[发明专利]基于ROI的视频快速压缩方法、高清视频系统、4K视频系统

权利要求书

1.一种基于ROI的视频快速压缩方法，其特征在于，所述基于ROI的视频快速压缩方法包括：

第一步，对输入的视频进行预处理，得到相应的块；

第二步，计算每个块的信息熵，得到块的静态特征F1；

第三步，根据块的坐标，计算每个块的位置特征F2；

第四步，以静态特征和位置特征为基础，得到块的静态关注系数w1；

第五步，使用帧差法计算每个块的运动特征，得到块的运动关注系数w2；

第六步，分别对块的静态关注系数和动态关注系数进行归一化，为两个系数分配特定的权重，得到最终的ROI系数，使用ROI系数修正四叉树划分模型。

2.如权利要求1所述的基于ROI的视频快速压缩方法，其特征在于，所述第一步中对输入的视频进行预处理，得到相应块的过程为：视频序列进入编码器后，根据视频的分辨率与CTU块的大小建立一个空间坐标系，将每个CTU块映射到对应的空间位置坐标上，通过空间坐标来对每个CTU块进行索引。

3.如权利要求1所述的基于ROI的视频快速压缩方法，其特征在于，所述第二步中计算块的静态特征过程为：统计坐标系内每个坐标点上的CTU块的像素值，得到像素矩阵；根据像素矩阵计算每个CTU块的信息熵；其中信息熵的计算方式如下：

4.如权利要求1所述的基于ROI的视频快速压缩方法，其特征在于，所述第三步中计算块的位置特征过程为：将每个CTU的坐标送入编码器，按下式计算该CTU的空间特征值：

增强中间区域的权重，而弱化周边区域。

5.如权利要求1所述的基于ROI的视频快速压缩方法，其特征在于，所述第四步中静态关注系数的计算过程如下：以信息熵作为每个CTU块的权重因子，考虑人眼对于CTU块位置的关注特性，每个CTU块的静态关注系数计算如下：

根据上式，CTU的静态关注系数与两个值相关：熵与坐标；只有当前CTU块靠近中心切包含的信息较多时，引起人的关注。

6.如权利要求1所述的基于ROI的视频快速压缩方法，其特征在于，所述第五步中运动特征的计算过程如下：按照视频的播放顺序，使用当前帧减去前一帧得到残差矩阵，将残差矩阵按照CTU块的大小划分为不同的子残差矩阵，统计每个残差矩阵的和；使用残差子矩阵的和除以对应CTU块的大小，得到每个CTU块的残差均值，使用CTU块的残差均值除以全局均值，得到该CTU的运动特征。

7.如权利要求1所述的基于ROI的视频快速压缩方法，其特征在于，所述第六步中计算全局关注系数及修正四叉树划分模型的计算过程为：

关注系数归一化：

w＝αw_s+(1-α)w_d；

式中，w_s和w_d分别表示CTU块的静态和动态关注系数；α根据统计为0～0.5；

修正四叉树划分模式：

当CU的关注系数超过阈值时，判定为ROI块，采用HEVC既定的编码模式。而小于阈值时，判定为NROI块，由于用户不会对NROI块产生明显的反应，所以通过降低对NROI块的编码复杂度，可以减少视频的压缩时间。

8.一种应用权利要求1～7任意一项所述基于ROI的视频快速压缩方法的高清视频系统。

9.一种应用权利要求1～7任意一项所述基于ROI的视频快速压缩方法的4K视频系统。