[发明专利]一种基于网络特征与视频特征的动态码率控制方法

摘要

本发明公开一种基于网络特征与视频特征的动态码率控制方法，通过两类特征与接收端视频质量之间的相互关系，建立接收端视频质量失真模型；进一步通过分析接收端视频质量与输出码率之间的关系，结合前述的视觉关注度重构率失真模型；然后研究融合反馈信息的编码参数动态偏置范围预测方法，实现接收端视频质量与码率控制误差联动调整；最终建立融合网络特征和视频内容特征的分级动态码率控制机制，力争在保证编码器输出码率与信道环境相匹配的同时，实现接收端视频质量的提升，在保持视频重建图像质量的前提下，提高码率控制精度。

主权项

1.一种基于网络特征与视频特征的动态码率控制方法，其特征在于，包括以下步骤：步骤S1、构建融合网络特征与视频特征的率失真模型1)、划分感兴趣区域与非感兴趣区域；2)、建立接收端视频质量失真模型D；将待编码视频输入到原始HEVC编码器中进行编码，并记录编码结果；依据编码结果，分别计算每帧编码图像的压缩编码失真d和场景复杂度s、以及统计当前网络信道状态下视频传输过程中的误码率e、丢包率l以及网络带宽b；根据上述e、l、b值与d、s值，得到每帧编码图像的接收端视质量失真D₁,D₂…D_n，其中，n表示视频帧数，以此构建接收端视频质量失真模型D＝(D₁,D₂…D_n)；3)、建立率失真(R‑D)模型；根据步骤2所得编码结果，分别计算每帧图像感兴趣区域的输出码率与非感兴趣区域输出码率；对感兴趣区域输出码率和接收端视频质量失真模型、以及非感兴趣区域输出码率和接收端视频质量失真模型进行拟合，得到感兴趣区域的率失真模型以及模型参数α_ROI、β_ROI和非感兴趣区域的率失真模型以及模型参数α_n‑ROI、β_n‑ROI；步骤S2、确定编码参数1)、根据模型参数α_ROI，β_ROI和α_n‑ROI，β_n‑ROI计算得到感兴趣区域的拉格朗日乘子λ_ROI,T与非感兴趣区域的拉格朗日乘子λ_n‑ROI,T；λ＝α·R^β2)、根据拉格朗日乘子λ_ROI,T，λ_n‑ROI,T计算得到感兴趣区域的量化参数QP_ROI,T，以及非感兴趣区域的量化参数QP_n‑ROI,T；QP＝4.2005lnλ+13.7122步骤S3、编码以及记录编码后输出码率利用重构后融合了网络特征与视频特征的率失真模型替代HEVC编码器中的原有率失真模型；将待编码视频帧输入到改进后的HEVC编码器中，读取配置文件，根据选定的量化参数，依次进行预测编码、变换量化编码、熵编码过程，最终得到当前编码帧的实际输出码率；第四步、根据码率控制误差修正编码参数编制范围待当前帧编码完成后，通过计算当前编码帧目标码率与实际输出码率间的控制误差，分别得出ROI区域的码率误差的Error_ROI以及非ROI区域的码率误差的Error_n‑ROI，用于指导码率控制参数偏置范围的更新与修正；修正后量化参数的动态偏置范围分别为(QP_pic‑ΔQP_ROI,QP_pic+ΔQP_ROI)和(QP_pic‑ΔQP_n‑ROI,QP_pic+ΔQP_n‑ROI)，且修正后的编码参数将用于参与下一编码帧的码率控制过程，其中，QP_Pic表示当前编码帧的量化参数，th₁，th₂分别表示ROI区域与非ROI区域的码率误差阈值，当Error_ROI≤th₁且Error_n‑ROI≤th₂时，设置ΔQP_ROI＜2，ΔQP_n‑ROI＜1；当Error_ROI≤th₁且Error_n‑ROI＞th₂时，设置ΔQP_ROI＜2，ΔQP_n‑ROI≥1；当Error_ROI＞th₁且Error_n‑ROI＞th₂时，设置ΔQP_ROI≥2，ΔQP_n‑ROI≥1；当Error_ROI＞th₁且Error_n‑ROI≤th₂时，设置ΔQP_ROI≥2，ΔQP_n‑ROI＜1。