[发明专利]视频编码方法、装置、设备及存储介质

权利要求书

1.一种视频编码方法，其特征在于，包括：

获取视频数据，将所述视频数据输入至视频复杂度分类模型，得到所述视频数据的复杂度类别，其中，所述视频复杂度分类模型是基于轻量级深度学习模型训练得到的用于确定视频复杂度类别的模型；

根据所述视频数据的复杂度类别，确定与所述复杂度类别对应的视频编码参数集合，所述视频编码参数集合包括多种视频编码参数；

基于所述视频编码参数集合中各视频编码参数，对所述视频数据进行视频编码；

第一复杂度类别为复杂度类别中的任意一个类别，确定所述第一复杂度类别对应的第一视频编码参数集合，包括：

获取多个初始视频编码参数集合以及所述第一复杂度类别的第一视频样本；

对基于不同初始视频编码参数集合进行视频编码后的第一视频样本，进行参数分析，从所述多个初始视频编码参数集合中确定目标视频编码参数集合；

基于所述目标视频编码参数集合，采用遗传算法生成多个子代视频编码参数集合；

对基于不同子代视频编码参数集合进行视频编码后的第一视频样本，进行参数分析，判断是否满足迭代终止条件，若满足迭代终止条件，从所述多个子代视频编码参数集合中确定所述第一视频编码参数集合。

2.根据权利要求1所述的方法，其特征在于，所述视频复杂度分类模型的训练过程，包括：

获取视频样本集合，所述视频样本集合包括多个视频长度满足预设长度的视频样本；

确定每个所述视频样本的复杂度标签值，所述复杂度标签值用于指示所述视频样本的复杂度类别；

建立初始视频复杂度分类模型，将每个所述视频样本作为所述初始视频复杂度分类模型的输入，将每个所述视频样本的复杂度标签值作为所述初始视频复杂度分类模型的输出，进行模型训练，得到训练好的视频复杂度分类模型。

3.根据权利要求2所述的方法，其特征在于，所述确定每个所述视频样本的复杂度标签值，包括：

若所述视频样本为非固定码率系数CRF模式的视频样本，将所述视频样本转码为CRF模式的视频样本；

根据所述CRF模式的视频样本确定所述视频样本的复杂度标签值。

4.根据权利要求1-3中任一项所述的方法，其特征在于，不同复杂度类别对应的视频编码参数集合是采用遗传算法对初始视频编码参数集合中的各视频编码参数进行优化得到的。

5.根据权利要求1所述的方法，其特征在于，所述对基于不同初始视频编码参数集合进行视频编码后的第一视频样本，进行参数分析，从所述多个初始视频编码参数集合中确定目标视频编码参数集合，包括：

获取基于不同初始视频编码参数集合进行视频编码后的第一视频样本的清晰度评分以及码率；

根据所述清晰度评分以及所述码率，从所述多个初始视频编码参数集合中确定目标视频编码参数集合。

6.根据权利要求5所述的方法，其特征在于，所述获取基于不同初始视频编码参数集合进行视频编码后的第一视频样本的清晰度评分，包括：

将基于不同初始视频编码参数集合进行视频编码后的第一视频样本，依次输入至预设的视频清晰度评分模型中，得到基于每个初始视频编码参数集合进行视频编码后的第一视频样本的清晰度评分；

其中，所述视频清晰度评分模型是采用机器学习模型训练得到的用于评估视频清晰度的模型。

7.根据权利要求5所述的方法，其特征在于，

所述根据所述清晰度评分以及所述码率，从所述多个初始视频编码参数集合中确定目标视频编码参数集合，包括：

将视频编码后的第一视频样本的清晰度评分大于或等于预设清晰度阈值，且，视频编码后的第一视频样本的码率小于目标码率所对应的初始视频编码参数集合，作为所述目标视频编码参数集合。

8.根据权利要求1所述的方法，其特征在于，所述目标视频编码参数集合包括第一目标视频编码参数集合；所述基于所述目标视频编码参数集合，采用遗传算法生成多个子代视频编码参数集合，包括：

将所述第一目标视频编码参数集合作为一个新的子代视频编码参数集合。