Слайд 2
Представление видеоданных
Видео – упорядоченная по времени последовательность связанных
изображений (называемых фреймами или кадрами)
Непосредственное влияние телевизионных технологий:
SECAM (Россия,
Франция)
PAL (большинство европейских стран, Китай)
NTSC (США, Япония)
25-30 фреймов/сек
Чересстрочная развертка (четные/нечетные строки) для уменьшения мерцания
Размеры фреймов: 352 x 240, 768 x 576 (PAL), 720 x 576 (CCIR 601), 720 x 480 (NTSC), 1440 x 1152, 1920 x 1080 (HDTV)
Формат фрейма (ширина к высоте): 4:3, 16:9 (широкоэкранный)
Цветное видео: разложение на яркостную и две цветовые компоненты (модель YUV)
Типичная частота дискретизации: 720 значений яркости на строку и 360+360 значений цветности на строку; YUV 4:2:2 (Y:Cb:Cr - яркость:голубая компонента цвета:красная комп.) – два пикселя хранятся в виде Y1:Y2:Cb:Cr
Слайд 3
Сжатие видео
«Очевидный» способ сжатия – сжимать последовательность фреймов
(каждый из которых – обычное изображение) один за другим
( Motion-JPEG; используется в веб-камерах)
Недостаток: не учитывается, что соседние фреймы очень похожи
Дефекты (искажения), заметные человеческому глазу, в обычных (неподвижных) изображениях отличаются от дефектов в видео
Различные методы в зависимости от области применения
Важные параметры:
Скорость упаковки/распаковки
Ошибкоустойчивость
Большинство стандартов основано на дискретном косинус-преобразовании (DCT)
Типичные коэффициенты сжатия: от 50:1 до 100:1; сжатое видео почти неотличимо от оригинала
Слайд 4
Сжатие видео
Компенсация движения [1]:
Если соседние фреймы мало
отличаются друг от друга имеет смысл сжимать попиксельную разность
двух последовательных фреймов (большая часть площади такой разницы близка к нулю и, значит, хорошо сожмется)
Попиксельной разности недостаточно для видеоряда с подвижными объектами
Рассматривается разность текущего фрейма и скомпенсированного фрейма (скомпенсированный - соседний, уже сжатый фрейм, в котором часть объектов (в идеале - все) перемещены и/или трансформированы так, чтобы этот измененный фрейм был как можно более близок в некоторой метрике к текущему кодируемому фрейму)
Скомпенсированный фрейм = соседний фрейм (как правило предыдущий) плюс информация о движении
Иллюстративный пример
попиксельной разности
последовательных фреймов
без компенсации движения:
Слайд 5
Сжатие видео
Текущий кадр разбивается на непересекающиеся блоки одного
размера B(x,y) (например, 8 на 8 пикселей)
Для каждого
блока B(x,y) в небольшой окрестности ищется наиболее «похожий» на него блок BPrev(x+u,y+v) в предыдущем кадре; «похожесть» определяется выбранной метрикой
Вектор d=(u,v)T, на котором достигается минимум выбранной функции ошибки, считается вектором смещения (движения) для данного блока
Рисунок из [1]
Слайд 6
Сжатие видео
Области применения:
а) Видеоконференции и видеотелефоны:
Кодер и декодер
должны быть одинаково быстрыми («симметричная» компрессия)
Стандарт ITU-T H.621 [2];
уже устарел – текущий H.624; большинство систем видеоконференций используют проприетарные форматы
Для увеличения скорости:
Во время компенсации движения расстояние между предсказываемым и блоком из предыдущего фрейма не более 15 пикселей (по вертикали и по горизонтали)
Единица обработки: макроблок - 16 на 16 значений яркости плюс два массива по 8 на 8 значений цветности
Двухмерный пространственный фильтр: для сглаживания острых углов в предсказываемом блоке
Преобразование: применение DCT к 8х8 блокам с разностью между предсказанным и предыдущим блоками
Преобразованные блоки квантуются, кодируются и отправляются получателю
Слайд 7
Сжатие видео
Отправитель также должен декодировать фрейм и временно
его сохранить (для декодирования следующего фрейма)
Затруднение: высокая активность (много
движения) в видео генерирует много данных, низкая активность много меньшее количество
Решение (в H.621): 32 различных квантизатора – грубое квантование для высокоактивных блоков, детальное для низкоактивных блоков
Получатель уведомляется об используемых квантизаторах: для каждого макроблока или, на практике, для группы макроблоков, в пределах которых квантизатор может быть заменен для проблематичных блоков
Контроль скорости передачи:
Буфер передачи не должен быть ни пустым ни полным;
Скорость передачи можно менять изменением квантизаторов
Слайд 8
Сжатие видео
б) Асимметричные приложения:
Мультимедийные архивы, CD- и DVD-диски
Однократное
сжатие и многократная распаковка после
Алгоритмы кодирования могут быть очень
сложными
Распаковка в режиме реального времени
MPEG (Moving Picture Experts Group)
Набор стандартов для сжатия аудио и видео
С 1988 года; основные шаги:
MPEG-1: первоначальный стандарт для сжатия аудио- и видеоданных
MPEG-2: цифровое телевидение и DVD-форматы
MPEG-3: планировался для телевидения высокой четкости; работы над ним были прекращены, т.к. MPEG-2 с незначительными модификациями может достигать тех же результатов
MPEG-4: с 1998 года; объектно-базированное кодирование; поддержка аудио/видео объектов, различных видов интерактивности
Слайд 9
Сжатие видео
Возможность произвольного доступа:
Цифровое вещание и доступ к
видео из видеохранилищ:
Должна быть возможность начать
просмотр с (почти) любого фрейма
Решение в MPEG – три типа фреймов:
I-фреймы (intra): закодированные как неподвижные изображения, без ссылок на последующие или предыдущие фреймы; дают наименьшую нагрузку при сжатии; используются как стартовые
P-фреймы (predicted): предсказанные (компенсация движения) на основе последнего (ближайшего) I- или P-фрейма
B-фреймы (bi-directional): предсказанные из двух ближайших I- или P-фреймов, одного предыдущего и другого – последующего; дают наибольшую нагрузку при сжатии; ошибки не распространяются
GOP (Group of Pictures ): наименьшая единица доступа (независимо декодируемая); может состоять только из I-фреймов, I-фреймов и P-фреймов, или содержать все три типа; обычно GOP включает 12 или 15 фреймов и начинается с I-фрейма, например IBBPBBPBBPBBPBB
Слайд 10
Сжатие видео
Пример:
Два порядка фреймов:
Порядок показа
Порядок в потоке (P-фрейм
должен быть раньше B-фрейма)
Для конвертации из порядка в потоке
в искомый порядок показа необходима буферизация
Присутствует небольшая задержка
Замечание: предсказываемый фрейм и фрейм для предсказания не обязательно соседние
Расстояние между ними влияет на размер области поиска похожих блоков при компенсации движения
Слайд 11
Сжатие видео
Квантование:
Как в H.261 могут использоваться различные квантизаторы
Контроль
скорости передачи:
К B-фреймам может применяться более грубое квантование
(B-фреймы не используются в предсказании других фреймов, ошибка не распространяется)
Для отдельных фреймов:
Увеличить/уменьшить шаг квантизатора
Добавить/убрать DCT-коэффициенты
MPEG-1:
Сравнимое с VHS (видеокассеты) качество для видеопоследовательностей со «средним» или «медленным» движением
Худшее в сравнении с VHS качество для видеопоследовательностей с «быстрым» движением
MPEG-2:
Универсальный, независимый от приложений стандарт
Большое количество опций
Слайд 12
Сжатие видео
Профили MPEG-2:
Простой (SP): нет B-фреймов
Основной (SP)
Масштабируемый (SNR):
по отношению сигнал-шум
Пространственно-масштабируемый (SP)
Высший (HP)
В последних
трех профилях может быть более одного потока видеоданных:
Основной поток: низкоскоростное кодирование
Другие потоки: улучшение качества
Уровни MPEG-2 (в зависимости от размера фрейма): low, main, high 1440, high
Поддержка чересстрочного видео
Два режима предсказания (макроблок, половина макроблока)
Слайд 13
Сжатие видео
в) Пакетная передача видео:
Передача сжатого видео по
сетям передачи данных
Данные рассылаются в пакетах:
Различные пакеты могут следовать
по различным маршрутам
Пакеты могут иметь приоритеты
Пакеты могут теряться
В случае перегрузок сети схема сжатия должна обладать возможность менять скорость передачи данных (также учитывать возможные искажения при передаче)
Несколькоуровневая обработка (аналогично постепенному отображению графики):
Низкоскоростной, высокоприоритетный уровень
Низкоприоритетные уровни для повышения качества
Предлагаемая техника:
Многополосное кодирование (с помощью временных и пространственных фильтров)
DCT-базируемое кодирование; например, разбиение наборов коэффициентов на уровни (низко- ... высокочастотные); аналогично профилям MPEG-2
Слайд 14
Организация поиска по видеоданным
Вопросы:
Какие аспекты видео представляют наибольший
интерес?
Как лучше всего организовать и хранить эти аспекты?
Какие языки
запросов лучше использовать?
Извлечение содержимого осуществляется вручную или в автоматическом режиме?
Аспекты, представляющие интерес:
Одушевлённые объекты (люди и т.д.)
Неодушевлённые объекты (дома, машины и т.д.)
Действия (активности) и события (гуляющий человек, движение машины и т.д.)
Свойства объектов:
Фреймо-зависимые: действительны для какого-то подмножества фреймов
Фреймо-независимые: действительны для всего видео в целом
Слайд 15
Организация поиска по видеоданным
Свойства действий:
Множество вовлеченных объектов
Роли каждого
из объекта в действии
Последовательность фреймов в которых происходит данное
действие
Виды запросов:
По названию извлечь видео полностью
Найти сегменты (последовательности фреймов), содержащие определенные объекты или действия
Найти все видео/сегменты, содержащие объекты/действия с определенными свойствами
В заданном сегменте найти все объекты (определенного типа), находящиеся в нескольких или во всех фреймах данного сегмента
В заданном сегменте найти все действия (определенного типа), происходящие в данном сегменте
Слайд 16
Организация поиска по видеоданным
Индексация содержимого видео:
Вследствие большого количества
фреймов описания содержимого строятся как правило не для каждого
фрейма
Необходимо компактное представление
Понятия:
Последовательность фреймов:
Непрерывное подмножество фреймов (смежных)
Упорядоченное множество последовательностей фреймов:
Упорядоченных по времени, без перекрытий
Сплошное (solid) множество последовательностей фреймов:
Упорядоченно и непустые промежутки между последовательностями (т.е. не смежные последовательности)
Ассоциативная карта сегментов:
Для каждого объекта и действия известно соответствующее сплошное множество последовательностей фреймов (т.е. известны все фреймы в которых присутствует тот или иной объект или действие)
Слайд 17
Организация поиска по видеоданным
Иллюстрация:
Дерево сегментов (frame segment tree):
Двоичное
дерево
Специальный (одномерный) случай пространственного представления пространственных объектов на основе
отсечения (см.тему 9)
Листья задают основные интервалы в видеопоследовательности:
Листья упорядочены (по времени), и покрывают все видео
Внутренний узел описывает сегмент видео, полученный конкатенацией интервалов, представляемых потомками этого узла
Корень дерева соответствует всему видео
Объект 1
Объект 2
Действие 1
5000
4000
3000
2000
1000
Слайд 18
Организация поиска по видеоданным
Дерево сегментов для примера с
предыдущего слайда:
Индексация:
Объект 1 6, 9, 15
Объект 2 4, 10, 13, 14
Действие 1 7, 9, 10, 12
Слайд 19
Организация поиска по видеоданным
Индексация:
Список указателей на узлы дерева
сегментов для каждого объекта и действия
Сами объекты и действия
могут индексироваться традиционными способами
Каждый узел дерева сегментов указывает на список указателей на объекты и действия, которые находятся/происходят в сегменте, описываемым данным узлом
Например, в предыдущем примере:
Узел 4 Объект 2 Узел 6 Объект 1
Узел 7 Действие 1 Узел 9 Объект 1, Действие 1
Узел 10 Объект 2, Действие 1 Узел 12 Действие 1
Узел 13 Объект 2 Узел 14 Объект 2
Узел 15 Объект 1
Может быть обобщено для нескольких видео (общее дерево, объединенный набор объектов/действий)
Слайд 20
Организация поиска по видеоданным
Выполнение запросов:
Найти сегменты, в которых
есть заданный объект или происходит заданное действие:
Тривиально – следовать указателям
Найти объекты (действия), находящиеся между фреймами s и e:
Упорядоченно обходить дерево (обозначим: I – интервал текущего узла):
Если I [s, e) = , не просматривать поддерево, образуемое данным узлом
Если I [s, e), просмотреть все поддерево и вернуть все содержащиеся в нем объекты
Иначе, вернуть все объекты текущего узла и продолжить поиск в двух поддеревьях
Найти объекты/действия, находящиеся/произошедшие вместе с объектом x:
Просмотреть сегменты (соответствующие узлы) с x и вернуть объекты/действия, имеющие место в этих сегментах и в их потомках
Слайд 21
Организация поиска по видеоданным
RS-дерево (R-segment tree):
Специальный случай R-дерева
Две
возможных реализации:
Одномерное пространство (время)
Двухмерное пространство, где второе измерение –
перенумерация объектов/действий (т.е. искусственное пространственное измерение)
Объект 1
Объект 2
Действие 1
5000
4000
3000
2000
1000
R1
R2
R3