【技术实现步骤摘要】
本专利技术涉及视频信息处理，特别是涉及一种vr全景视频信息处理方法。
技术介绍
1、虚拟现实技术(英文名称：virtual reality，缩写为vr)，又称虚拟实境或灵境技术，是20世纪发展起来的一项全新的实用技术。虚拟现实技术囊括计算机、电子信息、仿真技术，其基本实现方式是以计算机技术为主，利用并综合三维图形技术、多媒体技术、仿真技术、显示技术、伺服技术等多种高科技的最新发展成果，借助计算机等设备产生一个逼真的三维视觉、触觉、嗅觉等多种感官体验的虚拟世界，从而使处于虚拟世界中的人产生一种身临其境的感觉。
2、虽然虚拟现实技术已经应用于多个领域，但是在实际应用中仍存在技术难题，当前的全景视频信息处理是采用单纯的硬编码方式，系统关联很紧密，不利于功能扩展；硬编码方式下设备接口多、运营成本高，需要在服务器端进行硬件编码，在播放器端进行硬解码后音频、视频合成输出，专业编码、解码设备昂贵，运营成本较高。另外，由于全景视频信息传输量较大，在传输信号较差的情况下，解码得到的视频画面播放不连续，且播放画面质量较差，很难做到画面连续流畅播放。
3、因此，如何提供一种可以对vr全景视频信息进行有效处理的方法，是目前有待解决的技术问题。
技术实现思路
1、本专利技术实施例提供一种vr全景视频信息处理方法，用以解决现有技术中无法提高vr全景视频的解码效率，无法保证视频画面流畅播放的技术问题。
2、为了实现上述目的，本专利技术提供了一种vr全景视频信息处理方法，所述方
3、获取原始vr全景视频的关联数据，对所述关联数据进行分析，并基于分析结果建立视频分析模型；
4、根据所述视频分析模型输出所述原始vr全景视频的处理影响值，并基于所述处理影响值和处理影响阈值之间的关系设定所述原始vr全景视频在单位时间内的压缩量；
5、根据所述原始vr全景视频在单位时间内的压缩量和预设的压缩比例对所述原始vr全景视频进行视频压缩，得到压缩vr全景视频；
6、采集所述压缩vr全景视频的特征数据，根据所述特征数据计算所述压缩vr全景视频的量化点数；
7、基于所述压缩vr全景视频的量化点数对所述压缩vr全景视频的视频码率进行调节，得到调节vr全景视频，并对所述调节vr全景视频进行解码。
8、在其中一个实施例中，在对所述关联数据进行分析，并基于分析结果建立视频分析模型时，包括：
9、根据所述关联数据构建数据集；
10、对所述数据集按照预设比例抽样得到训练子集和测试子集；
11、获取预先选取的神经网络模型，并根据所述训练子集对所述神经网络模型进行迭代训练，根据所述测试子集对迭代训练后的神经网络模型进行评价，并得到所述视频分析模型；其中，
12、若当前迭代训练后的神经网络模型的评价值小于前一次迭代训练后的神经网络模型的评价值，则降低神经网络模型在梯度方向上变化的幅度，继续进行迭代训练，直至达到预设的迭代次数；
13、若当前迭代训练后的神经网络模型的评价值大于或等于前一次迭代训练后的神经网络模型的评价值，则停止迭代训练。
14、在其中一个实施例中，在基于所述处理影响值和处理影响阈值之间的关系设定所述原始vr全景视频在单位时间内的压缩量时，包括：
15、计算所述处理影响值和所述处理影响阈值之间的处理影响差值a；
16、根据所述处理影响差值a设定所述原始vr全景视频在单位时间内的压缩量。
17、在其中一个实施例中，在根据所述处理影响差值a设定所述原始vr全景视频在单位时间内的压缩量时，包括：
18、预设处理影响差值矩阵b，设定b(b1，b2，b3，b4)，其中，b1为第一预设处理影响差值，b2为第二预设处理影响差值，b3为第三预设处理影响差值，b4为第四预设处理影响差值，且b1＜b2＜b3＜b4；
19、预设原始vr全景视频在单位时间内的压缩量矩阵c，设定c(c1，c2，c3，c4，c5)，其中，c1为第一预设压缩量，c2为第二预设压缩量，c3为第三预设压缩量，c4为第四预设压缩量，c5为第五预设压缩量，且c1＜c2＜c3＜c4＜c5；
20、根据所述处理影响差值a与各预设处理影响差值之间的关系设定所述原始vr全景视频在单位时间内的压缩量：
21、当a＜b1时，选定所述第一预设压缩量c1作为所述原始vr全景视频在单位时间内的压缩量；
22、当b1≤a＜b2时，选定所述第二预设压缩量c2作为所述原始vr全景视频在单位时间内的压缩量；
23、当b2≤a＜b3时，选定所述第三预设压缩量c3作为所述原始vr全景视频在单位时间内的压缩量；
24、当b3≤a＜b4时，选定所述第四预设压缩量c4作为所述原始vr全景视频在单位时间内的压缩量；
25、当b4≤a时，选定所述第五预设压缩量c5作为所述原始vr全景视频在单位时间内的压缩量。
26、在其中一个实施例中，在采集所述压缩vr全景视频的特征数据，根据所述特征数据计算所述压缩vr全景视频的量化点数时，包括：
27、采集所述压缩vr全景视频的数据位数，并根据所述压缩vr全景视频的数据位数计算所述压缩vr全景视频的量化点数；
28、根据下式计算所述压缩vr全景视频的量化点数：
29、
30、其中，sn为压缩vr全景视频的量化点数，b为压缩vr全景视频的数据位数，sm为综合因子。
31、在其中一个实施例中，在基于所述压缩vr全景视频的量化点数对所述压缩vr全景视频的视频码率进行调节时，包括：
32、获取所述压缩vr全景视频的视频码率k，根据所述压缩vr全景视频的量化点数sn对所述压缩vr全景视频的视频码率k进行调节。
33、在其中一个实施例中，在根据所述压缩vr全景视频的量化点数sn对所述压缩vr全景视频的视频码率k进行调节时，包括：
34、预设压缩vr全景视频的量化点数矩阵g，设定g(g1，g2，g3，g4)，其中，g1为第一预设量化点数，g2为第二预设量化点数，g3为第三预设量化点数，g4为第四预设量化点数，且g1＜g2＜g3＜g4；
35、预设压缩vr全景视频的视频码率调节系数矩阵h，设定h(h1，h2，h3，h4，h5)，其中，h1为第一预设视频码率调节系数，h2为第二预设视频码率调节系数，h3为第三预设视频码率调节系数，h4为第四预设视频码率调节系数，h5为第五预设视频码率调节系数，且0.8＜h1＜h2＜h3＜h4＜h5＜1.2；
36、根据所述压缩vr全景视频的量化点数sn与各预设量化点数之间的关系对所述压缩vr全景视频的视频码率k进行调节：
37、当sn＜g1时，选定所述第一预设视频码率调节系数h1对所述压缩vr全景视频的视频码率k进行调节，调节后的压缩vr全景视频的视频码率为k*本文档来自技高网...
【技术保护点】
1.一种VR全景视频信息处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的VR全景视频信息处理方法，其特征在于，在对所述关联数据进行分析，并基于分析结果建立视频分析模型时，包括：
3.根据权利要求1所述的VR全景视频信息处理方法，其特征在于，在基于所述处理影响值和处理影响阈值之间的关系设定所述原始VR全景视频在单位时间内的压缩量时，包括：
4.根据权利要求3所述的VR全景视频信息处理方法，其特征在于，在根据所述处理影响差值A设定所述原始VR全景视频在单位时间内的压缩量时，包括：
5.根据权利要求1所述的VR全景视频信息处理方法，其特征在于，在采集所述压缩VR全景视频的特征数据，根据所述特征数据计算所述压缩VR全景视频的量化点数时，包括：
6.根据权利要求5所述的VR全景视频信息处理方法，其特征在于，在基于所述压缩VR全景视频的量化点数对所述压缩VR全景视频的视频码率进行调节时，包括：
7.根据权利要求6所述的VR全景视频信息处理方法，其特征在于，在根据所述压缩VR全景视频的量化点数Sn对所述压缩V
8.根据权利要求7所述的VR全景视频信息处理方法，其特征在于，在根据所述压缩VR全景视频的量化点数Sn对所述压缩VR全景视频的视频码率K进行调节之后，还包括：
9.根据权利要求8所述的VR全景视频信息处理方法，其特征在于，在判断需要对所述压缩VR全景视频的视频码率进行二次调节时，包括：
10.根据权利要求9所述的VR全景视频信息处理方法，其特征在于，在根据所述原始VR全景视频的处理次数E对所述压缩VR全景视频的视频码率K*hi进行调节时，包括：
...【技术特征摘要】
1.一种vr全景视频信息处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的vr全景视频信息处理方法，其特征在于，在对所述关联数据进行分析，并基于分析结果建立视频分析模型时，包括：
3.根据权利要求1所述的vr全景视频信息处理方法，其特征在于，在基于所述处理影响值和处理影响阈值之间的关系设定所述原始vr全景视频在单位时间内的压缩量时，包括：
4.根据权利要求3所述的vr全景视频信息处理方法，其特征在于，在根据所述处理影响差值a设定所述原始vr全景视频在单位时间内的压缩量时，包括：
5.根据权利要求1所述的vr全景视频信息处理方法，其特征在于，在采集所述压缩vr全景视频的特征数据，根据所述特征数据计算所述压缩vr全景视频的量化点数时，包括：
6.根据权利要求5所述的vr全景视频信息处...
【专利技术属性】
技术研发人员：金辛军，
申请(专利权)人：北京唯云全景科技有限公司，
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。