのピクチャ間の差を求めるためにピクセル値を使用し、差が有意に十分である場合、２つのピクチャ間でシーン変化が発生したと判定される。本方法は、これに、シーン変化はＩピクチャで発生する可能性がより高く、Ｐピクチャで発生する可能性はより低く、Ｂピクチャで発生する可能性は非常に低いことを組み込む。２つのピクチャ間のピクセル位置の比較から計算される差が、これを考慮に入れるために重み付けされる。

したがって、ストリーミングビデオ内のシーン変化を検出する方法が提供され、ストリーミングビデオは一連のピクチャを含み、方法は、ピクチャの符号化サイズを求めること、ピクチャの符号化サイズに従ってピクチャタイプを判定すること、複数のピクセル位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算することと、ピクセル差を合計することによって、連続したピクチャ間の差の測度を計算することと、連続したピクチャ間の差の測度に、ピクチャタイプに応じて決まる重みを適用することと、加重差が閾値を超える場合に新たなシーンを識別することとを含む。

この方法を示す流れ図が、図８に示されている。８１０において、ビデオ・ビット・ストリームのパケットヘッダから符号化ピクチャサイズが求められる。８２０において、ピクチャサイズが使用されて、ピクチャタイプが判定される。これは、上記で説明したように、異なるピクチャタイプのサイズが識別可能な範囲内に入るために可能なことである。８３０において、比較されることになるピクチャ位置が選択される。いくつかの実施態様について、すべてのピクチャロケーションが比較され得るが、他の実施態様については、所定のパターンまたはさらにはランダムなパターンのいずれかに従ってサブセットが選択される。８４０において、２つのピクチャ間のピクセル値の差が選択された位置の各々において計算される。８５０において、これらの差が合計される。８６０において、合計差に重みが適用され、この重みは、後者のピクチャのピクチャタイプに応じて決まる。８７０において、加重差が閾値と比較される。合計差が閾値を超える場合、シーン変化が２つのピクチャのうちの後者で発生したと判定される。

この方法は、ビデオ・ビット・ストリームから特徴を直接抽出することが実現可能でない場合に、ビデオ・ビット・ストリームが暗号化される場合に適用され得る。暗号化されるにもかかわらず、最終的に表示デバイス内に表示される、再構築されたピクチャが、シーン変化検出のために捕捉および利用される。

パケットヘッダ情報を使用したピクチャタイプおよびサイズの計算は、前のセクションで説明したように実行される。その後、考慮されているピクチャ間の差の程度を求めるために、２つの後続のピクチャのピクセル値が検査される。シーン変化は符号化段階において検出されていることになると予測されるため、ピクチャ間の差は計算されたピクチャタイプに従って重み付けされる。それゆえ、Ｉピクチャは、新たなシーンの始まりを表している可能性が、ＰピクチャまたはＢピクチャよりも高い。

より具体的には、

がｋ番目のピクチャのｍ行目かつｎ列目にあるピクセル値を示すものとする。その後、検討中のピクチャと後続のピクチャとの間の差を以下のように計算する。

式中、ｋ＝０，．．．，Ｋ−１であり、ｍ＝０，．．．，Ｍ，であり、ｎ＝０，．．．，Ｎであり、Ｋ、Ｍ、Ｎは、それぞれ、ビデオシーケンスのピクチャ数、ピクチャ内の行数、およびピクチャ内の列数を示す。次のステップにおいて、２つの考慮されているピクチャ内のピクセルの差が、ピクチャタイプに基づいて重み付けされる。各マクロブロックタイプに割り当てられる重みの一例を表４に与える。

したがって、すべてのピクチャについて、以下の加重和が計算される。

その後、検査されているピクチャがシーンカットであるか否かを判定するために、加重和が閾値と比較される。

図９は、上述の方法を実行するための装置を示す。復号器９１０およびパケットヘッダ分析器９２０の両方によってビデオ・ビット・ストリームが受信される。復号器９１０はビデオ・ビット・ストリームを復号して、ピクセル値の形態の復号ビデオを出力デバイス９３０に出力する。復号ビデオは、復号器９１０から、ピクセル情報分析器９４０にも出力される。シーンカット検出器９５０が、パケットヘッダ分析器９２０からのピクチャタイプ指標およびピクセル情報分析器９４０からのピクセル差分値の両方を使用して、シーン変化がいつ発生するかの判定を行う。パケットヘッダ分析器９２０、ピクセル情報分析器９４０およびシーンカット検出器９５０は、すべて、汎用プロセッサ９６０内に含まれてもよい。

上述のシーン変化検出方法は、品質モデルにおいて使用するのに適している。よりロバストな指標を得るために、上記の方法の１つまたは複数を並列して実行してもよい。たとえば、同じ方法が、マクロブロックをコード化するコストを、１つの方法におけるその動きベクトルから、およびその後、別の方法におけるそのタイプから判定するなど、異なる基準を使用して２回実行されてもよい。これらの方法の各々からの独立した指標を組み合わせて、シーン変化のよりロバストな検出を行うことができる。

品質モデルにおいて、データ損失が検出されると、データ損失が新たなシーンの始まりにあるピクチャに影響を与えていたか否かに関する判定を行うことができる。損失の影響は総品質スコアに組み込まれる。たとえば、新たなシーンの始まりにあるＩピクチャに大きい損失があると、これは、別のピクチャと比較した均等な損失よりも品質に大きな影響を及ぼすことになる。

１つの実施形態において、品質モデルは加法モデルを使用して構築される。その後、Ｉピクチャシーン変化損失の低下が、以下に従って総スコアから減算される。
ＭＯＳ_ｅｓｔ＝ｃｌｅａｎ＿ｓｃｏｒｅ−ｐａｃｋｅｔ＿ｌｏｓｓ＿ｄｅｇｒａｄａｔｉｏｎ−ｓｃｅｎｅ＿ｃｈａｎｇｅ＿ｌｏｓｓ＿ｄｅｇｒａｄａｔｉｏｎ

別の実施形態において、品質モデルは乗法モデルを使用して構築される。その後、Ｉピクチャシーン変化損失の低下が、以下によって求められる。
ＭＯＳ_ｅｓｔ＝ｃｌｅａｎ＿ｓｃｏｒｅ・ｐａｃｋｅｔ＿ｌｏｓｓ＿ｄｅｇｒａｄａｔｉｏｎ・ｓｃｅｎｅ＿ｃｈａｎｇｅ＿ｌｏｓｓ＿ｄｅｇｒａｄａｔｉｏｎ

上記例の両方において、「ｐａｃｋｅｔ＿ｌｏｓｓ＿ｄｅｇｒａｄａｔｉｏｎ」および「ｓｃｅｎｅ＿ｃｈａｎｇｅ＿ｌｏｓｓ＿ｄｅｇｒａｄａｔｉｏｎ」は０〜１の値である。

本明細書に記載の方法において実行される動作の正確な順序および内容は、実行パラメータの特定のセットの要件に応じて変更されてもよいことが、当業者には諒解されよう。従って、動作が記載および／または特許請求されている順序は、動作が実行されるべき順序に対する厳密な限定として解釈されるべきではない。

さらに、特定のビデオ送信規格の文脈において例が与えられているが、これらの例は開示される方法および装置が適用され得る通信規格の限定であるようには意図されていない。

Claims (31)

1. ストリーミングビデオ内のシーン変化を検出する方法であって、前記ストリーミングビデオは一連のピクチャを含み、前記方法は、
   複数の位置について、連続したピクチャ内の同じ位置にあるマクロブロックをコード化するコスト間の差を計算することと、
   複数の位置についての前記差の合計が閾値基準を満たす場合に新たなシーンを識別することと
   を含む、方法。
2. 前記マクロブロックをコード化するコストは前記マクロブロックを符号化するのに使用されるビット数に従って求められる、請求項１に記載の方法。
3. 前記マクロブロックをコード化するコストは前記マクロブロックを符号化するのに使用される動きベクトルに従って求められる、請求項１に記載の方法。
4. 前記マクロブロックをコード化するコストは前記マクロブロックを符号化するのに使用される量子化パラメータ値に従って求められる、請求項１に記載の方法。
5. 前記マクロブロックをコード化するコストはマクロブロックタイプに従って求められる、請求項１に記載の方法。
6. 前記マクロブロックタイプは、スキップ、１つのパーティションとしてのインターコード化マクロブロック、複数のパーティションに細分化されたインターコード化マクロブロック、１つのパーティションとしてのイントラコード化マクロブロック、および、複数のパーティションに細分化されたイントラコード化マクロブロックのうちの１つを含む、請求項５に記載の方法。
7. 動き補償を適用することをさらに含み、連続したピクチャ内の同じ位置にあるピクセルについての前記マクロブロックをコード化するコスト間の前記差は、動き補償が適用された後のピクセル位置について計算される、請求項１から６のいずれか一項に記載の方法。
8. 前記位置間のオフセットを連続したピクチャ内に含めることと、
   複数のオフセット値の各々について、前記複数のオフセット値に対応する複数の合計差を得るために、複数の位置についての前記差の合計を計算することと、
   前記複数の合計差の最小値を前記閾値基準と比較することと
   をさらに含む、請求項１に記載の方法。
9. 複数のピクセル位置についての前記差の合計が、最大閾値よりも高いか、または最小閾値よりも低い場合に新たなシーンが識別される、請求項１から８のいずれか一項に記載の方法。
10. 少なくとも１つの閾値は、複数の先行するピクチャのうちの連続するピクチャ間で計算される前記差から決定される、請求項９に記載の方法。
11. 少なくとも１つの閾値は、所定数の直接先行するピクチャ間で計算される差の加重平均をとることによって求められ、より最近のピクチャ間の前記差により大きい重みが与えられる、請求項９に記載の方法。
12. ストリーミングビデオ内のシーン変化を検出する方法であって、前記ストリーミングビデオは一連のピクチャを含み、前記方法は、
    複数の位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算することと、
    前記差に、前記位置に関連付けられる前記マクロブロックタイプに応じて決まる重みを適用することと、
    複数の位置についての前記加重差の合計が閾値を満たす場合に新たなシーンを識別することと
    を含む、方法。
13. 前記ピクセル位置に関連付けられる前記マクロブロックタイプは、前記連続するピクチャのうちの後者における前記ピクセル位置を符号化するのに使用される前記マクロブロックタイプである、請求項１２に記載の方法。
14. 動き補償を適用することをさらに含み、連続したピクチャ内の同じ位置にあるピクセルについての前記マクロブロックをコード化するコスト間の前記差は、動き補償が適用された後のピクセル位置について計算される、請求項１から１３のいずれか一項に記載の方法。
15. 前記マクロブロックタイプは、スキップ、インターコード化マクロブロック、インターコード化サブブロック、イントラコード化マクロブロック、およびイントラコード化サブブロックのうちの１つを含む、請求項１２から１４のいずれか一項に記載の方法。
16. ストリーミングビデオ内のシーン変化を検出する方法であって、前記ストリーミングビデオは一連のピクチャを含み、前記方法は、
    ピクチャの符号化サイズを求めることと、
    前記ピクチャのピクチャタイプを判定することと、
    前記符号化ピクチャサイズが、前記検出されたピクチャタイプについての閾値を超える場合に新たなシーンを識別することと
    を含む、方法。
17. 前記ピクチャタイプは、前記ピクチャの前記符号化サイズに従って判定される、請求項１６に記載の方法。
18. 前記ピクチャの符号化サイズに従って前記ピクチャタイプを判定することは、最近のピクチャの前記符号化サイズの記録を使用して実行される、請求項１７に記載の方法。
19. 前記ピクチャタイプは、前記ストリーミングビデオのパケットヘッダから抽出される情報に従って判定される、請求項１６に記載の方法。
20. 特定のピクチャタイプについての前記符号化ピクチャサイズ閾値は、前記特定のタイプのいくつかの最近のピクチャの前記符号化サイズの平均からの所定の偏差として決定される、請求項１６に記載の方法。
21. 前記ピクチャタイプは、イントラコード化、単方向予測ピクチャ、および双方向予測ピクチャのうちの１つを含む、請求項１６から２０のいずれか一項に記載の方法。
22. イントラコード化ピクチャの前記符号化サイズが閾値を超える場合に新たなシーンが識別される、請求項１６から２１のいずれか一項に記載の方法。
23. ストリーミングビデオ内のシーン変化を検出する方法であって、前記ストリーミングビデオは一連のピクチャを含み、前記方法は、
    ピクチャの符号化サイズを求めることと、
    前記ピクチャの前記符号化サイズに従ってピクチャタイプを判定することと、
    複数のピクセル位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算することと、
    前記ピクセル差を合計することによって連続したピクチャ間の差の測度を計算することと、
    前記連続したピクチャ間の差の測度に、前記ピクチャタイプに応じて決まる重みを適用することと、
    前記加重差が閾値を超える場合に新たなシーンを識別することと
    を含む、方法。
24. 前記ピクチャタイプは、イントラコード化、単方向予測ピクチャ、および双方向予測ピクチャのうちの１つを含む、請求項２３に記載の方法。
25. ストリーミングビデオに対するパケット損失の知覚的影響を判定する方法であって、前記ストリーミングビデオは一連のピクチャを含み、前記方法は、
    パケット損失を識別することと、
    失われたパケットが、新たなシーンの始まりにあるピクチャに関係する情報を含んでいたか否かを判定することであって、新たなシーンは、請求項１から２４のいずれか一項に記載のシーン変化を検出する方法を使用して検出される、判定することと
    を含む、方法。
26. ストリーミングビデオ内に新たなシーンが発生することの知覚的影響を判定する方法であって、前記ストリーミングビデオは一連のピクチャを含み、新たなシーンは、請求項１から２４のいずれか一項に記載のシーン変化を検出する方法を使用して検出される、方法。
27. コンピュータロジックによって実行されると、前記コンピュータロジックに、請求項１から２６によって定義される方法のいずれかを実行させる命令を担持するコンピュータ可読媒体。
28. ストリーミングビデオ内のシーン変化を検出するための装置であって、前記ストリーミングビデオは一連のピクチャを含み、前記装置は、
    複数の位置について、連続したピクチャ内の同じ位置にあるマクロブロックをコード化するコスト間の差を計算するように構成されているプロセッサと、
    複数の位置についての前記差の合計が閾値基準を満たす場合に新たなシーンを識別するように構成されているシーン変化検出器と
    を備える、装置。
29. ストリーミングビデオ内のシーン変化を検出するための装置であって、前記ストリーミングビデオは一連のピクチャを含み、前記装置は、
    複数の位置について、連続したピクチャ内の同じ位置にあるピクセル値間の差を計算するように構成されているピクセル情報分析器と、
    前記差に重みを適用するように構成されているプロセッサであって、前記重みは、前記位置に関連付けられるマクロブロックタイプに応じて決まる、プロセッサと、
    複数の位置についての前記加重差の合計が閾値を超える場合に新たなシーンを識別するように構成されているシーン変化検出器と
    を備える、装置。
30. ストリーミングビデオ内のシーン変化を検出するための装置であって、前記ストリーミングビデオは一連のピクチャを含み、前記装置は、
    ピクチャの符号化サイズを求め、前記ピクチャのピクチャタイプを判定するように構成されているプロセッサと、
    前記符号化ピクチャサイズが、前記検出されたピクチャタイプについての閾値を超える場合に新たなシーンを識別するように構成されているシーン変化検出器と
    を備える、装置。
31. ストリーミングビデオ内のシーン変化を検出するための装置であって、前記ストリーミングビデオは一連のピクチャを含み、前記装置は、
    ピクチャの符号化サイズを求め、前記ピクチャの前記符号化サイズに従ってピクチャタイプを判定するように構成されているプロセッサであって、
    前記プロセッサは、複数のピクセル位置についての連続したピクチャ内の同じ位置にあるピクセル値間の差、および、ピクセル差を合計することによる連続したピクチャ間の差の測度を計算するようにさらに構成されており、
    前記プロセッサは、前記連続したピクチャ間の差の測度に重みを適用するようにさらに構成されており、前記重みは前記ピクチャタイプに応じて決まる、プロセッサと、
    前記加重差が閾値を超える場合に新たなシーンを識別するように構成されているシーン変化検出器と
    を備える、装置。

Images