一种视频传输方法及装置制造方法及图纸

一种视频传输方法及装置，用以解决现有技术中采用高压缩比视频编码方案进行视频传输，成本较高的问题。本申请中，第一设备对原始视频进行分辨率压缩，生成压缩视频；之后，对压缩视频进行超分辨率重建，生成与原始视频的分辨率相同的重建视频；之后，第一设备可以根据原始视频和重建视频生成差异信息，并向第二设备发送压缩视频和差异信息；之后，第二设备对压缩视频进行超分辨率重建，生成重建视频；可以基于重建视频和接收到的来自第一设备的差异信息，生成第一视频。第一设备只需向第二设备发送压缩视频以及差异信息，可以使得占用的网络带宽更小，能够缩短传输时间；且第一设备和第二设备也不需要进行硬件升级，可以有效控制成本。

【技术实现步骤摘要】
一种视频传输方法及装置
本申请涉及视频
，尤其涉及一种视频传输方法及装置。
技术介绍
随着现代通信技术迅速发展和多媒体数字设备的大范围普及，数字视频因其便于传输和后期处理，已在各领域得到了广泛应用，如，互联网协议电视(internetprotocoltelevision，IPTV)技术就是通过有线宽带网络，向家庭用户提供数字视频。但是网络传输系统设施和网络带宽速率对IPTV业务所承载的数字视频的分辨率存在较为明显的限制，例如，在一些网络带宽容量较低的地区，IPTV业务所承载的数字视频的分辨率较低；又例如，在观影密集的时段内，网络带宽容易存在波动，用户若观看高分辨率的高清视频时，会出现卡顿，马赛克等现象，影响用户体验。为了能够保证用户可以流畅的观看高清视频，目前提出了高压缩比视频编码方案，也就是在视频传输时，采用更低的码率对视频进行传输；在视频传输过程中，对视频进行分析，根据实时的网络环境调节码率，以保证用户在网络环境较差的情况下，仍可以流畅的观看高清视频。但是为了实现高压缩比视频编码方案，需要对整个网络传输系统进行硬件改造，成本巨大，无法进行广泛的普及。
技术实现思路
本申请提供一种视频传输方法及装置，用以解决现有技术中采用高压缩比视频编码方案进行视频传输，成本较高的问题。第一方面，本申请实施例提供了一种视频传输方法，所述方法包括：首先，第一设备对原始视频进行分辨率压缩，生成压缩视频；之后，对所述压缩视频进行超分辨率重建，生成与所述原始视频的分辨率相同的重建视频；之后，所述第一设备可以根据所述原始视频和所述重建视频生成差异信息，所述差异信息用于表征所述原始视频的图像信息与所述重建视频的图像信息的差异；并向所述第二设备发送所述压缩视频和所述差异信息。通过上述方法，所述第一设备只需向所述第二设备发送所述压缩视频以及所述差异信息，相较于设备之间传输原始视频的方式，可以占用较小的网络带宽，能够有效缩短传输时间，也可以有效利用网络资源；且所述第一设备和所述第二设备也不需要进行硬件升级，只要保证所述第一设备和所述第二设备配置有相应的逻辑功能就可以实现视频传输，可以有效控制成本。在一种可能的设计中，所述第一设备可以基于神经网络模型对所述压缩视频进行超分辨率重建，将所述压缩视频重建为所述重建视频。通过上述方法，通过神经网络模型实现超分辨率重建，可以提高视频重建的效率，也可以保证生成的所述重建视频的质量。在一种可能的设计中，所述神经网络模型是以低分辨率样本图像为输入，高分辨率样本图像为输出，通过学习算法训练生成的，其中，所述低分辨率样本图像是所述高分辨率样本图像进行分辨率压缩后生成的。通过上述方法，基于所述低分辨率样本图像和所述高分辨率样本图像训练生成的所述神经网络模型可以更加准确、高效的实现超分辨重建。在一种可能的设计中，所述第一设备在对所述压缩视频进行超分辨率重建的过程中可以只对所述压缩视频的部分图像数据进行处理，示例性的，所述第一设备可以对所述压缩视频的Y通道数据进行超分辨重建，生成所述重建视频的Y通道数据。通过上述方法，所述第一设备只对所述压缩视频的部分数据进行超分辨重建可以有效缩短视频重建的时间，进而保证之后可以较快的将所述压缩视频和所述差异信息发送给所述第二设备。在一种可能的设计中，所述第一设备在生成所述差异信息时，可以根据所述原始视频的Y通道数据与所述重建视频的Y通道数据的差值，生成所述差异信息。通过上述方法，可以通过差值的方式较为方便、快捷的生成所述差异信息，可以有效提高视频传输的效率。第二方面，本申请实施例提供了一种视频传输方法，所述方法包括：首先，第二设备先接收来自第一设备的压缩视频；之后，可以对所述压缩视频进行超分辨率重建，生成重建视频；并且可以基于所述重建视频和接收到的来自所述第一设备的差异信息，生成所述第一视频，所述差异信息用于表征原始视频的图像信息与所述重建视频的图像信息的差异，所述原始视频与所述第一视频的分辨率相同。通过上述方法，所述第二设备只需从所述第一设备接收所述压缩视频以及所述差异信息，可以生成与所述原始视频分辨率相同的第一视频，相较于设备之间传输原始视频的方式，占用的网络带宽更小，能够有效缩短传输时间，也可以有效利用网络资源；且所述第一设备和所述第二设备也不需要进行硬件升级，只要保证所述第一设备和所述第二设备配置有相应的逻辑功能就可以实现视频传输，使得所述第二设备可以还原出所述第一视频，可以有效控制成本。在一种可能的设计中，所述第二设备可以基于神经网络模型对所述压缩视频进行超分辨率重建，将所述压缩视频重建为所述重建视频。通过上述方法，通过神经网络模型实现超分辨率重建，可以有效保证视频重建的效率，也可以保证生成的较高质量的所述重建视频。一种可能的设计中，所述神经网络模型是以低分辨率样本图像为输入，高分辨率样本图像为输出，通过学习算法训练生成的，其中，所述低分辨率样本图像是所述高分辨率样本图像进行分辨率压缩后生成的。通过上述方法，基于所述低分辨率样本图像和所述高分辨率样本图像训练生成的所述神经网络模型可以更加准确、高效的实现超分辨重建。在一种可能的设计中，所述第二设备在对所述压缩视频进行超分辨率重建的过程中可以只对所述压缩视频的部分图像数据进行处理，示例性的，所述第二设备可以对所述压缩视频的Y通道数据进行超分辨重建，生成所述重建视频的Y通道数据。之后，所述第二设备基于所述压缩视频和接收到的来自所述第一设备的所述差异信息，生成所述第一视频时，所述第二设备可以先基于重建视频的Y通道数据和接收到的来自所述第一设备的所述差异信息，生成所述第一视频的Y通道数据；之后，对所述压缩视频的U、V通道数据进行分辨率缩放，生成所述第一视频的U、V通道数据；之后，根据所述第一视频的U、V通道数据和所述第一视频的Y通道数据合成所述第一视频。通过上述方法，所述第二设备只对所述压缩视频的部分数据进行超分辨重建可以有效缩短视频重建的时间，进而保证之后可以较快的生成所述第一视频。第三方面，本申请实施例还提供了一种视频传输装置，有益效果可以参见第一方面的描述此处不再赘述。该装置具有实现上述第一方面的方法实例中行为的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，所述装置的结构中包括压缩单元、重建单元、信息生成单元以及发送单元，这些单元可以执行上述第一方面方法示例中的相应功能，具体参见方法示例中的详细描述，此处不做赘述。第四方面，本申请实施例还提供了一种视频传输装置，有益效果可以参见第二方面的描述此处不再赘述。该装置具有实现上述第二方面的方法实例中行为的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，所述装置的结构中包括接收单元、重建单元以及视频生成单元，这些单元可以执行上述第本文档来自技高网...

【技术保护点】
1.一种视频传输方法，其特征在于，所述方法包括：/n第一设备对原始视频进行分辨率压缩，生成压缩视频；/n所述第一设备对所述压缩视频进行超分辨率重建，生成重建视频，其中，所述重建视频与所述原始视频的分辨率相同；/n所述第一设备根据所述原始视频和所述重建视频生成差异信息，所述差异信息用于表征所述原始视频的图像信息与所述重建视频的图像信息的差异；/n所述第一设备向所述第二设备发送所述压缩视频和所述差异信息。/n

【技术特征摘要】
1.一种视频传输方法，其特征在于，所述方法包括：
第一设备对原始视频进行分辨率压缩，生成压缩视频；
所述第一设备对所述压缩视频进行超分辨率重建，生成重建视频，其中，所述重建视频与所述原始视频的分辨率相同；
所述第一设备根据所述原始视频和所述重建视频生成差异信息，所述差异信息用于表征所述原始视频的图像信息与所述重建视频的图像信息的差异；
所述第一设备向所述第二设备发送所述压缩视频和所述差异信息。


2.如权利要求1所述的方法，其特征在于，所述第一设备对所述压缩视频进行超分辨率重建，生成重建视频，包括：
所述第一设备基于神经网络模型将所述压缩视频重建为所述重建视频。


3.如权利要求2所述的方法，其特征在于，所述神经网络模型是以低分辨率样本图像为输入，高分辨率样本图像为输出，通过学习算法训练生成的，其中，所述低分辨率样本图像是所述高分辨率样本图像进行分辨率压缩后生成的。


4.如权利要求1或2所述的方法，其特征在于，所述第一设备对所述压缩视频进行超分辨率重建，生成重建视频，包括：
所述第一设备对所述压缩视频的Y通道数据进行超分辨重建，生成所述重建视频的Y通道数据。


5.如权利要求4所述的方法，其特征在于，所述第一设备根据所述原始视频和所述重建视频生成所述差异信息，包括：
所述第一设备根据所述原始视频的Y通道数据与所述重建视频的Y通道数据的差值，生成所述差异信息。


6.一种视频传输方法，其特征在于，所述方法包括：
第二设备接收来自第一设备的压缩视频；
所述第二设备对所述压缩视频进行超分辨率重建，生成重建视频；
所述第二设备基于所述重建视频和接收到的来自所述第一设备的差异信息，生成所述第一视频，所述差异信息用于表征原始视频的图像信息与所述重建视频的图像信息的差异，所述原始视频与所述第一视频的分辨率相同。


7.如权利要求6所述的方法，其特征在于，所述第二设备对所述压缩视频进行超分辨率重建，生成重建视频，包括：
所述第二设备基于神经网络模型将所述压缩视频重建为所述重建视频。


8.如权利要求7所述的方法，其特征在于，所述神经网络模型是以低分辨率样本图像为输入，高分辨率样本图像为输出，通过学习算法训练生成的，其中，所述低分辨率样本图像是所述高分辨率样本图像进行分辨率压缩后生成的。


9.如权利要求6或7所述的方法，其特征在于，所述第二设备对所述压缩视频进行超分辨率重建，生成重建视频，包括：
所述第二设备对所述压缩视频的Y通道数据进行超分辨重建，生成所述重建视频的Y通道数据；
所述第二设备基于所述压缩视频和接收到的来自所述第一设备的所述差异信息，生成所述第一视频，包括：
所述第二设备基于重建视频的Y通道数据和接收到的来自所述第一设备的所述差异信息，生成所述第一视频的Y通道数据；
所述第二设备对所述压缩视频的U、V通道数据进行分辨率缩放，生成所述第一视频的U、V通道数据；
所述第二设备根据所述第一视频的U、V通道数据和所述第一视频的Y通道数据合成所述第一视频。


10.一种视频传...

【专利技术属性】
技术研发人员：潘邵武，刘坤，熊张亮，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44