适应云计算环境的视频编码、传输与智能处理

视频数据量大、非结构性、维数高、语义多样性的特点，使得海量视频的存储、组织与管理、处理与利用对计算和通信设施提出了新的挑战。云计算技术的出现为视频处理提供了前所未有的机遇。本课题拟基于云计算环境，以视频的智能处理为中心研究适应云计算环境的视频编码、传输与智能处理问题。主要研究云计算环境下的视频结构分析，面向视频处理的云计算模型，云计算环境下的视频高效编辑与合成技术，云计算环境下的视频内容理解和信息整合技术，面向云-端的视频自适应编码、转码和传输技术等，以探索云计算环境下海量视频处理的新模式和适合海量视频处理的云计算平台。预期在国内外重要学术期刊或会议发表论文40篇以上，其中IEEE/ACM Transactions等顶级学术期刊和ACM Siggraph、IEEE ICCV、IEEE CVPR、ACM MM等顶级会议论文不少于8篇。

互联网的飞速发展为信息技术带来了巨大的变革。从桌面计算到网络计算，网络化应用已成为信息技术和产业发展新的战略机遇。云计算以其弹性计算和提供按需服务的特点，成为网络化应用的支撑平台和服务形式，而面向视频的云计算服务已经成为新的技术创新和应用模式。. 本项目针对云计算环境下网络视频聚集形成的全新资源组织形式以及网络环境下视频服务的不确定性需求，通过建立适应弹性计算与不确定性需求的视频表达、组织与计算模型，研究了适应云计算环境的视频编码、传输与智能处理的一系列新方法。具体内容包括：基于数据依赖去耦合的并行视频编转码，实现了适合云环境的分布式的高并行、高效率视频编转码，相比HEVC参考软件HM平均加速50倍，压缩性能损失仅5%；数据分布局部性感知的弹性资源调度，与亚马逊和其他云供应商提供的传统的云计算方案相比，Morpho在系统的数据处理执行时间减少了62%，同时网络流量也有显著的减少；边缘云用户访问模式挖掘与视频内容部署，显著提升了缓存效率，服务器负载降低38%；计算与网络资源联合优化的云到边缘视频协同传输，有效提高了用户视频服务质量、降低了系统转码计算资源消耗，使得同一视频超过8个版本可减少90%的在线转码的计算消耗；可伸缩的视频关联组织及其图结构表示，能够根据用户访问状态进行图节点的动态增/删；以路径为中心的高效图计算技术，基于CPU的图计算方法比流行的系统如X-Stream、GraphChi等存储降低50%以上，时间提升5倍以上，基于GPU的图计算方法比现有的CPU图计算系统能够获得5.3倍以上的性能提升，比现有的GPU图计算系统能够获得2倍以上的性能提升。. 在国内外重要学术期刊或会议发表/录用论文68篇，其中IEEE/ACM Transactions、IEEE INFOCOM等顶级期刊/会议论文16篇。申请发明专利34项。