呂 昊，郭江宇*，靳文兵，張 賓，王宇新

（1.北方自動(dòng)控制技術(shù)研究所，太原 030006；2.駐太原地區(qū)第二軍代室，太原 030006）

0 引言

隨著時(shí)代的進(jìn)步和科學(xué)技術(shù)的發(fā)展，現(xiàn)代武器裝備的信息化程度越來(lái)越高。大數(shù)據(jù)時(shí)代的到來(lái)，使得數(shù)據(jù)的及時(shí)傳遞和分析起到更大的作用，同時(shí)也使數(shù)據(jù)發(fā)掘應(yīng)用，支撐“智能化作戰(zhàn)”成為可能，圖像信息的獲取、壓縮、傳輸和存儲(chǔ)對(duì)于數(shù)據(jù)的分析處理具有重要意義。目前主流的視頻編碼方案大多采用混合視頻編碼框架，即由多個(gè)編碼模塊組成，它們采取的技術(shù)以及在率失真優(yōu)化技術(shù)指導(dǎo)下的模式選擇過(guò)程都會(huì)影響最終的編碼性能。

針對(duì)視頻編碼的優(yōu)化算法進(jìn)行國(guó)產(chǎn)化的設(shè)計(jì)與實(shí)現(xiàn)也具有重要意義，尤其是在國(guó)防科技工業(yè)領(lǐng)域，武器裝備的自主可控關(guān)系到我國(guó)的國(guó)防安全，發(fā)展自主可控裝備是我國(guó)國(guó)防工業(yè)的重要組成。針對(duì)重要技術(shù)實(shí)現(xiàn)自主可控，發(fā)展自主可控裝備，有利于消除可能存在的安全隱患，避免國(guó)外的軟件算法以及硬件平臺(tái)中可能存在的“后門(mén)”造成不利影響，對(duì)于實(shí)現(xiàn)裝備的自我保障，保證持續(xù)發(fā)展，具有重要的現(xiàn)實(shí)意義。

判斷視頻壓縮編碼效果的指標(biāo)有：壓縮失真、編碼碼率以及計(jì)算復(fù)雜度，而視頻編碼的根本任務(wù)是協(xié)調(diào)這3 個(gè)指標(biāo)之間的關(guān)系，并不斷優(yōu)化。率失真優(yōu)化是針對(duì)碼率和失真度之間的優(yōu)化。針對(duì)獨(dú)立率失真的優(yōu)化，人們紛紛展開(kāi)研究。郭紅偉等人提出一種內(nèi)容自適應(yīng)的拉格朗日乘子計(jì)算方法，其對(duì)于具有快速運(yùn)動(dòng)內(nèi)容的視頻，編碼性能改善較大。ZHANG J等則提出一種改進(jìn)的拉格朗日乘子運(yùn)動(dòng)估計(jì)算法，對(duì)于幀間劃分塊通過(guò)測(cè)試最小化失真和最小化碼率兩種極值，避免了較大的運(yùn)動(dòng)估計(jì)誤差；張世彥采用基于主成分分析的噪聲估計(jì)算法實(shí)現(xiàn)LCU 級(jí)的噪聲估計(jì)，實(shí)現(xiàn)自適應(yīng)優(yōu)化量化步長(zhǎng)并消除噪聲影響，能適用于較寬泛的碼率范圍。

當(dāng)視頻在復(fù)雜網(wǎng)絡(luò)環(huán)境下進(jìn)行傳輸時(shí)，它的工作容易受到在同一局域網(wǎng)環(huán)境下其他通信設(shè)備的干擾。而其他設(shè)備在使用過(guò)程中占用絕大部分的帶寬，會(huì)造成網(wǎng)絡(luò)擁塞，可能致使視頻編碼系統(tǒng)產(chǎn)生傳輸延遲以及丟包等情況。因此，在復(fù)雜網(wǎng)絡(luò)情況下，針對(duì)可使用帶寬較低的情況，可以提高視頻壓縮率來(lái)保持視頻傳輸?shù)姆€(wěn)定性。但是提高視頻壓縮比會(huì)導(dǎo)致失真度較高，為了解決在降低帶寬的前提下，提高視頻壓縮率造成的失真度，本文針對(duì)HEVC（high efficiency video coding）視頻編碼算法進(jìn)行優(yōu)化，并實(shí)現(xiàn)優(yōu)化算法在全國(guó)產(chǎn)平臺(tái)上的適配。主要是通過(guò)對(duì)編碼單元（coding unit，CU）的分割算法進(jìn)行優(yōu)化，在保證視頻目標(biāo)區(qū)域圖像質(zhì)量的前提下，提高壓縮速率，提高整體壓縮率。

1 運(yùn)行環(huán)境的搭建

為了實(shí)現(xiàn)重要技術(shù)的自主可控，本文主要采用全國(guó)產(chǎn)化的硬件平臺(tái)，國(guó)產(chǎn)操作系統(tǒng)以及國(guó)產(chǎn)的深度學(xué)習(xí)框架展開(kāi)。主要選用以FT-2000/4 為CPU 的硬件平臺(tái)，主頻為2.2 GHz，支持單精度、雙精度浮點(diǎn)運(yùn)算指令和ASIMD 處理指令。在操作系統(tǒng)上，本文選用銀河麒麟操作系統(tǒng)，具有高安全、高可靠、高可用、跨平臺(tái)、中文化的特點(diǎn)，并已經(jīng)廣泛應(yīng)用于多個(gè)行業(yè)或領(lǐng)域。在深度學(xué)習(xí)的框架上，選用百度的PaddlePaddle 深度學(xué)習(xí)框架進(jìn)行深度學(xué)習(xí)的訓(xùn)練以及推理工作。PaddlePaddle 是百度自主研發(fā)的性能優(yōu)先、靈活易用的深度學(xué)習(xí)平臺(tái)，是主流深度學(xué)習(xí)框架中唯一完全國(guó)產(chǎn)化的產(chǎn)品。

本文通過(guò)在基于FT-2000/4 為CPU 的硬件平臺(tái)上搭載銀河麒麟操作系統(tǒng)，搭建適配paddlepaddle運(yùn)行的軟件環(huán)境，完成HEVC 編碼算法運(yùn)行的國(guó)產(chǎn)化平臺(tái)。

2 HEVC 分割算法優(yōu)化

2.1 感興趣區(qū)域的提取

感興趣區(qū)域（region of interest，ROI）是指在圖像中人眼主觀感興趣的區(qū)域。在本文中，我們認(rèn)為ROI是在常見(jiàn)環(huán)境背景下的目標(biāo)對(duì)象。提取ROI 的目的是針對(duì)感興趣區(qū)域以及非感興趣區(qū)域采用不同的編碼策略。由于人眼對(duì)于視頻中的不同區(qū)域位置會(huì)賦予不同的關(guān)注程度，同時(shí)也對(duì)失真度擁有不同的敏感性，采取不同編碼策略可以提高視頻圖像整體的主觀視覺(jué)效果。傳統(tǒng)ROI 的提取，主要是根據(jù)圖像顏色紋理特征、運(yùn)動(dòng)檢測(cè)以及通過(guò)視覺(jué)注意模型等方法，目標(biāo)檢測(cè)的方法大多是利用時(shí)間域或者空間信息進(jìn)行處理，采用背景差分法、光流法、幀差法等對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。本文則采用基于深度學(xué)習(xí)的目標(biāo)識(shí)別方法提取ROI。

在具體ROI 的提取過(guò)程中，通過(guò)使用PaddlePa ddle深度學(xué)習(xí)框架，利用公開(kāi)數(shù)據(jù)集VOC2012，在百度推出的AI studio 云平臺(tái)上使用平臺(tái)提供的算力，針對(duì)Mobilenet-SSD 算法進(jìn)行訓(xùn)練。MobileNet-SSD將輕量級(jí)深度網(wǎng)絡(luò)模型MobileNet 和目標(biāo)檢測(cè)算法SSD 結(jié)合起來(lái)，很好地繼承了MobileNet 預(yù)測(cè)速度快，易于部署的特點(diǎn)。MobileNet 為了降低整體的計(jì)算量，主要使用了深度可分離卷積將標(biāo)準(zhǔn)卷積核進(jìn)行分解計(jì)算，以及通過(guò)引入兩個(gè)超參數(shù)來(lái)減少參數(shù)量和計(jì)算量。

深度可分離卷積將標(biāo)準(zhǔn)卷積核分為深度卷積核和大小為1*1 的點(diǎn)卷積核，當(dāng)輸入為M 個(gè)通道，輸入feature map 大小為D*D，卷積核大小為D*D，輸出通道為N 時(shí)，標(biāo)準(zhǔn)卷積核和深度可分離卷積的計(jì)算量比率為：

除此外，當(dāng)引入超參數(shù)寬度乘數(shù)α 以及分辨率乘數(shù)ρ，輸入層通道個(gè)數(shù)M 變?yōu)棣粒敵鰧油ǖ纻€(gè)數(shù)N 變?yōu)棣粒傆?jì)算量為：

可以降低原來(lái)模型的計(jì)算量。

通過(guò)訓(xùn)練，獲取相關(guān)訓(xùn)練模型，并將訓(xùn)練好的模型移植到上一節(jié)中所述的搭載paddlepaddle 深度學(xué)習(xí)框架的國(guó)產(chǎn)化運(yùn)行平臺(tái)上。通過(guò)輸入測(cè)試視頻文件，來(lái)展開(kāi)推理工作，對(duì)視頻中的目標(biāo)對(duì)象進(jìn)行識(shí)別。

圖1 感興趣區(qū)域提取

在一幀視頻識(shí)別完成后，首先檢測(cè)該圖像中是否存在目標(biāo)區(qū)域，如果存在則輸出幀序號(hào)、目標(biāo)標(biāo)簽以及錨框等信息，如果不存在，則設(shè)定目標(biāo)標(biāo)簽為None，錨框坐標(biāo)為（-1，-1），由于在視頻編碼過(guò)程中，編碼單元最大為64*64，因此，將錨框起始坐標(biāo)及長(zhǎng)寬尺寸預(yù)處理為64 的倍數(shù)，可以方便后續(xù)視頻編碼處理，并將算法中檢測(cè)出的關(guān)于背景的background 標(biāo)簽的目標(biāo)信息去除，避免影響感興趣區(qū)域的提取工作。在完成最感興趣區(qū)域的預(yù)處理后，將感興趣區(qū)域信息存儲(chǔ)以便后續(xù)處理。

在ROI 的提取工作中，通過(guò)利用基于深度學(xué)習(xí)的目標(biāo)識(shí)別算法將每一幀數(shù)據(jù)中有用的目標(biāo)信息，如目標(biāo)標(biāo)簽、錨框坐標(biāo)及尺寸等信息輸出，并及時(shí)傳遞給編碼算法對(duì)相應(yīng)幀進(jìn)行處理。實(shí)現(xiàn)視頻圖像ROI 的提取。

2.2 編碼單元分割深度的確定

視頻壓縮編碼是一類(lèi)特殊的數(shù)據(jù)壓縮方法。各種視頻應(yīng)用催生了多種視頻編碼方法。HEVC 是2013 年發(fā)布的較新一代視頻編碼標(biāo)準(zhǔn)，包括變換、量化、熵編碼、幀內(nèi)預(yù)測(cè)、幀間預(yù)測(cè)以及環(huán)路濾波等模塊。并在之前編碼方法的基礎(chǔ)上，加入了基于四叉樹(shù)的塊分割結(jié)構(gòu)。本文主要針對(duì)基于四叉樹(shù)的塊分割結(jié)構(gòu)進(jìn)行優(yōu)化處理。在之前的編碼算法中，CU 的大小是固定的，在HEVC 中，一幀圖像可以被劃分若干互不重疊的編碼樹(shù)單元（coding tree unit，CTU），之后依據(jù)四叉樹(shù)原則，CTU 可以被分割為多層不同大小的CU，CU 是否被繼續(xù)分割取決于算法中的分割標(biāo)志位。圖2 是CU 分割的示意圖，對(duì)于一個(gè)CU，最大為64*64，最小為8*8，即一個(gè)CTU 內(nèi)可以包含最少1 個(gè)，最多64 個(gè)編碼單元。根據(jù)圖像中不同區(qū)域的圖像內(nèi)容以及應(yīng)用需求等，可以合理分配編碼單元大小和最大分割深度，使得編碼效果獲得較好的優(yōu)化，例如在平臺(tái)區(qū)域，采用較大的編碼單元進(jìn)行編碼可以減少所用的比特?cái)?shù)，提高編碼效率。在HEVC 編碼過(guò)程中，視頻圖像首先根據(jù)I、P、B 幀，分為多個(gè)圖像組（group of pictures，GOP），在GOP 中每幀圖像為1 個(gè)圖片順序計(jì)數(shù)（picture order count，POC），之后逐層分解到對(duì)編碼單元的四叉樹(shù)劃分上。主要針對(duì)這部分的實(shí)現(xiàn)進(jìn)行一個(gè)修改和優(yōu)化。

圖2 編碼單元分割示意圖

HM（hevc test model）作為HEVC 的參考軟件，在HEVC 協(xié)議制定和修改的會(huì)議中，每次新的方案和技術(shù)提出后，都是利用HM 作為評(píng)價(jià)和驗(yàn)證優(yōu)化效率的工具。并且隨著方案技術(shù)的優(yōu)化，HM 也會(huì)公開(kāi)相應(yīng)的代碼實(shí)現(xiàn)。本文中，針對(duì)HEVC 算法的優(yōu)化，主要利用HM 的代碼進(jìn)行實(shí)現(xiàn)。

在HM 中，對(duì)編碼單元大小和分割深度的判定主要通過(guò)TEncCu：：xCompressCU 函數(shù)實(shí)現(xiàn)。xCompressCU 函數(shù)主要是通過(guò)遍歷每種編碼大小的編碼單元，對(duì)比獲取最優(yōu)解。在函數(shù)的具體實(shí)現(xiàn)過(guò)程中，通過(guò)依次獲取較大的編碼單元，遍歷該編碼單元的所有預(yù)測(cè)模式，并對(duì)比確認(rèn)最佳率失真代價(jià)，之后通過(guò)調(diào)用自身，對(duì)該編碼單元內(nèi)所包含的下一深度的編碼單元進(jìn)行計(jì)算，并逐漸計(jì)算到最小的8*8 的編碼單元，最后對(duì)比該深度的4 個(gè)編碼單元率失真代價(jià)之和與上一深度率失真代價(jià)，依次進(jìn)行對(duì)比，并最后確認(rèn)該位置編碼單元的大小和分割深度。由上述過(guò)程可以知道，對(duì)于一個(gè)CTU，完成全部四叉樹(shù)的遍歷，需要進(jìn)行1+4+4*4+4*4*4，共85 次率失真代價(jià)的計(jì)算，并針對(duì)每個(gè)編碼單元進(jìn)行預(yù)測(cè)單元和變換單元的計(jì)算。編碼器在運(yùn)行過(guò)程中，計(jì)算復(fù)雜度很高。

在視頻編碼實(shí)際使用的過(guò)程中，實(shí)際上并不是視頻中所有區(qū)域的內(nèi)容都受到人們的關(guān)注。目前HEVC 算法中，編碼單元的劃分與視頻內(nèi)容的復(fù)雜度相關(guān)，背景內(nèi)容較多，紋理復(fù)雜的區(qū)域，編碼單元相對(duì)較小，這樣可以更好地反映出復(fù)雜紋理區(qū)域的信息，而背景相對(duì)單一，紋理簡(jiǎn)單的區(qū)域，采用較大的編碼單元就可以反映該區(qū)域的信息，而不會(huì)顯著增加比特率。在此針對(duì)這種情況，提出利用感興趣區(qū)域的方法對(duì)這一過(guò)程進(jìn)行優(yōu)化。利用上一小節(jié)獲取的目標(biāo)信息，對(duì)視頻中不同區(qū)域分配不同的深度值，對(duì)于非目標(biāo)區(qū)域提前終止對(duì)編碼單元的劃分，進(jìn)而降低編碼的復(fù)雜度。

本文對(duì)非感興趣區(qū)域采取默認(rèn)最大的編碼單元時(shí)，僅對(duì)感興趣區(qū)域進(jìn)行率失真代價(jià)的計(jì)算時(shí)，可以很大程度降低編碼計(jì)算的復(fù)雜度，提高編碼速率，并且保證了感興趣區(qū)域的編碼質(zhì)量。

2.3 視頻編碼算法優(yōu)化整體流程

本文所述的HEVC 分割算法優(yōu)化在國(guó)產(chǎn)化平臺(tái)的具體實(shí)現(xiàn)如圖3 所示。在視頻輸入后，可以分為感興趣區(qū)域的提取和視頻編碼兩部分進(jìn)行。在感興趣區(qū)域的提取部分，首先利用FFMPEG 軟件，將視頻格式轉(zhuǎn)為.mp4，之后利用opencv 對(duì)視頻中每幀進(jìn)行處理，之后調(diào)用paddlepaddle 深度學(xué)習(xí)框架中MobileNet 的函數(shù)，使用2.1 中所述在云端訓(xùn)練得到的模型，針對(duì)每幀圖像進(jìn)行目標(biāo)識(shí)別的推理工作。只要針對(duì)圖像中是否存在目標(biāo)區(qū)域進(jìn)行判斷，如果存在，則將視頻幀序號(hào)、目標(biāo)標(biāo)簽以及錨框相關(guān)信息按照一定格式進(jìn)行輸出，如果不存在，則標(biāo)定目標(biāo)標(biāo)簽為“None”，目標(biāo)坐標(biāo)為（-1，-1）。在此之后，針對(duì)提取到的感興趣區(qū)域信息進(jìn)行預(yù)處理，為了后期的視頻編碼方便進(jìn)行，在這里將錨框相關(guān)坐標(biāo)及長(zhǎng)寬信息轉(zhuǎn)化為以64 為單位長(zhǎng)度的整數(shù)，即一個(gè)CU 的長(zhǎng)度作為單位長(zhǎng)度，方便視頻編碼工作的進(jìn)行。在處理完成后，將感興趣區(qū)域信息保存至datafile.txt 文件中，并判斷當(dāng)前處理幀是否為最后一幀，若不是則繼續(xù)處理，若是最后一幀，則結(jié)束對(duì)該視頻的感興趣區(qū)域提取工作。在視頻編碼部分，首先利用FFMPEG 軟件將視頻格式轉(zhuǎn)為.yuv，之后將視頻傳入HM 軟件后，對(duì)視頻進(jìn)行逐幀處理。在對(duì)一幀圖像進(jìn)行處理前，首先本文通過(guò)讀取保存在datafile.txt 中的感興趣區(qū)域信息，如果讀取不到對(duì)應(yīng)幀的感興趣區(qū)域信息，則延時(shí)后再次讀取，直到對(duì)應(yīng)幀的感興趣區(qū)域信息。之后本文對(duì)提取到的感興趣區(qū)域的信息進(jìn)行處理，提取錨框坐標(biāo)及尺寸信息，之后將數(shù)據(jù)送入xCompressCU 函數(shù)。在該函數(shù)中，首先對(duì)輸入的CU 進(jìn)行率失真代價(jià)的計(jì)算，之后判斷目前處理的CU 是否在坐標(biāo)范圍內(nèi)，如果在則繼續(xù)進(jìn)行下一步分割，直到分割到最小CU，如果不在則停止分割，直接進(jìn)入下一個(gè)CU 進(jìn)行試驗(yàn)，直到所有CU 遍歷完成。之后對(duì)下一幀進(jìn)行以上操作，直到視頻結(jié)束，完成視頻編碼。

圖3 視頻編碼算法優(yōu)化整體流程圖

在本文中，由于目標(biāo)識(shí)別是針對(duì)每一幀圖像進(jìn)行目標(biāo)識(shí)別，不涉及幀與幀之間目標(biāo)物的坐標(biāo)關(guān)系，并且編碼過(guò)程全部采用I 幀，不涉及P、B幀，即不涉及幀與幀之間的預(yù)測(cè)，因此，不涉及時(shí)間相關(guān)性。

3 實(shí)驗(yàn)結(jié)果

本文主要利用HEVC 參考源碼HM 中，目前最新版的HM16.20 進(jìn)行實(shí)驗(yàn)和測(cè)試，在實(shí)驗(yàn)過(guò)程中統(tǒng)一采用encoder_intra_main.cfg 標(biāo)準(zhǔn)配置文件，即全部采用I 幀，不涉及幀間預(yù)測(cè)，針對(duì)不同分辨率的測(cè)試視頻文件進(jìn)行處理。

在實(shí)驗(yàn)中，本文通過(guò)對(duì)比同一視頻文件在采用HM16.20 原版軟件，以及在采用ROI 的方法后的視頻編碼軟件的運(yùn)行效果，對(duì)最后編碼后數(shù)據(jù)文件的大小，以及運(yùn)行時(shí)間等信息進(jìn)行對(duì)比，并且利用Python，matlab 等對(duì)數(shù)據(jù)進(jìn)行處理，通過(guò)在視頻文件中選取特定幀，在圖像中畫(huà)出編碼單元的分割情況，直觀確認(rèn)感興趣區(qū)域算法對(duì)視頻編碼算法的影響。由于HM 和深度學(xué)習(xí)算法所需要的視頻格式不同，因此，本文在進(jìn)行運(yùn)算處理之前，首先利用FFMPEG，將測(cè)試視頻分別轉(zhuǎn)為.yuv 以及.mp4 格式的文件。將.yuv 格式文件傳入HM 軟件，并利用Python 將.mp4 文件傳入感興趣區(qū)域提取的算法中，展開(kāi)實(shí)驗(yàn)。并及時(shí)記錄編碼過(guò)程中的測(cè)試結(jié)果，以及在編碼過(guò)程中傳輸回來(lái)的編碼單元深度信息的數(shù)據(jù)。

3.1 直觀效果對(duì)比

通過(guò)輸出編碼單元的分割深度信息等，本文可以有效得知每一個(gè)位置的編碼單元具體分割情況。通過(guò)將輸出的數(shù)據(jù)利用Python 進(jìn)行預(yù)處理以及重新排列，將每一幀的深度信息分開(kāi)，并將深度信息數(shù)據(jù)與圖像坐標(biāo)位置進(jìn)行對(duì)應(yīng)。之后利用Python 調(diào)用OpenCV 隨機(jī)取出測(cè)試視頻中的某一幀圖像，以及對(duì)應(yīng)的編碼單元分割深度數(shù)據(jù)，之后根據(jù)圖像及數(shù)據(jù)，在matlab 內(nèi)繪制出編碼單元在實(shí)際圖像中的分割效果圖。

HEVC 視頻編碼的編碼單元分割算法優(yōu)化前后對(duì)比圖如圖4 所示，可以直觀地看出，針對(duì)分割算法進(jìn)行優(yōu)化后，目前圖像主要只針對(duì)感興趣區(qū)域內(nèi)的編碼單元進(jìn)行分割，而對(duì)于感興趣區(qū)域外，則采用64*64 的最大編碼單元。相比較算法未優(yōu)化之前，在保證感興趣區(qū)域內(nèi)的分割效果的基礎(chǔ)上，忽略非感興趣區(qū)域編碼單元的分割效果。通過(guò)整個(gè)系統(tǒng)良好的運(yùn)行效率，證明在全國(guó)產(chǎn)化平臺(tái)上，實(shí)現(xiàn)整個(gè)系統(tǒng)是可行的。

圖4 分割算法運(yùn)行對(duì)比圖

3.2 客觀數(shù)據(jù)對(duì)比

表1 多分辨率視頻實(shí)驗(yàn)記錄參數(shù)對(duì)比

在2.2 中，本文提到，在HEVC 協(xié)議制定和修改的會(huì)議中，每次新的方案和技術(shù)提出后，都是利用HM 作為評(píng)價(jià)和驗(yàn)證優(yōu)化效率的工具。因此，利用HM 作為編碼算法優(yōu)化的對(duì)比，具有客觀價(jià)值。在實(shí)驗(yàn)中主要記錄的參數(shù)有：測(cè)試視頻分辨率、幀率、感興趣區(qū)域占原圖像比例、原軟件處理時(shí)間、優(yōu)化后軟件處理時(shí)間、原軟件壓縮率、優(yōu)化后軟件壓縮率。通過(guò)比對(duì)優(yōu)化前后的處理時(shí)間以及壓縮率，可以發(fā)現(xiàn)，通過(guò)對(duì)算法進(jìn)行優(yōu)化，可以有效降低軟件處理時(shí)間，并提高軟件壓縮率。

傳統(tǒng)獲取ROI 的方法針對(duì)視頻特征較少的視頻流或許可以獲得比本文更好的效果，但傳統(tǒng)方法無(wú)法針對(duì)我們所需要的特定對(duì)象為目標(biāo)進(jìn)行視頻編碼，僅保證特定對(duì)象的圖像質(zhì)量，因此，在本文不進(jìn)行對(duì)比。

4 結(jié)論

為了優(yōu)化視頻信號(hào)在復(fù)雜網(wǎng)絡(luò)環(huán)境下由于網(wǎng)絡(luò)擁塞出現(xiàn)的數(shù)據(jù)丟包等情況，本文針對(duì)HEVC 編碼中的編碼單元分割算法進(jìn)行優(yōu)化，在保證目標(biāo)區(qū)域編碼效果的情況下，降低非感興趣區(qū)域編碼效果。本文算法通過(guò)在全國(guó)產(chǎn)化硬件及軟件平臺(tái)上，通過(guò)利用基于國(guó)產(chǎn)深度學(xué)習(xí)框架paddlepaddle 的MobileNet 模型算法進(jìn)行目標(biāo)識(shí)別，獲取感興趣區(qū)域，并在視頻編碼算法中通過(guò)限制非感興趣區(qū)域編碼單元的分割，來(lái)降低算法運(yùn)行的復(fù)雜度，優(yōu)化算法執(zhí)行效率。實(shí)現(xiàn)結(jié)果表明，優(yōu)化后的算法可以有效提高視頻整體壓縮率，縮短軟件處理時(shí)間，并且從主觀視覺(jué)上也可以判斷出，經(jīng)過(guò)優(yōu)化的算法可以準(zhǔn)確地針對(duì)感興趣區(qū)域保證較好的編碼精度。