【技术实现步骤摘要】
一种对视频进行转码的方法和装置
本专利技术涉及视频处理
，特别涉及一种对视频进行转码的方法和装置。
技术介绍
伴随着互联网技术的发展以及现代带宽的不断提速，互联网与人们的生活联系的日益密切，越来越多的人们热衷于在互联网中获取视频来丰富生活，当下，高品质的视频已成为人们日常需求的首选。对于视频服务平台来说，为了适应不同的网络带宽、终端处理能力和用户需求，其往往需要在服务端对视频数据进行转码处理。视频服务平台的后台服务器可以先获取封装好的初始视频(可称为输入视频)，然后按照不同的转码规则，生成多个转码任务，然后针对每个转码任务创建对应的转码进程，进而可以通过转码进程内的转码线程实现对初始视频的视频数据的解析、转码、封装等步骤。在对视频数据进行转码处理之后，在接收到用户终端对于某一转码规则下的视频数据的获取请求后，后台服务器可以向用户终端推送已生成的转码后的视频数据。如果转码后视频的码率过小，则视频的画面质量将会很差，甚至出现画面失真或马赛克现象，而如果转码后视频的码率过大，则会导致传输视频时带宽资源的浪费，...
【技术保护点】
1.一种对视频进行转码的方法，其特征在于，所述方法包括：/n基于TensorRT引擎所支持的处理层，对常规语义分割模型进行重构；/n将重构后的语义分割模型载入所述TensorRT引擎，生成TensorRT加速模型；/n利用所述TensorRT加速模型对视频帧图像进行语义分割，生成视频帧图像的多级ROI区域；/n采用不同的转码码率对视频帧图像的多级ROI区域和其它区域，分别进行转码处理。/n
【技术特征摘要】
1.一种对视频进行转码的方法，其特征在于，所述方法包括：
基于TensorRT引擎所支持的处理层，对常规语义分割模型进行重构；
将重构后的语义分割模型载入所述TensorRT引擎，生成TensorRT加速模型；
利用所述TensorRT加速模型对视频帧图像进行语义分割，生成视频帧图像的多级ROI区域；
采用不同的转码码率对视频帧图像的多级ROI区域和其它区域，分别进行转码处理。
2.根据权利要求1所述的方法，其特征在于，所述语义分割模型为PSPNet模型；
所述基于TensorRT引擎所支持的处理层，对常规语义分割模型进行重构，包括：
将常规PSPNet模型中的自适应池化层和双线性上采样层，分别替换为所述TensorRT引擎所支持的效果相似的处理层。
3.根据权利要求2所述的方法，其特征在于，所述将常规PSPNet模型中的自适应池化层和双线性上采样层，分别替换为所述TensorRT引擎所支持的效果相似的处理层，包括：
将常规PSPNet模型中的自适应池化层替换为多尺度均值池化层；
将常规PSPNet模型中的双线性上采样层替换为转置卷积层。
4.根据权利要求3所述的方法，其特征在于，所述将常规PSPNet模型中的双线性上采样层替换为转置卷积层，包括：
将常规PSPNet模型中多尺度的双线性上采样层替换为最近邻上采样层和共享转置卷积层。
5.根据权利要求1所述的方法，其特征在于，所述将重构后的语义分割模型载入所述TensorRT引擎，生成TensorRT加速模型，包括：
基于预设的训练素材集中的图像素材，定期训练重构后的语义分割模型，生成权值文件，其中，所述图像素材标注有不同实物的各组成部分的轮廓线；
将重构后的语义分割模型的模型文件和所述权值文件载入所述TensorRT引擎，生成TensorRT加速模型。
6.根据权利要求1所述的方法，其特征在于，所述利用所述TensorRT加速模型对视频帧图像进行语义分割，生成视频帧图像的多级ROI区域，包括：
获取待转码视频的目标帧图像，基于所述TensorRT加速模型的特征提取模块生成所述目标帧图像的全局特征图；
利用所述TensorRT加速模型的特征分割模块对全局特征图进行特征分割，确定所述目标帧图像中至少一个目标实物的多个组成部分；
基于每个所述组成部分对应的转码优先级，确定所述目标帧图像的多级ROI区域。
7.根据权利要求6所述的方法，其特征在于，所述采用不同的转码码率对所述目标帧图像的多级ROI区域和其它区域分别进行转码处理，包括：
按照转码码率从高至低的顺序，依次选取目标级转码码率；
依据所述目标级转码码率对...
【专利技术属性】
技术研发人员：刘安捷，
申请(专利权)人：网宿科技股份有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。