基于众核处理器的高通量视频解码优化技术研究

High-throughput video decoding is the basis of internet real-time video processing, and manycore processors perform outstandingly in this area because of rich computing resources. However, data dependent in single video decoding and multi-level context switching in multi-channel video decoding, have greatly influenced the many-core processor resource utilization, thereby reducing the decoding efficiency. Our research submits methods focusing on decoding resource allocation and data dependent to improve resource utilization of manycore processors. We solve these problems with three steps.(1)Data dependent in single decoding: exploiting multiscale parallelism of decoding process and studying decoding resource allocation and data dependent algorithm on manycore processor, to improve resource utilization of single video decoding; (2)Context switching efficiency in single-format multi-channel video decoding: analyzing flow rate characteristic of single-format videos in the internet, we propose decoding and scheduling algorithm based on decoding request reordering in homogeneous resource pool, in order to improve resource utilization of multi-channel single-format video decoding;(3)Multi-format multi-channel video dynamic resource dispatch: analyze large-scale video traffic model, establish traffic-resource decoding demand forecasting models and forecasting methods, and then dispatch resources dynamically among decoding resource pools to reduce context switching frequency and improve resource utilization in high-throughput multi-format multi-channel video decoding.

高通量视频解码技术是互联网并发视频内容分析处理的基础，众核结构处理器计算资源丰富，非常适合高并发处理。但是单路视频解码的数据依赖性、多路视频解码的多层次上下文切换，都极大影响了众核处理器资源利用率，从而降低了解码效率。本课题拟分三个步骤进行研究，探索提高高通量视频解码众核资源利用率的优化方法。（1）单路视频解码依赖特性：通过挖掘解码过程在不同尺度上的并行性，研究众核解码资源分配方法和依赖表重组管理方法，提高单路视频解码资源利用率；（2）同格式多路切换效率：通过分析互联网同格式视频流量的统计特征，研究同构解码资源池请求队列重排序的调度方法，提高同格式并发视频解码资源利用率；（3）多格式多路视频动态资源调度：通过研究大尺度下的视频流量模型，建立流量-解码资源需求预测模型和预测方法，在解码资源池间进行动态资源调度，减少上下文切换频率，提高多格式高并发视频解码资源利用率。

高通量视频解码技术是互联网并发视频内容分析处理的基础，众核结构处理器计算资源丰富，非常适合高并发处理。但是单路视频解码的数据依赖性、多路视频解码的多层次上下文切换，都极大影响了众核处理器资源利用率，从而降低了解码效率。本课题从上述三个方面进行研究，探索提高通量视频解码众核资源利用率的优化方法。取得了以下成果：.（1）提出一种面向互联网流量的高并发视频解码并行优化方法。.目前的视频解码并行优化方法研究，都是针对播放器的单路视频优化方法。本项目针对视频内容分析需求，分析单路视频流解码的数据依赖特性。针对MP4、FLV 等互联网常见流媒体封装，研究解码依赖表的构建和更新方法；通过挖掘解码过程在不同尺度上的并行性，研究众核解码资源分配方法和依赖表重组管理方法，提高单路视频解码资源利用率。提高单路视频解码效率20%以上。.（2）提出了一种同格式多路视频解码资源需求模型与请求队列管理方法。.本项目通过构造同格式解码资源池的方法，研究依据同格式多路视频解码资源需求模型构建多级请求队列重排序的方法，进行共享计算资源的调度，减少上下文切换频度和代价，提高同格式并发视频解码资源利用率30%以上。.（3）提出了一种多格式视频解码资源池间的动态资源调度方法。.多格式多路视频并行解码引入的上下文切换更加复杂，代价更高。本项目通过研究大尺度下的视频流量模型，建立了流量-解码资源需求预测模型和预测方法，在解码资源池间进行动态资源调度，减少上下文切换频率，提高了多格式高并发视频解码资源利用率。.本项目在国际会议和国内外核心刊物共发表学术论文 5 篇，申请相关专利3项，培养博士生2人，硕士生4人。基于上述技术，研发出基于众核处理器的高通量视频解码加速系统，并在全国各地部署5000余套，广泛应用与国家互联网信息中心，成为音视频实时解码分析的重要模块。