基于Mask R-CNN的监控视频码率控制研究

摘要

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。