基于机器学的视频转码方法

摘要

本发明涉及一种基于机器学的视频转码方法，将原始视频中编码单元的四叉树分割摸式模型化为若干个不同层次的二进制分类器，然后再选取最优特征集，最后再对特征矢量和最佳的编码参数构成的数据集合进行学，即将机器学的方法引入到视频转码中，将视频编码中的参数确定问题转化为分类问题。因而能够根据当前编码单元的大小选取相应的分类器，并将分类概率值与相应的自适应阈值进行比较，从而选取最佳编码参数进行编码。且自适应概率阈值针对不同视频场景自适应调整，因此，能够得到最优的转码速度和转码质量使得转码过程中功耗较小，在保证转码率失真性能的前提下有效降低转码的复杂度。

主权项

一种基于机器学习的视频转码方法，包括以下步骤：将视频编码过程中的参数选择建立为分类问题，再将其模型化为若干个不同层次的二进制分类器；从候选特征组合中选取代价值最大的特征集作为当前转码所用的最优特征集；训练转码阶段，依据从码流和原始编码过程中提取相应的特征矢量及最佳的编码参数，并对特征矢量和最佳的编码参数构成的数据集合进行学习，获得相应的若干个不同层次的分类器；预测转码阶段，根据当前编码单元的大小选择相应的分类器，再结合提取的特征矢量，得到分类标签值和分类概率值，将所述分类概率值与相应的自适应阈值进行比较，判断是否接受分类标签值，如果接受，则直接利用分类标签结果进行编码，否则采用原始率失真代价函数遍历各种编码参数。