一种视频帧预测方法、装置及终端设备与流程

本发明属于视频帧预测技术领域，尤其涉及一种视频帧预测方法、装置及终端设备。

背景技术：

当前基于深度学习的空间变换方法主要分为两大类：光流估计法和自适应卷积核估计法。光流估计法用于描述简单的大运动，而自适应卷积可以利用像素点融合描述复杂的小运动。当视频中同时存在大运动和小运动时，使用光流估计法则不能很好的描述小运动，使用自适应卷积则不能很好的描述大运动，导致视频压缩效率不高。

因此，有必要提出一种新的技术方案，来解决上述问题。

技术实现要素：

有鉴于此，本发明实施例提供了一种视频帧预测方法、装置及终端设备，以解决现有技术中视频压缩质量不高的问题。

本发明实施例的第一方面提供了一种视频帧预测方法，包括：

将当前帧的前一帧和当前帧输入编码网络并进行熵编码后得到二进制码流；

将所述二进制码流输入解码网络进行熵解码后得到所述当前帧的前一帧和当前帧的形变参数和mask(掩膜)；

基于所述形变参数对所述当前帧的前一帧进行形变得到形变帧；

根据所述mask和形变帧得到预测帧。

本发明实施例的第二方面提供了一种视频帧预测装置，包括：

编码模块，用于将当前帧的前一帧和当前帧输入编码网络并进行熵编码后得到二进制码流；

解码模块，将所述二进制码流输入解码网络进行熵解码后得到所述当前帧的前一帧和当前帧的形变参数和mask；

形变模块，基于所述形变参数对所述当前帧的前一帧进行形变得到形变帧；

预测帧模块，根据所述mask和形变帧得到预测帧。

本发明实施例的第三方面提供了一种视频帧预测终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上第一方面所提供的方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上第一方面所提供的方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：

本发明利用自适应形变卷积的空间变换能力来完成运动压缩，利用更少的码字来进行更复杂的运动描述，结合使用光流和卷积核来进行更好的运动描述，从而提升了视频压缩的质量。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的视频帧预测方法的实现流程示意图；

图2是本发明实施例提供的视频帧预测装置的示意图；

图3是本发明实施例提供的视频帧预测终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

实施例一

图1示出了本发明实施例一提供的视频帧预测方法的实现流程，该方法的执行主体可以是终端设备，详述如下：

步骤s101，将当前帧的前一帧和当前帧输入编码网络并进行熵编码后得到二进制码流。

可选地，将当前帧的前一帧和当前帧输入编码网络即编码器中，生成对应的特征信息。进一步地，对上述特征信息进行熵编码得到二进制码流。

可选地，上述编码网络为卷积神经网络，该卷积神经网络可以包括至少一个卷积层。进一步地，上述卷积层可包括卷积核，输入卷积层的图像经过与卷积核的卷积运算后去除冗余的图像信息，输出包含特征信息的图像。在经过多个卷积层的处理后，输入卷积神经网络的图像的尺寸经过了多级收缩，得到多幅尺寸小于输入神经网络的图像尺寸的特征信息。

步骤s102，将上述二进制码流输入解码网络进行熵解码后得到上述当前帧的前一帧和当前帧的形变参数和mask。

可选地，对上述二进制码流进行熵解码后得到当前帧的前一帧和当前帧的性变参数和mask。其中，上述编解码可以是香农(shannon)编码、哈夫曼(huffman)编码或者算术编码(arithmeticcoding)等熵编码方案，此处不作限定。

步骤s103，基于上述形变参数对上述当前帧的前一帧进行形变得到形变帧。

可选地，根据上述形变参数对当前帧的前一帧进行形变后得到形变帧。具体地，根据上述形变参数即形变的坐标偏移量，将当前帧的前一帧warp(图像仿射变换)到指定位置得到形变帧。

步骤s104，根据上述mask和形变帧得到预测帧。

可选地，根据上述mask，对上述形变帧进行卷积操作后得到预测帧，即将mask与上述形变帧相乘得到预测帧。

可选地，在上述根据上述mask和形变帧得到预测帧后，还包括：

将上述预测帧与当前帧相减得到残差；

将上述残差输入残差压缩网络得到解压残差；可选地，其中残差压缩网络为包含上采样层、编码网络、解码网络和下采样层的神经网络。将残差输入残差压缩网络，对上述残差进行编码得到残差比特流，再基于解码网络对上述残差比特流进行解码并下采样得到解压残差。

将上述预测帧与上述解压残差相加得到重构帧。

本实施例中，通过利用自适应形变卷积的空间变换能力来完成运动压缩，利用更少的码字来进行更复杂的运动描述，结合使用光流和卷积核来进行更好的运动描述，从而提升了视频压缩的质量。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例二

图2示出了本发明实施例提供的视频帧预测装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。该视频帧预测装置2包括：编码模块21，解码模块22，形变模块23，预测帧模块24。

其中，编码模块21，用于将当前帧的前一帧和当前帧输入编码网络并进行熵编码后得到二进制码流；

解码模块22，将上述二进制码流输入解码网络进行熵解码后得到上述当前帧的前一帧和当前帧的形变参数和mask；

形变模块23，基于上述形变参数对上述当前帧的前一帧进行形变得到形变帧；

预测帧模块24，根据上述mask和形变帧得到预测帧。

进一步地，上述性变参数为形变的坐标偏移量。

可选地，上述形变模块23包括：

warp单元，用于根据上述形变参数对上述当前帧的前一帧进行warp操作后得到形变帧。

可选地，上述预测帧模块24包括：

卷积单元，用于根据上述mask，对上述形变帧进行卷积操作后得到预测帧。

可选地，上述视频帧预测装置2还包括：

重构帧模块，用于将上述预测帧和当前帧相减得到残差，将上述残差输入残差压缩网络得到解压残差，将上述预测帧与上述解压残差相加得到重构帧。

实施例三

图3是本发明一实施例提供的视频帧预测终端设备的示意图。如图3所示，该实施例的视频帧预测终端设备3包括：处理器30、存储器31以及存储在上述存储器31中并可在上述处理器30上运行的计算机程序32，例如视频帧预测程序。上述处理器30执行上述计算机程序32时实现上述各个视频帧预测方法实施例中的步骤，例如图1所示的步骤101至104。或者，上述处理器30执行上述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块21至24的功能。

示例性的，上述计算机程序32可以被分割成一个或多个模块/单元，上述一个或者多个模块/单元被存储在上述存储器31中，并由上述处理器30执行，以完成本发明。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序32在上述视频帧预测终端设备3中的执行过程。例如，上述计算机程序32可以被分割成编码模块、解码模块、形变模块、预测帧模块，各模块具体功能如下：

编码模块，用于将当前帧的前一帧和当前帧输入编码网络并进行熵编码后得到二进制码流；

解码模块，将上述二进制码流输入解码网络进行熵解码后得到上述当前帧的前一帧和当前帧的形变参数和mask；

形变模块，基于上述形变参数对上述当前帧的前一帧进行形变得到形变帧；

预测帧模块，根据上述mask和形变帧得到预测帧。

上述视频帧预测终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。上述视频帧预测终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是视频帧预测终端设备3的示例，并不构成对视频帧预测终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如上述视频帧预测终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

上述存储器31可以是上述视频帧预测终端设备3的内部存储单元，例如视频帧预测终端设备3的硬盘或内存。上述存储器31也可以是上述视频帧预测终端设备3的外部存储设备，例如上述视频帧预测终端设备3上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，上述存储器31还可以既包括上述视频帧预测终端设备3的内部存储单元也包括外部存储设备。上述存储器31用于存储上述计算机程序以及上述视频帧预测终端设备所需的其他程序和数据。上述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

由上可见，本实施例通过利用自适应形变卷积的空间变换能力来完成运动压缩，利用更少的码字来进行更复杂的运动描述，结合使用光流和卷积核来进行更好的运动描述，从而提升了视频压缩的质量。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中可以根据需要而将以上安全数字闪存卡等，进一步地，上述存储器还可以既包括上述某某装置终端设备的内部存储单元也包括外部存储设备，上述存储器用于存储上述计算机程序以及上述终端设备所需要的其他程序和数据，上述存储器还可以用于暂时的存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上上述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。