【技术实现步骤摘要】
本公开涉及视频编解码，具体涉及一种图片组长度确定方法、装置、计算机设备及可读介质。
技术介绍
1、随着信息时代的来临，视频、音频、文件等等信息的载体数量越来越多，特别是对于视频而言，现在的采集设备甚至已经支持到8k分辨率，在这样的分辨率下，一个原始视频文件的大小如果要传输或者保存原始大小对存储和传输的要求甚高，因此对视频编解码技术的要求也越来越高。传统的视频编解码已经发展了三十多年，从最开始的h260、mpeg1到现在最新的h266、mpeg(moving picture experts group，动态图像专家组)5、av1、avs3等，它们都是基于混合框架的编解码协议，将视频拆分为多个gop(group of picture，图片组)，每个gop由多帧组成，每帧再向下划分为s l ice、ti le、宏块、预测模块和变换模块，使用预测(pred ict ion)、变换(transform)、量化(quant izat ion)、滤波(fi lter)和熵编码(entropy cod ing)等技术将视频压缩，其编码流程如图1所示，其中预测是将空间和时间维度上的冗余去除，让同一帧其他地方的相似重建块或者其他帧的相似重建块减去原始块的像素得到残差块，将残差块输入到变换得到非零值集中在一定区域的变换系数并送入量化模块得到仅有的几个量化值联合其他信息比如运动矢量、帧内预测模式等给到熵编码模块进行编码得到压缩率低的码流。随着技术的更替，能在更低的压缩率下达到更高质量。
2、然而，现有的视频编码器多数都设置了固定gop长度，
技术实现思路
1、本公开提供一种图片组长度确定方法、装置、计算机设备和可读介质。
2、第一方面，本公开实施例提供一种图片组长度确定方法，所述方法包括：
3、分别获取视频流的编码信息、光流运动向量和特征参数；
4、利用预设的神经网络模型，根据所述编码信息、所述运动向量和所述特征参数，确定所述视频流中各帧图像的各像素所属的场景，所述场景包括至少两个预设场景；
5、在当前判断场景下,针对各帧图像，根据所述图像中属于所述当前判断场景的像素数量和所述图像的像素总数，确定图片组的长度，在无法确定出图片组的长度的情况下，在下一个判断场景下确定图片组的长度，直到全部所述预设场景均遍历完成；其中，所述当前判断场景为所述预设场景中的一个，根据预设的场景判断顺序确定。
6、又一方面，本公开实施例还提供一种图片组长度确定装置，包括处理模块、场景确定模块和图片组长度确定模块，所述处理模块用于，分别获取视频流的编码信息、光流运动向量和特征参数；
7、所述场景确定模块用于，利用预设的神经网络模型，根据所述编码信息、所述运动向量和所述特征参数，确定所述视频流中各帧图像的各像素所属的场景，所述场景包括至少两个预设场景；
8、所述图片组长度确定模块用于，在当前判断场景下,针对各帧图像，根据所述图像中属于所述当前判断场景的像素数量和所述图像的像素总数，确定图片组的长度，在无法确定出图片组的长度的情况下，在下一个判断场景下确定图片组的长度，直到全部所述预设场景均遍历完成；其中，所述当前判断场景为所述预设场景中的一个，根据预设的场景判断顺序确定。
9、又一方面，本公开实施例还提供一种计算机设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前所述的图片组长度确定方法。
10、又一方面，本公开实施例还提供一种计算机可读介质，其上存储有计算机程序，其中，所述程序被执行时实现如前所述的图片组长度确定方法。
11、本公开实施例提供的图片组长度确定方法，分别获取视频流的编码信息、光流运动向量和特征参数；利用预设的神经网络模型，根据编码信息、运动向量和特征参数，确定视频流中各帧图像的各像素所属的场景，场景包括至少两个预设场景；在当前判断场景下,针对各帧图像，根据图像中属于当前判断场景的像素数量和图像的像素总数，确定图片组的长度，在无法确定出图片组的长度的情况下，在下一个判断场景下确定图片组的长度，直到全部预设场景均遍历完成；其中，当前判断场景为预设场景中的一个，根据预设的场景判断顺序确定。本公开实施例将对视频内容信息自适应编码与神经网络相结合，对视频的内容进行场景分类确定图片组长度，图片组的长度能随着视频内容变化而改变，提高编码质量和码率，降低压缩码流的大小。
本文档来自技高网...【技术保护点】
1.一种图片组长度确定方法，所述方法包括：
2.如权利要求1所述的方法，其特征在于，每个所述判断场景分别对应一个预设阈值，所述针对各帧图像，根据所述图像中属于所述当前判断场景的像素数量和所述图像的像素总数，确定图片组的长度，包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述像素比例和所述当前判断场景的预设阈值，确定当前图片组的长度，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述当前判断场景的像素比例和所述预设阈值的比较结果确定当前图片组的长度，包括：
5.如权利要求3所述的方法，其特征在于，所述在无法确定出图片组的长度的情况下，在下一个判断场景下确定图片组的长度，包括：
6.如权利要求2所述的方法，其特征在于，在确定所述视频流中各帧图像的各像素所属的场景之后，还包括：
7.如权利要求1所述的方法，其特征在于，所述利用预设的神经网络模型，根据所述编码信息、所述运动向量和所述特征参数，确定所述视频流中各帧图像的各像素所属的场景，包括：
8.如权利要求1-7任一项所述的方法，其特
9.如权利要求8所述的方法，其特征在于，在所述预设场景包括静止场景、切换场景、混合场景和高方差场景的情况下，所述预设的场景判断顺序为：切换场景、静止场景、高方差场景、混合场景。
10.一种图片组长度确定装置，包括处理模块、场景确定模块和图片组长度确定模块，所述处理模块用于，分别获取视频流的编码信息、光流运动向量和特征参数；
11.一种计算机设备，包括：
12.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被执行时实现如权利要求1-9任一项所述的图片组长度确定方法。
...【技术特征摘要】
1.一种图片组长度确定方法，所述方法包括：
2.如权利要求1所述的方法，其特征在于，每个所述判断场景分别对应一个预设阈值，所述针对各帧图像，根据所述图像中属于所述当前判断场景的像素数量和所述图像的像素总数，确定图片组的长度，包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述像素比例和所述当前判断场景的预设阈值，确定当前图片组的长度，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述当前判断场景的像素比例和所述预设阈值的比较结果确定当前图片组的长度，包括：
5.如权利要求3所述的方法，其特征在于，所述在无法确定出图片组的长度的情况下，在下一个判断场景下确定图片组的长度，包括：
6.如权利要求2所述的方法，其特征在于，在确定所述视频流中各帧图像的各像素所属的场景之后，还包括：
7.如权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：杨维，徐科，孔德辉，曹洲，陈杰，
申请(专利权)人：深圳市中兴微电子技术有限公司，
类型：发明
国别省市：
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。