[發明專利]基于視頻移動設備的雙向視頻編解碼系統及其方法

在審

• 申請號: 201410542985.0
• 申請日: 2014-10-14
• 公開（公告）號: CN104301730A
• 公開（公告）日: 2015-01-21
• 發明（設計）人: 朱金秀;張瑤;倪建軍;張學武;樊宇航;任旭東;倪舒淇
• 申請（專利權）人: 河海大學常州校區
• 主分類號: H04N19/159
• 分類號: H04N19/159;H04N19/40;H04N19/176;H04N19/137
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;汪慶朋

技術領域

本發明是屬于視頻編碼領域，尤其是涉及一種基于移動設備的雙向視頻編解碼系統及其方法。

背景技術

在移動互聯網快速發展背景依托下，移動視頻監控技術成為其中發展的重中之重。移動視頻監控突破了地域的限制，實現了遠程監控，同時用戶也提出了更高的需求，隨著手機及Pad的發展，人們每天使用手機的頻率及時間越來越長，監控不再滿足于在監控室里、在PC上來實現，手機作為客戶端進行監控的需求日益顯現。移動終端不僅僅具有視頻解碼功能，更具有視頻采集與解碼功能，這對雙向視頻編解碼系統提出了新的要求：由于無線視頻編碼器電池容量、數字處理能力和運算能力有限，要求無線視頻編碼器低功耗、低復雜度；同時無線設備作為解碼端，要求無線視頻編碼器低功耗、低復雜度。

目前大多數移動視頻監控產品都支持當今的視頻壓縮編碼標準——MPEG-x系列或H.26x系列標準，這些標準因編碼器承擔了運動估計、變換、量化、熵編碼及相應解碼等大量高復雜計算，使得編碼復雜度是解碼的5～10倍以上。分布式視頻編碼在編碼時各幀獨立編碼，只采用幀內編碼方式，二解碼是利用邊信息進行聯合解碼，將運動估計、運動補償等高計算復雜度的模塊移至解碼端，從而使得編碼端簡單。因此，編碼復雜度與解碼復雜度是一對矛盾，而雙向視頻編解碼系統需要編碼和解碼都具有低復雜度，則需要重新設計編解碼系統結構。

發明內容

為克服現有技術上的不足，針對基于移動設備的雙向視頻編解碼系統要求低復雜度的編碼器，同時要求低復雜度的解碼器的應用場合，本發明目的是在于提供一種移動終端上低復雜度視頻編解碼器的雙向視頻編解碼系統及其方法，從移動設備視頻采集輸入，低復雜度編碼傳輸至云服務器端進行視頻轉碼，轉碼后的碼流傳輸至低復雜度編解碼系統，把復雜的運算采用先進的云端完成，實現移動設備雙向視頻編解碼功能。

為實現上述目的，本發明的技術方案如下：

一種基于視頻移動設備的雙向視頻編解碼系統，該系統包括移動終端低復雜度視頻編碼器、云服務器端轉碼器和移動終端低復雜度視頻解碼器。

所述移動終端低復雜度視頻編碼器，接受攝像頭采集并A/D轉換的數字視頻信號，進行低復雜度編碼，生成壓縮后的碼流、通過無線傳輸網絡發送到云服務器端，作為轉碼器的輸入碼流；

所述基于云服務器的轉碼器：接收來自移動終端發送的壓縮視頻碼流，將輸入的視頻流完全還原為空間域，然后再按照移動終端低復雜度視頻解碼器的格式要求將其重新編碼為另一種格式視頻碼流，通過無線傳輸網絡發送到移動終端中的視頻解碼器端；

所述移動終端低復雜度視頻解碼器，接收來自云服務端發送的壓縮視頻碼流，進行解碼，生成重構視頻碼流，用于瀏覽及播放。

一種基于視頻移動設備的雙向視頻編解碼方法，其特征是包括下列步驟：

(1)基于視頻移動設備的編碼步驟，接收攝像頭采集并A/D轉換的數字視頻信號，進行低復雜度編碼，生成壓縮后的碼流、通過無線傳輸網絡發送到所述云服務器端轉碼器；

(2)基于云服務器的轉碼步驟，用于接收來自移動終端發送的壓縮視頻碼流，將輸入的視頻流完全還原為空間域，然后按照移動終端低復雜度視頻解碼器的格式要求將該空間域重新編碼為另一種格式視頻碼流，通過無線傳輸網絡發送到移動終端中的視頻解碼器端；

(3)基于視頻移動設備的低復雜度解碼，即移動終端視頻解碼步驟；用于接收來自云服務端發送的壓縮視頻碼流，進行解碼，生成重構視頻碼流，在顯示器中播放。

本發明的有益效果：

本發明針對基于移動設備的雙向視頻編解碼系統要求低復雜度的編碼器，同時要求低復雜度的解碼器的應用場合，設計從移動設備視頻采集輸入、編碼、傳輸至云服務器端進行視頻轉碼，把復雜的多假設運動預測運算在高性能云端完成，轉碼后的碼流傳輸至移動設備解碼，實現移動設備雙向視頻編解碼功能。

相對與現有的視頻編解碼系統，本發明的創新點體現在以下幾點：

1)設計了低復雜度的編碼器，該編碼器對幀內編碼幀(P幀)采用常規H.264幀內編碼方式，對P幀引入壓縮感知技術，對P幀與其參考幀I幀的差值進行基于塊的壓縮感知測量,對測量值進行編碼傳輸，壓縮比較高，避免了復雜的運動估計運算；

2)設計了云服務器端基于多假設預測的轉碼器，把復雜的多假設運動估計移到轉碼端，并采用多假設最優預測方法，提高預測精度，生成多假設運動估計矢量，并采用殘差壓縮感知重構生成預測殘差，與傳統壓縮感知重構相比，殘差壓縮感知重構更稀疏，重構效果進一步提高；