MPEG4 é unha tecnoloxía de compresión axeitada para a vixilancia
MPEG4 anunciouse en novembro de 1998. O estándar internacional MPEG4, que se esperaba orixinalmente que se empregase en xaneiro de 1999, non só é para a codificación de vídeo e audio cunha determinada taxa de bits, senón que tamén presta máis atención á interactividade e flexibilidade de sistemas multimedia. Os expertos do grupo de expertos MPEG están a traballar duro para a formulación de MPEG-4. O estándar MPEG-4 úsase principalmente en Video Phone, Video Email e Electronic News, etc. Os seus requirimentos de velocidade de transmisión son relativamente baixos, entre 4800-64000bits / seg, e a resolución está entre 4800-64000bits / seg. É de 176X144. MPEG-4 usa un ancho de banda moi estreito, comprime e transmite datos a través da tecnoloxía de reconstrución de cadros, co fin de obter o menor número de datos e obter a mellor calidade de imaxe.
Comparado con MPEG-1 e MPEG-2, a característica de MPEG-4 é que é máis axeitado para servizos AV interactivos e monitorización remota. MPEG-4 é o primeiro estándar de imaxe dinámica que cambia de pasivo a activo (xa non só está a ver, o que lle permite participar, é dicir, interactivo); outra característica dela é a súa amplitude; desde a fonte, MPEG-4 tenta mesturar obxectos naturais con obxectos creados polo home (no sentido de efectos visuais). O obxectivo de deseño de MPEG-4 tamén ten unha maior capacidade de adaptación e escalabilidade. MPEG4 intenta acadar dous obxectivos:
1. Comunicación multimedia baixo taxa de bits baixa;
2. É a síntese de comunicación multimedia en múltiples industrias.
Segundo este obxectivo, MPEG4 introduce obxectos AV (Audio / Visaul Objects), posibilitando operacións máis interactivas. A resolución de calidade de vídeo do MPEG-4 é relativamente alta e a taxa de datos é relativamente baixa. A principal razón é que MPEG-4 adopta a tecnoloxía ACE (Advanced Decoding Efficiency), que é un conxunto de regras de algoritmos de codificación empregadas por primeira vez en MPEG-4. A orientación de destino relacionada con ACE pode permitir velocidades de datos moi baixas. En comparación con MPEG-2, pode aforrar o 90% do espazo de almacenamento. MPEG-4 tamén se pode actualizar amplamente en fluxos de audio e vídeo. Cando o vídeo cambia entre 5kb / s e 10Mb / s, o sinal de audio pódese procesar entre 2kb / s e 24kb / s. É especialmente importante resaltar que o estándar MPEG-4 é un método de compresión orientado a obxectos. Non se trata simplemente de dividir a imaxe nalgúns bloques como MPEG-1 e MPEG-2, senón de acordo co contido da imaxe, os obxectos (obxectos, caracteres, Fondo) Sepárase para realizar codificación entre fotogramas e entre fotogramas. e compresión, e permite a asignación flexible de velocidades de código entre diferentes obxectos. Atribúense máis bytes a obxectos importantes e menos bytes a obxectos secundarios. Así, a relación de compresión mellórase moito, de xeito que pode obter mellores resultados a unha taxa de código máis baixa. O método de compresión orientado a obxectos de MPEG-4 tamén fai que a función e a precisión de detección de imaxes sexan máis reflectidas. A función de detección de imaxes permite que o sistema de gravación de vídeo do disco duro teña unha mellor función de alarma de movemento de vídeo.
En resumo, MPEG-4 é un novo estándar de codificación de vídeo con baixa taxa de bits e alta relación de compresión. A velocidade de transmisión é de 4.8 ~ 64kbit / s e ocupa un espazo de almacenamento relativamente pequeno. Por exemplo, para unha pantalla en cor cunha resolución de 352 × 288, cando o espazo ocupado por cada fotograma é de 1.3 KB, se seleccionas 25 fotogramas / segundo, requirirá 120 KB por hora, 10 horas ao día, 30 días ao mes e 36 GB por canle ao mes. Se ten 8 canles, requiriranse 288 GB, o que é obviamente aceptable.
Hai moitos tipos de tecnoloxías nesta área, pero as máis básicas e as máis utilizadas ao mesmo tempo son MPEG1, MPEG2, MPEG4 e outras tecnoloxías. MPEG1 é unha tecnoloxía cunha alta relación de compresión pero cunha calidade de imaxe máis baixa; mentres que a tecnoloxía MPEG2 céntrase principalmente na calidade da imaxe e a relación de compresión é pequena, polo que require un espazo de almacenamento grande; A tecnoloxía MPEG4 é unha tecnoloxía máis popular hoxe en día, empregando esta tecnoloxía pódese aforrar espazo, ter alta calidade de imaxe e non require un ancho de banda de transmisión de rede elevado. Pola contra, a tecnoloxía MPEG4 é relativamente popular en China e tamén foi recoñecida por expertos da industria.
Segundo a introdución, dado que o estándar MPEG4 utiliza liñas telefónicas como soporte de transmisión, os descodificadores pódense configurar in situ segundo os diferentes requisitos da aplicación. A diferenza entre el e o método de codificación por compresión baseado en hardware dedicado é que o sistema de codificación está aberto e pódense engadir novos e eficaces módulos de algoritmos en calquera momento. MPEG4 axusta o método de compresión segundo as características espaciais e temporais da imaxe, para obter unha relación de compresión maior, menor fluxo de código de compresión e mellor calidade de imaxe que MPEG1. Os seus obxectivos de aplicación son a transmisión de banda estreita, a compresión de alta calidade, as operacións interactivas e as expresións que integran obxectos naturais con obxectos creados polo home, ao tempo que fan especial fincapé na ampla adaptabilidade e escalabilidade. Polo tanto, MPEG4 baséase nas características da descrición da escena e do deseño orientado ao ancho de banda, o que o fai moi axeitado para o campo da videovixilancia, que se reflicte principalmente nos seguintes aspectos:
1. Afórrase espazo de almacenamento: o espazo necesario para adoptar MPEG4 é 1/10 do MPEG1 ou M-JPEG. Ademais, debido a que MPEG4 pode axustar automaticamente o método de compresión segundo os cambios de escena, pode garantir que a calidade da imaxe non se degradará para imaxes fixas, escenas de deportes xerais e escenas de actividade intensa. É un método de codificación de vídeo máis eficaz.
2. Alta calidade de imaxe: a resolución de imaxe máis alta de MPEG4 é 720x576, que se achega ao efecto de imaxe do DVD. MPEG4 baseado no modo de compresión AV determina que pode garantir unha boa definición para obxectos en movemento e a calidade tempo / tempo / imaxe é axustable.
3. O requisito para o ancho de banda de transmisión de rede non é elevado - porque a relación de compresión de MPEG4 é máis de 10 veces a de MPEG1 e M-JPEG da mesma calidade, o ancho de banda ocupado durante a transmisión de rede é só aproximadamente 1/10 desa de MPEG1 e M-JPEG da mesma calidade. . Baixo os mesmos requisitos de calidade de imaxe, MPEG4 só precisa un ancho de banda máis reducido.
====================
Aspectos técnicos destacados do novo estándar de codificación de vídeo H.264
resumo:
Para aplicacións prácticas, a recomendación H.264 formulada conxuntamente polas dúas principais organizacións internacionais de normalización, ISO / IEC e UIT-T, é un novo desenvolvemento na tecnoloxía de codificación de vídeo. Ten as súas características únicas na estimación de movemento multimodo, transformación enteira, codificación de símbolos VLC unificada e sintaxe de codificación por capas. Polo tanto, o algoritmo H.264 ten unha alta eficiencia de codificación e as súas perspectivas de aplicación deberían ser evidentes.
Palabras clave: codificación de vídeo comunicación de imaxe JVT
Desde a década de 1980, a introdución de dúas grandes series de estándares internacionais de codificación de vídeo, MPEG-x formulados pola ISO / IEC e H.26x formulados polo UIT-T, inauguraron unha nova era de comunicacións e aplicacións de almacenamento de vídeo. Dende as recomendacións de codificación de vídeo H.261 ata H.262 / 3, MPEG-1/2/4, etc., hai un obxectivo común que se persegue constantemente, é dicir, obter o máximo posible baixo a taxa de bits máis baixa posible (ou capacidade de almacenamento). Boa calidade de imaxe. Ademais, a medida que aumenta a demanda do mercado de transmisión de imaxes, o problema de como adaptarse ás características de transmisión de diferentes canles fíxose cada vez máis evidente. Este é o problema que debe resolver o novo estándar de vídeo H.264 desenvolvido conxuntamente por IEO / IEC e UIT-T.
H.261 é a primeira suxestión de codificación de vídeo, o propósito é estandarizar a tecnoloxía de codificación de vídeo nas aplicacións de televisión e videoconferencia en rede ISDN. O algoritmo que usa combina un método de codificación híbrido de predición entre cadros que pode reducir a redundancia temporal e a transformada DCT que pode reducir a redundancia espacial. Coincide coa canle RDSI e a súa taxa de código de saída é p × 64kbit / s. Cando o valor de p é pequeno, só se poden transmitir imaxes con baixa definición, o que é adecuado para chamadas de TV cara a cara; cando o valor de p é grande (como p> 6), pódense transmitir imaxes de TV de conferencia cunha mellor definición. H.263 recomenda un estándar de compresión de imaxe de taxa de bits baixa, que é tecnicamente unha mellora e expansión de H.261 e admite aplicacións cunha taxa de bits inferior a 64kbit / s. Pero de feito H.263 e posteriores H.263 + e H.263 ++ desenvolvéronse para soportar aplicacións de taxa de bits completa. Pódese ver polo feito de que admite moitos formatos de imaxe, como Sub-QCIF, QCIF, CIF, 4CIF e ata 16CIF e outros formatos.
A taxa de código do estándar MPEG-1 é de aproximadamente 1.2Mbit / s e pode proporcionar 30 imaxes de imaxes de calidade CIF (352 × 288). Está formulado para o almacenamento de vídeo e a reprodución de discos de CD-ROM. O algoritmo básico da parte de codificación de vídeo estándar MPEG-l é semellante ao H.261 / H.263 e tamén se adoptan medidas como a predición entre fotogramas compensada por movemento, DCT bidimensional e codificación de lonxitude de execución VLC. Ademais, introdúcense conceptos como o cadro intra (I), o cadro predictivo (P), o cadro predictivo bidireccional (B) e o cadro DC (D) para mellorar aínda máis a eficiencia da codificación. Con base no MPEG-1, o estándar MPEG-2 realizou algunhas melloras na mellora da resolución de imaxe e da compatibilidade coa TV dixital. Por exemplo, a precisión do seu vector de movemento é de medio píxel; nas operacións de codificación (como a estimación de movemento e DCT) Distingue entre "marco" e "campo"; introducir tecnoloxías de escalabilidade de codificación, como escalabilidade espacial, escalabilidade temporal e escalabilidade da relación sinal / ruído. O estándar MPEG-4 introducido nos últimos anos introduciu a codificación baseada en obxectos audiovisuais (AVO: Audio-Visual Object), que mellora moito as capacidades interactivas e a eficiencia de codificación das comunicacións de vídeo. MPEG-4 tamén adoptou algunhas novas tecnoloxías, como a codificación de formas, DCT adaptativa, a codificación de obxectos de vídeo de forma arbitraria, etc. Pero o codificador de vídeo básico de MPEG-4 aínda pertence a unha especie de codificador híbrido similar ao H.263.
En resumo, a recomendación H.261 é unha codificación de vídeo clásica, H.263 é o seu desenvolvemento e irá substituíndoo gradualmente na práctica, principalmente empregado en comunicacións, pero as numerosas opcións de H.263 adoitan facer perder aos usuarios. A serie de estándares MPEG evolucionou desde aplicacións para soportes de almacenamento ata aplicacións que se adaptan aos soportes de transmisión. O marco básico da súa codificación de vídeo principal é consistente con H.261. Entre eles, a chamativa parte de "codificación baseada en obxectos" de MPEG-4 débese a que aínda hai obstáculos técnicos e é difícil de aplicar universalmente. Polo tanto, a nova proposta de codificación de vídeo H.264 desenvolvida sobre esta base supera as debilidades de ambas, introduce un novo método de codificación no marco da codificación híbrida, mellora a eficiencia da codificación e afronta aplicacións prácticas. Ao mesmo tempo, foi formulada conxuntamente polas dúas principais organizacións internacionais de normalización e as súas perspectivas de aplicación deberían ser evidentes.
1. H.264 de JVT
H.264 é un novo estándar de codificación de vídeo dixital desenvolvido polo equipo de vídeo conxunto (JVT: equipo de vídeo conxunto) de VCEG (Video Coding Experts Group) do ITU-T e MPEG (Moving Picture Coding Experts Group) da ISO / IEC. É parte 10 do H.264 do UIT-T e do MPEG-4 da ISO / IEC. A solicitude de borradores comezou en xaneiro de 1998. O primeiro borrador completouse en setembro de 1999. O modelo de proba TML-8 desenvolveuse en maio de 2001. A xunta FCD de H.264 aprobouse na 5ª reunión de JVT en xuño de 2002.. O estándar está actualmente en desenvolvemento e está previsto que se adopte oficialmente na primeira metade do ano que vén.
H.264, como o estándar anterior, tamén é un modo de codificación híbrido de DPCM máis codificación por transformación. Non obstante, adopta un deseño conciso de "volver ao básico", sen moitas opcións, e obtén un rendemento de compresión moito mellor que o H.263 ++; reforza a adaptabilidade a varias canles e adopta unha estrutura e sintaxe "compatibles coa rede". Conduce ao procesamento de erros e perda de paquetes; unha ampla gama de obxectivos de aplicación para satisfacer as necesidades de diferentes velocidades, diferentes resolucións e diferentes ocasións de transmisión (almacenamento); o seu sistema básico está aberto e non se requiren dereitos de autor para o seu uso.
Técnicamente, hai moitos aspectos destacados no estándar H.264, como a codificación de símbolos VLC unificada, a estimación de desprazamento multimodo de alta precisión, a transformación enteira baseada en bloques 4 × 4 e a sintaxe de codificación en capas. Estas medidas fan que o algoritmo H.264 teña unha eficiencia de codificación moi alta, baixo a mesma calidade de imaxe reconstruída, pode aforrar aproximadamente o 50% da taxa de código que H.263. A estrutura de fluxo de código de H.264 ten unha forte adaptabilidade á rede, aumenta as capacidades de recuperación de erros e pode adaptarse á aplicación de redes IP e sen fíos.
2. Aspectos técnicos destacados do H264
Deseño en capas
O algoritmo H.264 pódese dividir conceptualmente en dúas capas: a capa de codificación de vídeo (VCL: Video Coding Layer) é responsable da representación eficiente do contido de vídeo e a capa de abstracción de rede (NAL: Network Abstraction Layer) é a responsable do xeito adecuado requirido pola rede. Empaque e transmita datos. A estrutura xerárquica do codificador H.264 móstrase na Figura 1. Defínese unha interface baseada en paquetes entre VCL e NAL, e o empaquetado e a sinalización correspondente forman parte de NAL. Deste xeito, VCL e NAL completan as tarefas de alta eficiencia de codificación e facilidade de rede.
A capa VCL inclúe codificación híbrida de compensación de movemento baseada en bloques e algunhas novas características. Do mesmo xeito que os estándares de codificación de vídeo anteriores, H.264 non inclúe no borrador funcións como o pre-procesado e o posterior ao procesamento, o que pode aumentar a flexibilidade do estándar.
NAL é responsable de usar o formato de segmentación da rede de capa inferior para encapsular datos, incluíndo enmarcado, sinalización de canles lóxicas, utilización de información de sincronización ou sinal de fin de secuencia, etc. Por exemplo, NAL admite formatos de transmisión de vídeo en canles con circuíto conmutados e admite formatos de transmisión de vídeo en Internet mediante RTP / UDP / IP. NAL inclúe a súa propia información de cabeceira, información de estrutura de segmento e información de carga real, é dicir, os datos VCL da capa superior. (Se se usa tecnoloxía de segmentación de datos, os datos poden constar de varias partes).
Estimación de movemento multimodo de alta precisión
H.264 admite vectores de movemento con precisión de 1/4 ou 1/8 píxeles. Con precisión de 1/4 píxeles, pódese usar un filtro de 6 pulsacións para reducir o ruído de alta frecuencia. Para vectores de movemento con precisión de 1/8 píxeles, pódese usar un filtro de 8 pulsacións máis complexo. Ao realizar a estimación do movemento, o codificador tamén pode seleccionar filtros de interpolación "mellorados" para mellorar o efecto da predición
Na predición de movemento de H.264, un bloque macro (MB) pódese dividir en diferentes subblocos segundo a Figura 2 para formar 7 modos diferentes de tamaños de bloque. Esta división multimodo flexible e detallada é máis axeitada para a forma dos obxectos en movemento reais da imaxe, mellorando moito
Mellórase a precisión da estimación do movemento. Deste xeito, cada bloque macro pode conter 1, 2, 4, 8 ou 16 vectores de movemento.
En H.264, permítese ao codificador usar máis dun cadro anterior para a estimación do movemento, que é a chamada tecnoloxía de referencia de cadros múltiples. Por exemplo, se 2 ou 3 fotogramas só son fotogramas de referencia codificados, o codificador seleccionará un mellor fotograma de predición para cada macrobloque de destino e indicará para cada macrobloque que fotograma se usa para a predición.
Transformación enteira de bloques 4 × 4
H.264 é similar ao estándar anterior, usando codificación de transformada baseada en bloques para o residual, pero a transformada é unha operación enteira en lugar dunha operación de número real, e o proceso é basicamente similar ao de DCT. A vantaxe deste método é que se permite a mesma transformación de precisión e transformación inversa no codificador e no decodificador, o que facilita o uso de aritmética de punto fixo sinxela. Noutras palabras, aquí non hai "erro de transformación inversa". A unidade de transformación é de 4 × 4 bloques, en lugar de 8 × 8 bloques usados habitualmente no pasado. A medida que se reduce o tamaño do bloque de transformación, a división do obxecto en movemento é máis precisa. Deste xeito, non só a cantidade de cálculo da transformación é relativamente pequena, senón que tamén se reduce moito o erro de converxencia no bordo do obxecto en movemento. Para facer que o método de transformación de bloques de pequeno tamaño non produza a diferenza de escala de grises entre os bloques na área lisa máis grande da imaxe, o coeficiente de CC de 16 4 × 4 bloques dos datos de brillo do macrobloco intra-cadro (cada pequeno bloque Un , un total de 16) realiza unha segunda transformación de bloque 4 × 4 e realiza unha transformación de bloque 2 × 2 nos coeficientes CC de 4 4 × 4 bloques de datos de crominancia (un por cada pequeno bloque, 4 en total).
Para mellorar a capacidade de control de velocidade de H.264, o cambio do tamaño do paso de cuantificación contrólase ao redor dun 12.5% en lugar dun aumento constante. A normalización da amplitude do coeficiente de transformada é procesada no proceso de cuantización inversa para reducir a complexidade computacional. Para enfatizar a fidelidade da cor, adóptase un pequeno tamaño de paso de cuantificación para o coeficiente de crominancia.
VLC unificado
Hai dous métodos para codificar a entropía en H.264. Un deles é usar VLC unificado (UVLC: Universal VLC) para que todos os símbolos se codifiquen e o outro é usar codificación aritmética binaria adaptable ao contido (CABAC: Context-Adaptive). Codificación aritmética binaria). CABAC é unha opción opcional, o seu rendemento de codificación é lixeiramente mellor que o UVLC, pero a complexidade computacional tamén é maior. A UVLC usa un conxunto de palabras de código de lonxitude ilimitada e a estrutura de deseño é moi regular e pódense codificar diferentes obxectos coa mesma táboa de códigos. Este método é fácil de xerar unha palabra de código e o descodificador pode identificar facilmente o prefixo da palabra de código e UVLC pode obter rapidamente a resincronización cando se produce un erro de bit
Aquí, x0, x1, x2, ... son bits INFO e son 0 ou 1. A figura 4 lista as primeiras 9 palabras de código. Por exemplo, a palabra número 4 contén INFO01. O deseño desta palabra de código está optimizado para unha resincronización rápida para evitar erros de bits.
intra pdición
Nas normas anteriores da serie H.26x e MPEG-x, utilízanse métodos de predición entre fotogramas. En H.264, a predición intra-cadro está dispoñible ao codificar imaxes intra. Para cada bloque 4 × 4 (excepto para o tratamento especial do bloque de borde), pódese predicir cada píxel cunha suma ponderada diferente dos 17 píxeles codificados previamente máis próximos (algúns pesos poden ser 0), é dicir, este píxel de 17 píxeles na esquina superior esquerda do bloque. Obviamente, este tipo de predición intra-cadro non é a tempo, senón un algoritmo de codificación preditivo realizado no dominio espacial, que pode eliminar a redundancia espacial entre bloques adxacentes e lograr unha compresión máis efectiva.
No cadrado 4 × 4, a, b, ..., p son 16 píxeles para predecir e A, B, ..., P son píxeles codificados. Por exemplo, o valor do punto m pode predecirse coa fórmula (J + 2K + L + 2) / 4 ou coa fórmula (A + B + C + D + I + J + K + L) / 8, etcétera. Segundo os puntos de referencia de predición seleccionados, hai 9 modos diferentes para a luminancia, pero só hai 1 modo para a predición de crominancia dentro do cadro.
Para ambientes IP e sen fíos
O borrador H.264 contén ferramentas para eliminar erros para facilitar a transmisión de vídeo comprimido nun ambiente con erros frecuentes e perda de paquetes, como a solidez da transmisión en canles móbiles ou canles IP.
Para resistir os erros de transmisión, a sincronización horaria no fluxo de vídeo H.264 pódese realizar usando a actualización de imaxe dentro do cadro e a sincronización espacial está soportada por unha codificación estruturada por porcións. Ao mesmo tempo, para facilitar a resincronización despois dun erro de bit, tamén se proporciona un certo punto de resincronización nos datos de vídeo dunha imaxe. Ademais, a actualización de macroblocos dentro do cadro e os macroblocos de referencia múltiples permiten ao codificador considerar non só a eficiencia de codificación, senón tamén as características da canle de transmisión á hora de determinar o modo de macrobloco.
Ademais de usar o cambio do tamaño do paso de cuantificación para adaptarse á taxa de código de canle, en H.264, o método de segmentación de datos úsase a miúdo para facer fronte ao cambio de taxa de código de canle. En xeral, o concepto de segmentación de datos é xerar datos de vídeo con diferentes prioridades no codificador para apoiar a calidade do servizo QoS na rede. Por exemplo, adóptase un método de particionamento de datos baseado na sintaxe para dividir os datos de cada cadro en varias partes segundo a súa importancia, o que permite descartar a información menos importante cando o búfer reborda. Tamén se pode empregar un método de particionamento de datos temporais similar, que se consegue empregando múltiples fotogramas de referencia en fotogramas P e B.
Na aplicación de comunicación sen fíos, podemos soportar grandes cambios na taxa de bits da canle sen fíos cambiando a precisión de cuantificación ou a resolución espazo / tempo de cada cadro. Non obstante, no caso do multidifusión, é imposible esixir ao codificador que responda a velocidades de bits variables. Polo tanto, a diferenza do método FGS (Fine Granular Scalability) empregado en MPEG-4 (con menor eficiencia), H.264 usa marcos SP de conmutación de fluxo en vez de codificación xerárquica.
========================
3. Rendemento TML-8
TML-8 é o modo de proba de H.264, úsao para comparar e probar a eficiencia de codificación de vídeo de H.264. O PSNR proporcionado polos resultados da proba demostrou claramente que, en comparación co rendemento de MPEG-4 (ASP: Advanced Simple Profile) e H.263 ++ (HLP: High Latency Profile), os resultados de H.264 teñen vantaxes evidentes. Como se mostra na Figura 5.
O PSNR de H.264 é obviamente mellor que o de MPEG-4 (ASP) e H.263 ++ (HLP). Na proba de comparación de 6 velocidades, o PSNR de H.264 é 2dB maior que o MPEG-4 (ASP) de media. É 3dB superior a H.263 (HLP) de media. As 6 taxas de proba e as súas condicións relacionadas son: taxa de 32 kbit / s, taxa de fotogramas 10f / s e formato QCIF; Taxa de 64 kbit / s, velocidade de fotogramas 15f / s e formato QCIF; Taxa de 128kbit / s, velocidade de fotogramas 15f / s e formato CIF; Taxa de 256kbit / s, taxa de fotogramas 15f / s e formato QCIF; Taxa de 512 kbit / s, taxa de fotogramas 30f / s e formato CIF; 1024 kbit / s de velocidade, 30f / s de fotogramas e formato CIF.
4. dificultade de realización
Para todos os enxeñeiros que consideren aplicacións prácticas, prestando atención ao rendemento superior do H.264, está obrigado a medir a dificultade da súa implementación. En xeral, a mellora do rendemento H.264 obtense a costa dunha maior complexidade. Non obstante, co desenvolvemento da tecnoloxía, este aumento da complexidade está dentro do rango aceptable da nosa tecnoloxía actual ou de futuro próximo. De feito, tendo en conta a limitación da complexidade, H.264 non adoptou algúns algoritmos mellorados especialmente caros no cómputo. Por exemplo, H.264 non utiliza tecnoloxía de compensación de movemento global, que se usa en MPEG-4 ASP. Aumentou a considerable complexidade de codificación.
Tanto H.264 como MPEG-4 inclúen fotogramas B e son máis precisos e compfiltros de interpolación de movemento lex que MPEG-2, H.263 ou MPEG-4 SP (perfil simple). Para completar mellor a estimación do movemento, H.264 aumentou significativamente os tipos de tamaños de bloques variables e o número de fotogramas de referencia variables.
Os requirimentos de RAM H.264 úsanse principalmente para imaxes de fotogramas de referencia e a maioría dos vídeos codificados empregan de 3 a 5 fotogramas de imaxes de referencia. Non require máis ROM que o codificador de vídeo habitual, porque o H.264 UVLC usa unha táboa de busca ben estruturada para todo tipo de datos
5. conclusións
H.264 ten amplas perspectivas de aplicación, como comunicación de vídeo en tempo real, transmisión de vídeo por Internet, servizos de transmisión de vídeo, comunicación en varios puntos en redes heteroxéneas, almacenamento de vídeo comprimido, bases de datos de vídeo, etc.
As características técnicas das recomendacións H.264 pódense resumir en tres aspectos. Un deles é centrarse na práctica, adoptar tecnoloxía madura, buscar unha maior eficiencia de codificación e expresión concisa; o outro é centrarse en adaptarse a redes móbiles e IP e adoptar tecnoloxía xerárquica, que separa formalmente a codificación e a canle, en esencia, ten en conta as características da canle máis no algoritmo de codificación de orixe; o terceiro é que, baixo o marco básico do codificador híbrido, están feitos os seus principais compoñentes clave. Melloras importantes, como estimación de movemento multimodo, predición intra-cadro, predición multi-cadro, VLC unificado, transformación enteira bidimensional 4 × 4, etc.
Ata o momento non se finalizou H.264, pero debido á súa maior relación de compresión e mellor adaptabilidade á canle, será cada vez máis utilizado no campo da comunicación ou almacenamento de vídeo dixital e o seu potencial de desenvolvemento é ilimitado.
Por último, hai que ter en conta que o rendemento superior de H.264 non é exento de custos, pero o custo é un gran aumento da complexidade computacional. Segundo as estimacións, a complexidade computacional da codificación é aproximadamente tres veces maior que a de H.263 e a complexidade de descodificar Aproximadamente 2 veces a H.263.
===========================
Comprenda correctamente os produtos da tecnoloxía H.264 e MPEG-4 e elimine a falsa propaganda do fabricante
Recoñécese que o estándar de códec de vídeo H.264 ten un certo grao de avance, pero non é o estándar de codificación de vídeo preferido, especialmente como produto de vixilancia, porque tamén ten algúns defectos técnicos.
inclúese no estándar MPEG-4 Parte 10 como estándar de códec de vídeo H.264, o que significa que só está unido á décima parte do MPEG-4. Noutras palabras, H.264 non excede o alcance do estándar MPEG-4. Polo tanto, é incorrecto que o estándar H.264 e a calidade de transmisión de vídeo en Internet sexan superiores a MPEG-4. A transición de MPEG-4 a H.264 é aínda máis incomprensible. En primeiro lugar, entendamos correctamente o desenvolvemento de MPEG-4:
1. MPEG-4 (SP) e MPEG-4 (ASP) son as primeiras tecnoloxías de produto de MPEG-4
MPEG-4 (SP) e MPEG-4 (ASP) propuxéronse en 1998. A súa tecnoloxía desenvolveuse ata a actualidade e hai algúns problemas. Polo tanto, o persoal técnico actual estatal que ten a capacidade de desenvolver MPEG-4 non adoptou esta tecnoloxía atrasada nos produtos de vixilancia de vídeo MPEG-4 ou videoconferencia. A comparación entre os produtos H.264 (produtos técnicos posteriores ao 2005) e a primeira tecnoloxía MPEG-4 (SP) promovida en Internet é realmente inadecuada. Pode ser convincente a comparación de rendemento dos produtos de TI en 2005 e 2001? . O que hai que explicar aquí é que se trata dun comportamento técnico dos fabricantes.
Bota unha ollada á comparación tecnolóxica:
Algúns fabricantes non comparan mal: baixo a mesma calidade de imaxe reconstruída, H.264 reduce a taxa de bits nun 50% en comparación con H.263 + e MPEG-4 (SP).
Estes datos comparan esencialmente os datos de produtos de nova tecnoloxía H.264 cos datos de produtos de primeira tecnoloxía MPEG-4, o que non ten sentido e enganosa para comparar os produtos de tecnoloxía MPEG-4 actuais. Por que os produtos H.264 non compararon os datos cos novos produtos de tecnoloxía MPEG-4 no 2006? O desenvolvemento da tecnoloxía de codificación de vídeo H.264 é realmente moi rápido, pero o seu efecto de vídeo de decodificación de vídeo só é equivalente ao efecto de vídeo do Windows Media Player 9.0 (WM9) de Microsoft. Na actualidade, por exemplo, a tecnoloxía MPEG-4 utilizada polo servidor de vídeo de disco duro e equipos de videoconferencia de Huayi alcanzou as especificacións técnicas (WMV) en tecnoloxía de decodificación de vídeo e a sincronización de audio e vídeo é inferior a 0.15 segundos (dentro de 150 milisegundos) ). H.264 e Microsoft WM9 non poden coincidir
2. A tecnoloxía de descodificación de vídeo MPEG-4 en desenvolvemento:
Actualmente, a tecnoloxía de descodificación de vídeo MPEG-4 está a desenvolverse rapidamente, non como o fan os fabricantes en Internet. A vantaxe do estándar de imaxe H.264 actual só está na súa compresión e almacenamento, que é un 15-20% menor que o ficheiro de almacenamento MPEG-4 actual dos produtos Huayi, pero o seu formato de vídeo non é un formato estándar. A razón é que H.264 non adopta un formato de almacenamento de uso internacional e os seus ficheiros de vídeo non se poden abrir con software de terceiros de uso internacional. Polo tanto, nalgúns gobernos e axencias nacionais, cando se selecciona o equipo, indícase claramente que os ficheiros de vídeo deben abrirse cun software de terceiros aceptado internacionalmente. Isto é realmente importante para o control de produtos. Especialmente cando se produce o roubo, a policía necesita obter probas, analizar, etc.
A versión actualizada do descodificador de vídeo MPEG-4 é (WMV) e o son é diferente segundo a tecnoloxía de codificación e a experiencia de cada fabricante. Os produtos MPEG-4 maduros actuais de 2005 a 2006 son moi superiores aos produtos de tecnoloxía H.264 en termos de rendemento.
En termos de transmisión: en comparación co novo MPEProduto tecnolóxico G-4 H.264, hai os seguintes defectos:
1. Sincronización de audio e vídeo: a sincronización de audio e vídeo H.264 ten algúns problemas, principalmente en termos de demora. O rendemento de transmisión de H.264 é equivalente ao Windows Media Player 9.0 (WM9) de Microsoft. Na actualidade, a tecnoloxía MPEG-4 adoptada polo servidor de vídeo de rede Huayi consegue un atraso de menos de 0.15 segundos (150 milisegundos) no campo da videovixilancia e videoconferencia, o que está fóra do alcance dos produtos H.264;
2. Eficiencia da transmisión de rede: adopte H.2
Noso outro produto:
