一种视频编码系统及测试方法技术方案

本发明专利技术涉及视频编码系统技术领域，且公开了一种视频编码系统及测试方法，该视频编码系统包括频域下采样模块、帧内编解码模块、帧间编解码模块、频域上采样模块，频域下采样模块、帧内编解码模块或帧间编解码模块、频域上采样模块从输入到输出顺序连接，帧内编解码模块和帧间编解码模块为并列关系。本发明专利技术视频编码系统及测试方法，可上传视频数据到系统，并配置计算参数，获得计算后的预测趋势图形，将预测值与验证数据样本中的标签进行计算，获得其损失值。提高视频显示清晰度。提高视频显示清晰度。提高视频显示清晰度。

【技术实现步骤摘要】
一种视频编码系统及测试方法


[0001]本专利技术涉及视频编码系统
，具体为一种视频编码系统及测试方法。

技术介绍

[0002]视频编码系统已被广泛应用于各种国际视频编码标准。在各种编码标准中采用的运动估计往往是基于块的技术，其中对于每个宏块(MB)或类似的块结构，会确定其运动信息，如编码模式和运动矢量。此外，也可以自适应地应用帧内编码(intra
‑
coding)，其中对图像的处理不需要参考任何其他的图像。帧间预测和帧内预测残差(residue)通常可进一步处理，例如转换、量化和熵编码，以生成压缩视频比特流。在编码过程中，因编码而造成画质瑕疵，特别是在量化过程中。为了减轻编码造成的画质瑕疵，额外的处理被应用到重建视频(reconstructed video)，以在较新的编码系统中提高图像质量。在环路操作(in
‑
loop operation)中经常配置有额外的处理，这样一来，编码器和解码器可以获得相同的参考图像以达到提高系统性能的效果。在各种现代视频编码系统中已广泛使用这样的系统结构，如H.264/AVC和HEVC(High Efficiency Video Coding，高效视频编码)。经典数据结构与算法对于趋势预测精度不够，而人工预测方法没有强有力的理论支撑。采用改进的人工智能视频编码系统，在低数据量下进行趋势预测，并根据每一次使用该预测功能更新预测参数。
[0003]而目前视频编码系统，系统部署复杂，训练过程漫长，且耗费资源，且算法精度低，不易更新参数，因此迫切的需要一种视频编码系统及测试方法来解决上述不足之处。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种视频编码系统及测试方法，解决了目前人数预测功能采用经典算法或部署人工智能模型，经典算法对于复杂的趋势预测难度较大；模型部署在服务端运行于Linux或者类Linux操作系统，部署复杂，训练过程漫长，且耗费资源，且算法精度低，不易更新参数的问题。
[0005]本专利技术提供如下技术方案：一种视频编码系统及测试方法，该视频编码系统包括频域下采样模块、帧内编解码模块、帧间编解码模块、频域上采样模块，频域下采样模块、帧内编解码模块或帧间编解码模块、频域上采样模块从输入到输出顺序连接，帧内编解码模块和帧间编解码模块为并列关系；
[0006]频域下采样模块将原始帧率视频序列每跳过k帧保留1帧，保留的视频帧组成低帧率视频序列；所述频域上采样模块利用插帧神经网络，输入低帧率视频序列，输出原始帧率视频序列，输出的视频序列为解码视频序列。
[0007]优选的，该测试方法包括以下步骤：
[0008]步骤一、在视频编码系统规范输入数据格式，输出模板视频数据给用户，模板视频数据包括.csv视频数据与.xlsx视频数据；
[0009]步骤二、读取输入数据，数据内容包括数据样本，将数据样本分成训练数据样本和验证数据样本两部分，对数据进行预处理，对于缺失的数据使用NULL字符串填充，计算数据
置信区间，对超出指定值的数据进行删除；
[0010]步骤三、使用循环神经网络算法计算数据预测值，并使用优化后的激活函数计算隐藏层；
[0011]步骤四、使用如下损失函数：
[0012][0013]计算预测值与实际值的损失，并计算L的偏导数，使用多任务损失函数的目标检测方法获取梯度下降的权重，使用在一个或多个远程位置用本地数据训练初始预测模型方法更新模型参数值，在模型参数计算结束之后，若验证数据损失值大于预估值，根据循环神经网络算法计算数据预测值方法调整梯度下降权重，直到计算达到循环神经网络算法计算数据预测值方法规定的条件；
[0014]步骤五、获得参数之后，根据步骤二中的输入参数进行预测下一个时间节点的趋势数据。
[0015]优选的，L表示所述多任务损失函数，Llmc表示所述增强边缘余弦损失函数，LbalancedL1表示所述BalancedL1Loss损失函数；u表示目标样本的特征向量，q表示余弦边界，N表示第一样本个数，n表示类别总数，r表示不属于样本真实类别的类别，j表示样本真实类别，θr,u表示u和类别r的夹角，θj,u表示u和类别j的夹角，R表示设定值：
[0016][0017]优选的，x表示预测框的中心横坐标，y表示预测框的中心纵坐标，w表示预测框的宽度，h表示预测框的高度，N*表示第二样本个数，ai表示位置参数i的目标检测模型的预测值；bi表示位置参数i的目标检测模型的真实值；β为比例参数，μ为第一调节参数，λ为第二调节参数，Ψ为权重值，C表示常数。
[0018]优选的，基于特征金字塔网络的FasterRCNN网络包括骨干网络、特征金字塔网络、区域生成网络、ROI池化层和检测模型。
[0019]优选的，在一个或多个远程位置用本地数据训练初始预测模型方法包括以下步骤：
[0020]步骤一、通过包括一个或多个计算设备的计算系统，将权重矩阵分割成多个块，权重矩阵对应于评分函数；
[0021]步骤二、通过计算系统，为多个块中的每一个标识第一标签集合，第一标签集合与大于第一阈值的分数相关联；
[0022]步骤三、通过计算系统，至少部分地基于第一标签集合来为多个块中的每一个构建评分向量的稀疏近似；
[0023]步骤四、通过计算系统，为多个块中的每一个块的评分向量的每个稀疏近似确定校正值；以及通过计算系统，通过至少部分地基于多个块中的每一个块的评分向量的稀疏
近似和与评分向量的稀疏近似相关联的校正值而评估分解的损失函数或分解的损失函数的梯度，来确定与评分函数相关联的损失或损失的梯度的近似。
[0024]优选的，该公共安全视频监控评价体系的权重分布优化方法包括以下步骤：
[0025]步骤一、检验评价结果预期得分的合理性，若评价结果预期得分大于各评价指标的最小得分，且小于各评价指标的最大得分，则预期得分是合理的，否则预期得分不合理，中止优化流程，设定关于评价结果的误差许可区间；
[0026]步骤二、构建关于评价结果实际得分与预期得分差值的交叉熵代价函数，计算代价函数关于各指标权重的偏导数，按照梯度下降法调整指标权重；
[0027]步骤三、将调整后的指标权重归一化，更新评价体系的权重分布，重新计算评价结果，若评价结果的实际得分在误差许可区间内，则完成权重分布的优化，否则转到步骤二进行再次优化；
[0028]步骤四、最后检验评价结果预期得分的合理性。
[0029]与现有技术对比，本专利技术具备以下有益效果：本专利技术视频编码系统及测试方法，可上传视频数据到系统，并配置计算参数，获得计算后的预测趋势图形，将预测值与验证数据样本中的标签进行计算，获得其损失值。提高视频显示清晰度。
附图说明
[0030]图1为本专利技术视频编码系统的整体框图；
[0031]图2为本专利技术视频编码器框图；
[0032]图3为本专利技术视频解码器框图。
具体实施方式
...

【技术保护点】

【技术特征摘要】
1.一种视频编码系统，该视频编码系统包括频域下采样模块、帧内编解码模块、帧间编解码模块、频域上采样模块，其特征在于：频域下采样模块、帧内编解码模块或帧间编解码模块、频域上采样模块从输入到输出顺序连接，帧内编解码模块和帧间编解码模块为并列关系；频域下采样模块将原始帧率视频序列每跳过k帧保留1帧，保留的视频帧组成低帧率视频序列；所述频域上采样模块利用插帧神经网络，输入低帧率视频序列，输出原始帧率视频序列，输出的视频序列为解码视频序列。2.根据权利要求1所述的一种视频编码系统的测试方法，其特征在于：该测试方法包括以下步骤：步骤一、在视频编码系统规范输入数据格式，输出模板视频数据给用户，模板视频数据包括.csv视频数据与.xlsx视频数据；步骤二、读取输入数据，数据内容包括数据样本，将数据样本分成训练数据样本和验证数据样本两部分，对数据进行预处理，对于缺失的数据使用NULL字符串填充，计算数据置信区间，对超出指定值的数据进行删除；步骤三、使用循环神经网络算法计算数据预测值，并使用优化后的激活函数计算隐藏层；步骤四、使用如下损失函数：计算预测值与实际值的损失，并计算L的偏导数，使用多任务损失函数的目标检测方法获取梯度下降的权重，使用在一个或多个远程位置用本地数据训练初始预测模型方法更新模型参数值，在模型参数计算结束之后，若验证数据损失值大于预估值，根据循环神经网络算法计算数据预测值方法调整梯度下降权重，直到计算达到循环神经网络算法计算数据预测值方法规定的条件；步骤五、获得参数之后，根据步骤二中的输入参数进行预测下一个时间节点的趋势数据。3.根据权利要求1所述的一种视频编码系统的测试方法，其特征在于：L表示所述多任务损失函数，Llmc表示所述增强边缘余弦损失函数，LbalancedL1表示所述BalancedL1Loss损失函数；u表示目标样本的特征向量，q表示余弦边界，N表示第一样本个数，n表示类别总数，r表示不属于样本真实类别的类别，j表示样本真实类别，θr,u表示u和类别r的夹角，θj,u表示u和类别j的夹角，R表示设定值：4.根据权利要求2所述的一种视频编码系统的测试方法，其特征在于：x...

【专利技术属性】
技术研发人员：刘虎锋，武行保，程玮，王姗姗，丁萌，
申请(专利权)人：南京北冶机电设备有限公司，
类型：发明
国别省市：