基于Mask R-CNN的监控视频码率控制研究

码率控制是视频编码中非常重要的技术模块，在能接受的视频质量范围内控制视频流码流大小，对视频尽可能地压缩以提高带宽利用率。对于监控视频而言，前后景划分较为明显，前景一般为感兴趣区域，含有更多重要信息。本文基于MaskR-CNN深度学习算法，将监控视频的前后景进行分离，在主流的编码标准HEVC中，根于监控视频特点，将前景占比高的帧分配更多的比特数，改进原始R-λ模型，提高视频编码性能。实验显示，视频比特率平均降低7.59kbps,PSNR平均提升0.1141dB。