基于神经网络算法的信息转换系统技术方案

本发明专利技术涉及一种基于神经网络算法的信息转换系统。所述系统包括：编码判断机构，用于采用深度神经网络模型基于多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长；模型提取机构，与编码判断机构连接，用于提供所述深度神经网络模型，所述深度神经网络模型为执行完多次学习后的深度神经网络。通过本系统，能够采用针对性设计的智能预测模型对每一视频编码标准执行基于视频编码标准和待压缩视频数据各项参数的对应视频编码时长的预测操作，从而提前预知不同编码标准分别对应的不同编码时长，为根据具体应用需求选择对应编码标准提供有价值的参考信息。准提供有价值的参考信息。准提供有价值的参考信息。

【技术实现步骤摘要】
基于神经网络算法的信息转换系统


[0001]本专利技术涉及视频编码领域，更具体地，涉及一种基于神经网络算法的信息转换系统。

技术介绍

[0002]视频是连续的图像序列，由连续的帧构成，一帧即为一幅图像。由于人眼的视觉暂留效应，当帧序列以一定的速率播放时，人们看到的就是动作连续的视频。由于连续的帧之间相似性极高，为便于储存传输，人们需要对原始的视频进行编码压缩，以去除空间、时间维度的冗余。
[0003]视频压缩技术是计算机处理视频的前提。视频信号数字化后数据带宽很高，通常在20MB/秒以上，因此计算机很难对之进行保存和处理。采用压缩技术通常数据带宽降到1
‑
10MB/秒，这样就可以将视频信号保存在计算机中并作相应的处理。
[0004]申请公布号为CN116055733A的专利技术公开了一种的视频编码方法，包括：获取激光雷达与摄像头融合的视频，对视频的宏块进行多叉树划分，得到目标检测区域；转换目标检测区域的色彩空间模式得到目标识别区域；确定目标识别区域存在预测图像，对预测图像进行帧内预测得到预测数据；对预测数据进行平滑控制得到平滑数据，对平滑数据进行压缩编码并输出。该方法利用激光雷达技术不受天气情况影响的特点，采集数据准确，可以有效降低视频码率，降低网络带宽，提高视频传输质量，提高人眼关注部分的视觉体验，实现码流有效分配，减少视频压缩数据量。
[0005]相同的视频数据，采用不同的视频压缩编码标准需要使用的视频压缩编程时长不同，虽然视频压缩编码的压缩比是视频压缩编码的重要编码性能数据，在一些对压缩编码时长要求苛刻的应用场所，压缩编码时长成为视频压缩编码的最关注的编码性能数据，是视频编码端执行编码标准选择的关键参数，然而，现有技术中缺乏可靠、稳定的不同视频编码标准的不同压缩编码时长的预测机制。

技术实现思路

[0006]为了解决相关领域的技术问题，本专利技术提供了一种基于神经网络算法的信息转换系统，能够采用针对性设计的智能预测模型，对每一视频编码标准执行基于视频编码标准和待压缩视频数据各项参数的对应视频编码时长的预测操作，从而为后续视频编码标准的选择提供便利。
[0007]本专利技术的专利技术创新点在于：第一：基于待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率以及待编码的视频片段被配置执行视频编码的编码类型判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长，从而为视频编码端后续的编码配置处理提供有价值的参考数据；第二：采用深度神经网络模型执行所述判断操作，所述深度神经网络模型为执行
完多次学习后的深度神经网络，以及所述深度神经网络被执行的学习的次数与待编码的视频片段被配置执行视频编码的编码类型的复杂度单调正向关联，从而提升了深度神经网络的兼容性；第三：对待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率以及待编码的视频片段被配置执行视频编码的编码类型分别执行十六进制的数值转换处理，以实现后续判断操作的数值归一化处理。
[0008]根据本专利技术，所述基于神经网络算法的信息转换系统包括：数据获取器件，用于获取待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率；类型配置器件，用于获取待编码的视频片段被配置执行视频编码的编码类型标识，获取的待编码的视频片段被配置执行视频编码的编码类型标识采用十六进制数值表示模式；内容转换器件，与所述数据获取器件连接，用于对获取的待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率分别执行十六进制数值转换处理以获得十六进制数值表示的多份转换数据；编码判断机构，分别与所述类型配置器件以及所述内容转换器件连接，用于采用深度神经网络模型基于所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长；模型提取机构，与所述编码判断机构连接，用于为所述编码判断机构提供所述深度神经网络模型，所述深度神经网络模型为执行完多次学习后的深度神经网络；其中，所述深度神经网络模型为执行完多次学习后的深度神经网络包括：所述深度神经网络被执行的学习的次数与待编码的视频片段被配置执行视频编码的编码类型的复杂度单调正向关联；其中，获取待编码的视频片段被配置执行视频编码的编码类型标识，获取的待编码的视频片段被配置执行视频编码的编码类型标识采用十六进制数值表示模式包括：待编码的视频片段被配置执行视频编码的编码类型为HEVC编码标准、AVC编码标准以及MPEG
‑
4编码标准中的一种。
[0009]本专利技术的基于神经网络算法的信息转换系统操作简便、运行智能。由于能够采用针对性设计的智能预测模型对每一视频编码标准执行基于视频编码标准和待压缩视频数据各项参数的对应视频编码时长的预测操作，从而提前预知不同编码标准分别对应的不同编码时长，为根据具体应用需求选择对应编码标准提供有价值的参考信息。
附图说明
[0010]本领域技术人员通过参考附图可更好理解本专利技术的众多优点，其中：图1是依照本专利技术的第一实施例的基于神经网络算法的信息转换系统的内部结构示意。
[0011]图2是依照本专利技术的第二实施例的基于神经网络算法的信息转换系统的内部结构示意。
[0012]图3是依照本专利技术的第三实施例的基于神经网络算法的信息转换系统的内部结构示意。
具体实施方式
[0013]第一实施例
[0014]图1是依照本专利技术的第一实施例的基于神经网络算法的信息转换系统的内部结构示意，所述系统包括：数据获取器件，用于获取待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率；类型配置器件，用于获取待编码的视频片段被配置执行视频编码的编码类型标识，获取的待编码的视频片段被配置执行视频编码的编码类型标识采用十六进制数值表示模式；示例地，可以选择采用FPGA芯片以及其他类型的可编程逻辑器件来实现所述类型配置器件；内容转换器件，与所述数据获取器件连接，用于对获取的待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率分别执行十六进制数值转换处理以获得十六进制数值表示的多份转换数据；编码判断机构，分别与所述类型配置器件以及所述内容转换器件连接，用于采用深度神经网络模型基于所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长；例如，采用深度神经网络模型基于所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长包括：可以选择采用MATLAB工具箱来实现采用深度神经网络模型基于所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长的仿真和测试；模型提取机构，与所述编码判断机构连接，用于为所述编码判断机构提供所述深度神经网络模型，所述深度神经网络模型为执行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络算法的信息转换系统，其特征在于，所述系统包括：数据获取器件，用于获取待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率；类型配置器件，用于获取待编码的视频片段被配置执行视频编码的编码类型标识，获取的待编码的视频片段被配置执行视频编码的编码类型标识采用十六进制数值表示模式；内容转换器件，与所述数据获取器件连接，用于对获取的待编码的视频片段的视频数据总量、视频帧数、视频帧解析度以及视频帧率分别执行十六进制数值转换处理以获得十六进制数值表示的多份转换数据；编码判断机构，分别与所述类型配置器件以及所述内容转换器件连接，用于采用深度神经网络模型基于所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长；模型提取机构，与所述编码判断机构连接，用于为所述编码判断机构提供所述深度神经网络模型，所述深度神经网络模型为执行完多次学习后的深度神经网络；其中，所述深度神经网络模型为执行完多次学习后的深度神经网络包括：所述深度神经网络被执行的学习的次数与待编码的视频片段被配置执行视频编码的编码类型的复杂度单调正向关联；其中，获取待编码的视频片段被配置执行视频编码的编码类型标识，获取的待编码的视频片段被配置执行视频编码的编码类型标识采用十六进制数值表示模式包括：待编码的视频片段被配置执行视频编码的编码类型为HEVC编码标准、AVC编码标准以及MPEG
‑
4编码标准中的一种。2.如权利要求1所述的基于神经网络算法的信息转换系统，其特征在于，所述系统进一步包括：时长传输机构，与所述编码判断机构连接，用于将判断的对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长通过无线通信链路发送给远端的编码管理服务器。3.如权利要求2所述的基于神经网络算法的信息转换系统，其特征在于，所述系统进一步包括：编码管理服务器，采用大数据服务节点来实现，与所述时长传输机构连接，用于无线接收所述时长传输机构发送的编码时长。4.如权利要求1
‑
3任一所述的基于神经网络算法的信息转换系统，其特征在于：采用深度神经网络模型基于所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长包括：将所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识同步输入到所述深度神经网络模型。5.如权利要求4所述的基于神经网络算法的信息转换系统，其特征在于：采用深度神经网络模型基于所述多份转换数据以及待编码的视频片段被配置执行视频编码的编码类型标识判断对待编码的视频片段采用其被配置执行视频编码的编码类型需要的编码时长还包括：运行所述深度神经网络模型以获得...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：江苏汇智达信息科技有限公司，
类型：发明
国别省市：