视频大数据研究综述

科学技术与生产力的发展带来了数据量的高速增长,其中视频图像等多媒体数据占了很大的比重。如何高效处理这些海量数据并从中快速挖掘有价值的信息是当前的研究热点。通常大数据具有四个特点,即数据量大、需要快速响应、数据类型多样和价值密度低。视频大数据同样具有以上特点,但其特殊性在于数据冗余更大,需要进行高效的压缩编码与分析处理。总的来说,视频大数据的研究内容包括了视频数据表示、智能视频分析、视频压缩与传输、视频显示与评价等方面。在发展趋势上,视频数据的表示将向真实感与智能化两个方向发展;智能视频分析技术将会借助深度神经网络获得更准确的识别分类结果;视频压缩技术在提升压缩效率的同时也会探索降低编码复杂度的方法,并通过结合人眼视觉感知特性的编码算法来减少视频大数据的视觉冗余;视频显示设备将伴随着视频数据表示形式的改变而进行相应的升级换代;视频质量的评价准则将由单一的图像质量评价向更加综合全面的用户体验质量评价发展。     

基于模式预测的低复杂度高清视频帧内编码方法

为了解决高分辨率及超高分辨率的视频数据量庞大的问题,国际视频编码标准化组织正制定更先进的视频压缩标准——高效视频编码标准(High Efficiency Video Coding,HEVC),即H.265。帧内编码作为视频编码的重要组成部分,其编码的复杂度和性能会严重影响整个视频的编码复杂度和压缩性能。为了降低HEVC中帧内编码的复杂度,文章提出了一种重新确定备选模式列表的方法,该方法根据备选模式列表中第一个模式的不同,快速自适应地确定备选模式列表中需要保留的模式,减少执行率失真优化的模式数目。实验结果表明,文章提出的算法在保证与标准测试平台HM8.0编码性能一致的条件下,帧内编码时间与原始HM8.0相比平均节省24.50%,有效地降低了帧内编码的复杂度。同时,所提出的算法能够与其它层次的快速编码方法相融合,以进一步减少复杂度。