基于Mask R-CNN的监控视频码率控制研究

作者：丁冬冬; 陈世平^*

来源：计算机时代, 2022, (12): 4-8.

DOI：10.16644/j.cnki.cn33-1094/tp.2022.12.002

• 深度学习
• Mask R-CNN
• 码率控制
• 监控视频
• HEVC
• H.265
• R-λ模型
• 实例分割

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。

• 单位
  上海理工大学