[发明专利]一种面向内容分析的视频编码优化方法

说明书

本发明属于视频压缩技术领域，具体的说是涉及一种面向内容分析的视频编码优化方法。本发明的方法包括四个部分：内容分析失真模型、内容分析失真预测模型、率失准模型及率失真优化。通过构建内容分析失真模型，量化视频压缩失真对内容分析算法性能的影响；采用压缩失真SAD(Sum of Absolute Difference)预测内容分析失真；采用e指数函数拟合内容分析失真与码率之间的关系；将内容分析失真引入到率失真优化中，以最小化像素失真和内容分析失真为优化目标，改进现有率失真优化方法。最终降低了内容分析失真，削弱了视频压缩失真对内容分析算法的影响。

技术领域

本发明属于视频压缩技术领域，具体的说是涉及一种面向内容分析的视频编码优化方法。

背景技术

随着视频通信技术的进步与发展，视频数据呈爆炸式增长，尤其在视频监控领域，超大体量的监控视频数据经压缩、传输至服务器端，由计算机进行内容分析，达到各种目的，如动目标检测、人脸识别、行为分析等。如今，大多数视频编码器以最大化人眼视觉质量为优化目标，造成压缩失真降低后续内容分析算法的性能。在过去几十年中，研究者们提出了许多方法来降低压缩失真对分析算法的影响，其中大部分都是针对保存局部特征点的。

Chao和Steinbac提出了一种基于SIFT特征匹配程度的率失真模型，并在静止图像压缩标准JPEG中验证，结果表明，即使在低码率条件下也能保存关键SIFT特征，但是该方法需要消耗额外的比特用以传输SIFT特征描述子(J.S.Chao and E.Steinbach,“PreservingSIFT features in JPEG-encoded images,”IEEE International Conference on ImageProcessing,Brussels,Belgium,Sept.2011,pp.301-304.)。Baroffio等人针对提取的局部特征(如SIFT、SURF)提出了一种新的视频编码框架，该框架采用帧内和帧间模式对提取的特征信息进行编码，但是该方法仅仅传输局部特征描述子，因此无法在解码端得到视频图像信息(L.Baroffio,M.Cesana,A.Redondi,M.Tagliasacchi,and S.Tubaro,“Codingvisual features extracted from video sequences”,IEEE Transactions on ImageProcessing,vol.23,no.5,pp.2262-2276,May 2014.)。上述方法大都针对特征点保存的视频压缩方法，不能有效解决码率、压缩失真和内容分析失真的平衡问题。

发明内容

本发明是为能够降低视频压缩失真对内容分析的影响，提出一种面向内容分析的视频编码优化方法，旨在解决码率、压缩失真和分析失真的平衡问题。

本发明的技术方案是：

一种面向内容分析的视频编码优化方法，其特征在于，包括以下步骤：

S1、定义内容分析失真D_A用以量化视频压缩失真D_P对内容分析算法的影响，根据下列公式(1)计算内容分析失真D_A，压缩失真D_P可根据公式(2)或公式(3)得到；

D_A＝|D^o-D^c| (公式1)

SAD＝∑|recpixel-orgpixel| (公式3)

其中，D^o为在未压缩视频上内容分析算法的分析结果，D^c为在压缩后视频上内容分析算法的分析结果；respixel为重构像素，orgpixel为原始像素，Imagesize为图像尺寸；