【技术实现步骤摘要】
本专利技术涉及视频处理，具体涉及视频编解码方法、装置、车辆、存储介质及程序产品。
技术介绍
1、在现代汽车中，车载视频系统已经成为提升驾驶体验和行车安全的重要配置。随着技术的进步，车辆装备的传感器和影音设备越来越多，使得车辆能够执行更加复杂的任务。但是，随之而来的挑战是巨大的数据处理需求，尤其是图像和视频数据，这些数据必须被快速且高效地编解码，以便车道线辅助、行人车辆识别等算法能够实时运作。这就要求视频编解码技术既能保证视频质量，又要控制数据带宽的占用，以免影响车辆其他系统的正常运行。
2、目前，神经网络视频编解码方案通常在训练时使用单一参数来确定码率，且使用神经网络实现这些功能通常需要多个网络模块。然而，智能汽车自身留给视频编解码算法的空间资源十分有限，且不同的车载设备和操作系统对视频编解码方案有不同的要求，传统方法无法对码率的进行灵活调节。
3、因此，如何考虑不同车载设备和操作系统的兼容性实现高效地视频编解码便成为了目前亟需解决的关键问题。
技术实现思路
1、有...
【技术保护点】
1.一种基于卷积神经网络的视频编解码方法，应用于车辆端，其特征在于，所述卷积神经网络包括：运动信息提取模块、多尺度特征融合模块、可变码率模块和编解码模块；所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多尺度特征融合模块包括多尺度特征提取模块和卷积拼接模块；所述基于所述当前帧图像、所述上一帧图像和所述光流图进行多尺度特征提取和特征融合，得到多尺度融合特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述可变码率模块包括激活层、多个第一卷积层和多个权重层，每个所述权重层对应一个第一卷积层，每个所述第一卷积层和相对应的权重层之间...
【技术特征摘要】
1.一种基于卷积神经网络的视频编解码方法，应用于车辆端，其特征在于，所述卷积神经网络包括：运动信息提取模块、多尺度特征融合模块、可变码率模块和编解码模块；所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多尺度特征融合模块包括多尺度特征提取模块和卷积拼接模块；所述基于所述当前帧图像、所述上一帧图像和所述光流图进行多尺度特征提取和特征融合，得到多尺度融合特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述可变码率模块包括激活层、多个第一卷积层和多个权重层，每个所述权重层对应一个第一卷积层，每个所述第一卷积层和相对应的权重层之间的运算关系为点积运算；所述根据可变码率参数对多尺度融合特征进行加权，得到加权后的多尺度融合特征，包括：
4.根据权利要求3所述的方法，其特征在于，每个所述权重层由多层全连接网络构成；所述多层全连接神经网络用于将所述可变码率参数转化为与第一卷积层大小相同的权重矩阵。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述卷积神经网络的训练步骤包括：
6.根据权利要求1所述的方法，其特征在于，编解码模块包括编码层和解码层，所述编码层包括自编码器和熵编码器；所述对加权后的多尺度融合特征进行编码和解码，得到与所...
【专利技术属性】
技术研发人员：武开群，罗咏刚，江天，谢乐成，
申请(专利权)人：重庆长安科技有限责任公司，
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。