基于人工智能的视频编码处理方法、装置、设备及介质制造方法及图纸

本公开提供了一种基于人工智能的视频编码处理方法、装置、设备及介质，涉及人工智能领域，具体涉及云计算、视频处理、媒体云技术，可应用在智能云场景下。具体实现方案为：基于待处理单元的残差信息，提取第一特征序列表达和至少一个第二特征序列表达；基于第一特征序列表达、至少一个第二特征序列表达、预先训练的第一预测模型和至少一个第二预测模型，预测待处理单元为全零块的第一预测概率和至少一个第二预测概率；基于第一预测概率、至少一个第二预测概率、第一预设概率阈值和至少一个第二预设概率阈值，获取待处理单元是否为全零块的预测结果；基于预测结果对待处理单元进行编码处理。本公开的技术，能够有效地提高视频编码效率。效率。效率。

【技术实现步骤摘要】
基于人工智能的视频编码处理方法、装置、设备及介质


[0001]本公开涉及计算机
，具体涉及人工智能领域，具体涉及云计算、视频处理、媒体云技术，可应用在智能云场景下。尤其涉及一种基于人工智能的视频编码处理方法、装置、设备及介质。

技术介绍

[0002]高效率视频编码(HighEfficiencyVideoCoding；HEVC)是一种新的视频编码标准，能够在相同的主观图像质量下，比H.264/高级视频编码(AdvancedVideoCoding；AVC)降低50％的码率。HEVC标准通过采用多种新的压缩工具，包括复杂的编码块结构、具有新的空间预测方向和帧内编码、复杂的插值滤波器、新的环路内滤波器和新的熵编码方案等，将H.264/AVC的编码效率提高一倍，是一种非常高效的视频编码方法。
[0003]在HEVC中，变换和量化操作是编码中不可缺少的关键步骤。图像变换编码是指将以空间域中像素形式描述的图像转换至变换域，以变换系数的形式加以表示。绝大多数图像都含有较多平坦区域和内容变化缓慢的区域，适当的变换可使图像能量在空间域的分散分布转为在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的视频编码处理方法，包括：基于待处理单元的残差信息，提取第一特征序列表达和至少一个第二特征序列表达；基于所述第一特征序列表达、所述至少一个第二特征序列表达、预先训练的第一预测模型和至少一个第二预测模型，预测所述待处理单元为全零块的第一预测概率和至少一个第二预测概率；基于所述第一预测概率、所述至少一个第二预测概率、第一预设概率阈值和至少一个第二预设概率阈值，获取所述待处理单元是否为全零块的预测结果；基于所述预测结果，对所述待处理单元进行编码处理。2.根据权利要求1所述的方法，其中，基于所述第一预测概率、所述至少一个第二预测概率、第一预设概率阈值和至少一个第二预设概率阈值，获取所述待处理单元是否为全零块的预测结果，包括：若所述第一预测概率大于所述第一预设概率阈值，且所述至少一个第二预测概率中至少一个所述第二预设概率大于对应的所述第二预设概率阈值，则确定所述预测结果为所述待处理单元为全零块；否则，确定所述预测结果为所述待处理单元为非全零块。3.根据权利要求1所述的方法，其中，基于所述预测结果，对所述待处理单元进行编码处理，包括：若所述预测结果标识所述待处理单元为全零块，基于所述待处理单元的残差信息进行全零块编码处理；若所述预测结果标识所述待处理单元为非全零块，基于所述待处理单元的残差信息进行变换处理、量化处理以及非全零块编码处理。4.根据权利要求1所述的方法，其中，基于所述第一特征序列表达、所述至少一个第二特征序列表达、预先训练的第一预测模型和至少一个第二预测模型，预测所述待处理单元为全零块的第一预测概率和至少一个第二预测概率，包括：基于所述第一特征序列表达和所述第一预测模型，获取所述待处理单元为全零块的所述第一预测概率；基于所述至少一个第二特征序列表达中各所述第二特征序列表达和对应的所述第二预测模型，预测所述待处理单元为全零块的所述第二预测概率，得到所述至少一个第二预测概率。5.根据权利要求1
‑
4任一所述的方法，其中，所述第一特征序列表达和各所述第二特征序列表达分别包括包括如下至少一种特征的值：所述待处理单元的尺寸、亮度均值和亮度方差、所述待处理单元的残差矩阵的亮度的绝对值和、均值和方差、以及对所述待处理单元的残差矩阵进行卷积后的亮度的绝对值、均值和方差。6.一种预测模型的训练方法，包括：从多个训练视频序列中获取多个训练处理单元；获取各所述训练处理单元的标签；所述标签用于标识所述待处理单元为全零块或者非全零块；提取各所述训练处理单元的特征序列表达；
基于所述多个训练处理单元中各所述训练处理单元的特征序列表达和所述标签，对所述预测模型进行训练。7.根据权利要求6所述的方法，其中，获取各所述训练处理单元的标签，包括：获取各所述训练处理单元的残差信息；基于各所述训练处理单元的残差信息，依次进行变换处理和量化处理，其中量化编码处理采用率失真量化编码处理；基于所述量化编码处理的结果，生成各所述训练处理单元的标签。8.根据权利要求6
‑
7任一所述的方法，其中，提取各所述训练处理单元的特征序列表达，包括：获取各所述训练处理单元的多个备选特征表达；从各所述训练处理单元的多个备选特征表达中，获取重要程度高的至少一个备选特征的值，作为各所述训练处理单元的特征序列表达。9.根据权利要求8所述的方法，其中，从各所述训练处理单元的多个备选特征表达中，获取重要程度高的至少一个备选特征的值，作为各所述训练处理单元的特征序列表达，包括：采用所述预测模型，基于各所述训练处理单元的所述多个备选特征表达和所述标签，对所述多个备选特征表达中包括的多个备选特征按照重要程度进行排序；按照所述多个备选特征的重要程度的排序，获取至少一个重要程度高的备选特征，构成特征序列；获取各所述训练处理单元的所述特征序列中各特征的值，得到各所述训练处理单元的所述特征序列表达。10.一种基于人工智能的视频编码处理装置，包括：提取模块，用于基于待处理单元的残差信息，提取第一特征序列表达和至少一个第二特征序列表达；预测模块，用于基于所述第一特征序列表达、所述至少一个第二特征序列表达、预先训练的...

【专利技术属性】
技术研发人员：张旭，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：