专利交易市场

本发明公开了一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置，涉及视频编码领域，该方法包括：获取屏幕内容视频，将128×128大小的CTU直接划分为64×64大小的CU；构建多任务学习网络模型，多任务学习网络模型包括主干网络、第一子网络和第二子网络，主干网络用于提取CU特征，将CU特征输入第一子网络和第二子网络，得到CU划分类型和编码模式，可结合编码模式及其预测概率和临近CU的划分类型综合确定预测结果；将64×64大小的CU输入经训练的多任务学习网络模型，得到第一预测结果；若第一预测结果为划分，则进一步划分为4个32×32大小的CU，并输入经训练的多任务学习网络模型，得到第二预测结果，解决H.266VVC屏幕内容帧内编码复杂度高的问题。

本发明公开了一种基于感兴趣区域的VVC码率控制方法及装置，涉及视频编码领域，方法包括：使用基于残差SSD网络训练的人脸检测模型检测图像中的人脸区域作为ROI；使用斯塔克尔伯格模型对ROI的失真进行建模，并采用二分法求解ROI的目标比特；计算编码图像的JND图作为空域视觉敏感度，对8x8互不重叠的子块进行运动估计，得到时域视觉敏感度；将有约束问题转化为无约束问题，并采用KKT条件进行最优化求解，得到最优拉格朗日乘子用于进行比特分配。本发明考虑视频会议、视频监控等应用对ROI的需求增长，人眼对ROI区域重点关注，提取空时域感知敏感度，对ROI和nROI的比特分配问题分别建模并进行最优化求解，合理进行比特分配。

本申请公开了一种VVC帧间CU深度快速划分方法，包括：顺序提取需要编码的编码CU，判断目标编码CU所在的编码帧是否为帧内编码帧；若否，获取目标编码CU的亮度像素差值；判断目标编码CU的高度和宽度是否均大于预设阈值；若是，获取目标编码CU的进一步划分模式；若目标编码CU的进一步划分模式为H_BT，且满足第一预设条件，或目标编码CU的进一步划分模式为V_BT，且满足第二预设条件，或目标编码CU的进一步划分模式为H_TT，且满足第三预设条件，或目标编码CU的进一步划分模式为V_TT，且满足第四预设条件，则停止对目标编码CU进行进一步划分。显然，该方法可以降低在对目标编码CU深度划分时的复杂度。

本发明涉及视频数据处理技术领域，具体涉及一种电子信息隐私数据安全传输方法及系统，该方法包括：将待传输的视频数据依次作为目标视频帧进行迭代分割，对目标视频帧的像素块的灰度分布、邻域灰度差异程度以及文档信息分布的梯度特征进行分析，构建帧内细节分割需求度、文档分割校正系数、文档分割惩罚因子；获取帧内文档纠正分割需求度；对目标视频帧与时间邻域内视频帧的同一位置像素块的灰度差异进行分析，构建灰度运动指数序列、帧间运动变化率；获取动态信息复杂度；采用长边条件分割法实现视频帧的自适应动态分割，完成视频优化传输。本发明旨在实现视频帧的自适应动态分割，保留细节的同时实现更好的传输效果。

本发明公开了一种基于Gabor的CU划分快速决策方法、装置及介质，方法包括：获取当前编码单元的块面积；当所述块面积满足预设第一条件时，对所述当前编码单元执行竖直滤波处理和水平滤波处理，得到所述当前编码单元的竖直滤波图像和水平滤波图像；计算所述竖直滤波图像的第一能量和所述水平滤波图像的第二能量；根据所述第一能量和所述第二能量，确定目标划分模式；根据所述目标划分模式对所述当前编码单元进行划分。本发明实施例对当前编码单元分别进行水平和竖直方向的滤波，分别提取其水平和竖直的纹理特征，根据其纹理的差异，跳过其水平或竖直方向的划分方式，能够降低划分复杂度，提高划分效率，可广泛应用于数据处理技术领域。

本发明公开了一种图像特征帧内划分方法、装置、设备及介质，方法包括：通过Scharr滤波提取目标图像的水平梯度和垂直梯度，得到梯度锐度图像；根据所述梯度锐度图像，通过GLC指标确定所述目标图像的划分策略，所述划分策略包括四叉划分、三叉划分、二叉划分、基于Scharr滤波器的QT划分以及终止划分；根据所述划分策略，对所述目标图像进行帧内划分，确定帧内划分结果。本发明降低了耗时，且提高了性能。本发明可广泛应用于图像处理技术领域。

本发明公开了一种编码单元分割方法及其系统、装置、存储介质，通过模式设定模块选取MERGE模式为第一次选层的默认模式，选择模块选取率失真代价最小的最优层，并在与最优层相邻的两层里以率失真代价为基准选取其中一层作为次优层，深度设定模块将最优层和次优层的深度设置为深度范围的两个端值后最终分割模块对编码单元进行分割，无须遍历当前编码单元所有的划分模式，从而有效降低编码器的计算复杂度，减少编码时间，提高编码效率。

本发明属于视频编码相关技术领域，具体涉及一种基于卷积神经网络的HEVC帧内CTU划分方法，该方法包括：采用四杈树神经网络模型对视频帧进行处理，得到整帧所有的CTU四杈树结构，采用优化的编码器对当前帧的所有CTU四杈树的结构进行编码划分，根据划分结果对HEVC帧内CTU进行划分；本发明采用多个卷积神经网络对四杈树进行优化处理，构成了四杈树神经网络模型，通过该模型，能够将所有的HEVC帧内CTU进行划分，并且使得每个划分结果的关联性加强，提高了处理数据的效率，降低了编码的时间。