基于云计算框架的视频转码系统

随着视频服务和高清视频的普及,视频服务提供商正面临着越来越多的高清视频转码需求。但是由于高清视频分辨率高、码率大,其转码复杂度是标清视频的数倍,而常规的转码系统虽然利用了多核并发来提高转码速度,但终究受限于单个计算节点的物理条件和转码算法本身的并发能力,使得转码速度提升空间有限。提出一个利用云计算的"Map-Reduce"计算框架的转码系统,将单个转码任务并发至多个计算节点,每个计算节点对同一个视频文件的不同部分分别进行转码,再将转码后的视频文件合并,从而显著提升了转码速度。     

暴风解码使用心得

最近暴风影音开始进军视频转换领域了，推出一款叫暴风转码的软件，现在还在测试期，最新的版本是Betal版。从官方，介绍上看暴风转码Betal有：专注于掌上设备、5倍加速的转换、海量视频格式支持、傻瓜式操作、创新的实时预览等五大功能。虽然这些功能都算不上独创——记得上期，我给大家介绍的最快速的压片工具CG WinAVI MP4吗？暴风转码的这些功能，CG WinAVI MP4都有，但冲着暴风的品牌，还是下载了暴风转码试了试，看看它到底     

基于Hadoop云计算平台的分布式转码方案

在新媒体视频业务快速发展的今天,传统单机视频转码能力已经出现瓶颈. 在Hadoop云计算平台的研究基础上,结合当前主流的音视频处理工具FFmpeg,提出了一种新的视频转码方案. 该方案通过使用Hadoop两大核心：HDFS（Hadoop Distributed File System）和MapReduce编程思想,进行分布式转码. 同时,还详细地介绍和设计了分布式转码的具体流程. 最后实验结果表明,该分布式转码方案在效率上有较大提高. 在实验中,视频的分段大小也影响着视频转码的时间. 随着分段大小从小到大,同样的视频转码时间变化却是由高降低再升高. 从实验数据来看,相对于其他的分段,分段大小为32M的时候,转码时间最佳.     

分布式系统Hadoop 平台的视频转码

在研究了目前主流的视频转码方案基础上,提出了一种分布式转码系统。系统采用HDFS（Hadoop Distributed File System）进行视频存储,利用MapReduce思想和FFMPEG进行分布式转码。详细讨论了视频分布式存储时的分段策略,以及分段大小对存取时间的影响。同时,定义了视频存储和转换的元数据格式。提出了基于MapReduce编程框架的分布式转码方案,即Mapper端进行转码和Reducer端进行视频合并。实验数据显示了转码时间随视频分段大小和转码机器数量不同而变化的趋势。结果表明,相比单机转码,提出的系统在采用8台机器并行转码时,可以节约80％左右的时间。     

Hadoop云计算平台在视频转码上的应用

视频转码是一种计算密集型和数据密集型的工作，需要消耗大量的计算机资源，Hadoop MapReduce是一种软件模型，支持大规模数据集的分布式处理．．利用已有开源视频转码软件ffmpeg建立一个基于MapReduce框架的Hadoop集群转码系统，提高视频转码的速度．     

基于云计算平台的视频转码设计与应用

随着高清视频的普及和发展,视频服务提供商面临着高清晰度视频转码的需求日益增加。视频转码既是计算密集型工作又是数据密集型工作,需要大量消耗计算机资源,但是最终会因为单计算节点的物理条件和转码算法的并发能力受到限制,造成转码速度提升不大。该文依托云计算平台将单个转码任务同时发送到多个计算节点,以提高视频转码的速度。     

基于Spark Streaming的快速视频转码方法

针对单机视频转码方法转码速度较慢和面向批处理的并行转码方法效率提升有限的问题,基于Spark Streaming分布式流处理框架,提出了一种面向流处理的快速视频转码方法。首先,使用开源多媒体处理工具FFmpeg,构建了自动化的视频切片模型,提出编程算法;然后,针对并行视频转码的特点,对弹性分布式数据集（RDD）进行研究,构建了视频转码的流处理模型;最后,设计视频合并方案,将合并后的视频文件进行有效储存。根据所提出的快速视频转码方法设计与实现了基于Spark Streaming的快速视频转码系统。实验结果表明,与面向批处理Hadoop视频转码方法相比,所提方法转码效率提升了26.7%;与基于Hadoop平台的视频并行转码方法相比,该方法转码效率提升了20.1%。     

基于特征建模的H.264到AVS-S2监控视频转码快速帧间模式选择算法研究

针对监控视频从H.264到AVS-S2转码中的高计算复杂度问题进行了研究,提出了一种基于特征建模的快速帧间模式选择算法。首先对少量视频序列通过级联方式转码,根据提取的H.264运动特征和AVS-S2最优模式在线训练建立转码模型,再对后续序列根据模型快速选择转码后的帧间预测候选模式,并基于宏块的前景背景特性进一步减少背景宏块的候选模式数目。实验结果表明算法有效地降低了转码复杂度。由于算法在转码过程中实时训练更新转码模型,因此与传统的模式映射算法相比改善了转码图像质量、降低了转码码率。     

基于云计算平台的视频转码设计与应用

随着高清视频的普及和发展,视频服务提供商面临着高清晰度视频转码的需求日益增加。视频转码既是计算密集型工作又是数据密集型工作,需要大量消耗计算机资源,但是最终会因为单计算节点的物理条件和转码算法的并发能力受到限制,造成转码速度提升不大。该文依托云计算平台将单个转码任务同时发送到多个计算节点,以提高视频转码的速度。     

数字视频转码失真分析

在互联网视频应用领域中,视频在经过多次转码后相对于原始节目的失真难以控制,为此,提出一种对视频多次转码后的总失真进行估计的方法。首先,研究多次有损转码失真的叠加过程,找到了多次失真叠加后总体失真的下限;然后,用概率论的方法给出了总体失真的一个估计;最后,根据估计误差,采用最小二乘拟合对该估计进行修正。实验结果表明,经过修正后,Y、U和V三分量最终失真的平均估计误差仅为0.02dB,0.05dB和0.06dB,这说明该方法能够有效且准确地估计出视频转码的总体失真值。