面向车载监控的多尺度实时视频传输控制算法研究

With the development of vehicle video surveillance technologies, the running states and surroundings of vehicle can be monitored remotely by transmitting the surveillance video over public networks, which has become an important approach in vehicle safety operation and emergency processing. The public network bandwidth is sharing resource which is limited and real-time fluctuated for video transmission. So how to measure the available network bandwidth accurately and improve the video transmission quality become the key problems of vehicle video surveillance system. This project analyzes the multi-time-scale characteristics of available network bandwidth changes, and researches the end-to-end available network bandwidth measurement in real-time video transmission, which is the premise of vehicle surveillance video transmission control. Then from the temporal and spatial scales, the relationship of the available network bandwidth, video coding parameters and subjective video quality is analyzed, and the temporal and spatial adaptive coarse-grained rate control and regional difference-based finer-grained rate control are proposed, which can improve the video transmission quality by adjusting the coding parameters optimally according to different available network bandwidth. This project can prompt the development of vehicle video surveillance, and have important theoretical consequences and broad application prospects.

近年来，随着车载视频监控技术的发展，利用公共网络实时传输车载视频，远程监控车辆运行状态及车辆周边环境，已经逐渐成为保障车辆安全运营和应急处理的重要手段。公共网络带宽是一种共享资源，可用于视频传输的带宽有限且实时波动，如何准确测量网络可用带宽，提高视频传输质量，是车载监控视频传输控制面临的主要问题。本项目分析网络可用带宽变化的多时间尺度特性，研究面向车载监控的端到端网络可用带宽测量方法，作为车载监控视频传输控制的前提；从时间和空间尺度，分析网络可用带宽、视频编码参数和视频主观视觉质量三者之间的关系，研究时空域自适应的粗粒度码率控制算法和基于区域差异的细粒度码率控制算法，针对不同网络可用带宽，优化调整编码参数，改善车载监控视频传输质量。本项目研究成果能够极大促进车载监控视频在安防领域的快速发展，具有重要的理论意义和广阔的应用前景。

在车载监控视频实时传输过程中，为了充分利用网络可用带宽资源，提高监控视频传输质量，本课题从网络可用带宽测量和多维码率控制两方面展开研究。提出了一种双时间尺度网络可用带宽测量方法，分析长时间尺度下的网络可用带宽变化趋势，将估算的带宽趋势项作为带宽测量初值。同时，采用稳升快降的方法估算短时间尺度下的网络可用带宽波动值，将趋势项和波动值相结合，准确测量网络可用带宽。测量出网络可用带宽之后，需要及时调整视频编码器的编码码率，使其与可用带宽相适应。本课题以最新视频编码标准HEVC为基础，研究HEVC中采用的R-lambda码率控制方法，针对其不足，提出了一种基于R-lambda模型的编码树单元（CTU）级码率控制算法，实现细粒度码率控制，算法根据图像的运动趋势和复杂度将编码图像划分为运动区域、纹理复杂区域和纹理平坦区域，在分配目标码率时，根据人眼视觉系统特性，为视觉敏感区域分配更多目标码率，为非视觉敏感区域分配较少目标码率，最后，利用R-Lambda模型计算相应的QP值，在保证重建视频主观质量连续性的同时，提高了重建视频的整体质量。为了更好地对重建视频质量进行评价，将评价结果反馈给编码器，进一步优化视频编码质量，本课题提出了一种HEVC解码视频主观质量评价模型，实现粗粒度码率控制，该模型首先计算解码视频的平均客观质量，然后提取图像中物体的运动趋势，结合编码帧率，用以表示视频中物体的运动，最后计算图像分辨率对解码视频主观质量的影响。综合以上三者，建立HEVC解码视频主观质量评价模型，定量计算解码视频主观质量。该模型对视频质量的评价更加符合人眼视觉系统特性，能够更好地反映解码视频在播放时带给人们的主观视觉感受。本课题将上述带宽测量方法和码率控制算法相结合，在HEVC参考代码中进行了充分测试，验证了所提算法的有效性和准确度。同时，将算法集成到项目组开发的车载监控视频实时传输控制原型系统中，进一步验证了算法的适用性和鲁棒性。