MPEG4 یک فناوری فشرده سازی مناسب برای نظارت است
MPEG4 در نوامبر 1998 اعلام شد. استاندارد بین المللی MPEG4 ، که در ابتدا انتظار می رفت در ژانویه 1999 مورد استفاده قرار گیرد ، نه تنها برای کدگذاری تصویری و صوتی با نرخ بیت خاص مشخص است ، بلکه به تعامل و انعطاف پذیری بیشتر توجه دارد. سیستم های چندرسانه ای. متخصصان گروه متخصص MPEG سخت در تلاشند تا فرمول MPEG-4 را تهیه کنند. استاندارد MPEG-4 عمدتا در تلفن های ویدئویی ، ایمیل ویدئویی و اخبار الکترونیکی و غیره استفاده می شود. نیاز به سرعت انتقال آن نسبتاً کم است ، بین 4800-64000 بیت در ثانیه و وضوح آن بین 4800-64000 بیت / ثانیه است. 176X144 است. MPEG-4 با استفاده از پهنای باند بسیار باریک ، داده ها را از طریق فناوری بازسازی فریم فشرده و انتقال می دهد تا کمترین داده را بدست آورد و بهترین کیفیت تصویر را بدست آورد.
در مقایسه با MPEG-1 و MPEG-2 ، ویژگی MPEG-4 مناسب تر بودن آن برای خدمات تعاملی AV و نظارت از راه دور است. MPEG-4 اولین استاندارد تصویر پویا است که شما را از حالت منفعل به فعال تغییر می دهد (دیگر فقط تماشا نیست ، به شما امکان می دهد وارد شوید ، یعنی تعاملی). ویژگی دیگر آن جامعیت آن است؛ از منبع ، MPEG-4 سعی دارد اشیا natural طبیعی را با اشیا-ساخته شده توسط بشر ترکیب کند (به معنای جلوه های بصری). هدف طراحی MPEG-4 قابلیت انعطاف پذیری و مقیاس پذیری گسترده تری نیز دارد. MPEG4 تلاش می کند تا به دو هدف برسد:
1. ارتباطات چندرسانه ای با نرخ بیت پایین.
2. این سنتز ارتباطات چندرسانه ای در صنایع مختلف است.
با توجه به این هدف ، MPEG4 اشیا AV AV (اشیا Audio صوتی / ویزاول) را معرفی می کند و عملیات تعاملی بیشتری را امکان پذیر می کند. وضوح کیفیت فیلم MPEG-4 نسبتاً بالا است و میزان داده نسبتاً پایین است. دلیل اصلی این است که MPEG-4 از فناوری ACE (Advanced Decoding Efficiency) استفاده می کند ، که مجموعه ای از قوانین الگوریتم کدگذاری است که برای اولین بار در MPEG-4 استفاده می شود. جهت گیری مربوط به ACE می تواند نرخ داده بسیار کمی را فعال کند. در مقایسه با MPEG-2 ، می تواند 90٪ از فضای ذخیره سازی را ذخیره کند. MPEG-4 همچنین می تواند به صورت گسترده در جریان های صوتی و تصویری ارتقا یابد. وقتی فیلم بین 5kb / s و 10Mb / s تغییر می کند ، می توان سیگنال صوتی را بین 2kb / s و 24kb / s پردازش کرد. تأکید بر این نکته مهم است که استاندارد MPEG-4 یک روش فشرده سازی شی گرا است. این به سادگی تقسیم تصویر به برخی از بلوک ها مانند MPEG-1 و MPEG-2 نیست ، اما با توجه به محتوای تصویر ، اشیا ((اشیا، ، شخصیت ها ، پس زمینه) برای انجام رمزگذاری درون قاب و بین قاب جدا شده است و فشرده سازی ، و امکان تقسیم انعطاف پذیر نرخ کد را در میان اشیا different مختلف فراهم می کند. بایت بیشتری به اشیا important مهم اختصاص می یابد و بایت کمتری به اشیا secondary ثانویه اختصاص می یابد. بنابراین ، نسبت فشرده سازی بسیار بهبود یافته است ، به طوری که می تواند نتایج کمتری را با نرخ کد کمتری بدست آورد. روش فشرده سازی شی گرا MPEG-4 باعث می شود عملکرد تشخیص و دقت تصویر بیشتر منعکس شود. عملکرد تشخیص تصویر ، سیستم ضبط کننده فیلم دیسک سخت را قادر می سازد تا عملکرد زنگ هشدار حرکت ویدیویی بهتری داشته باشد.
به طور خلاصه ، MPEG-4 یک استاندارد جدید کدگذاری ویدئو با نرخ بیت پایین و نسبت فشرده سازی بالا است. سرعت انتقال آن 4.8 ~ 64kbit / s است و فضای ذخیره سازی نسبتاً کمی را اشغال می کند. به عنوان مثال ، برای یک صفحه نمایش رنگی با رزولوشن 352 × 288 ، اگر فضای اشغال شده توسط هر فریم 1.3 کیلوبایت باشد ، اگر 25 فریم در ثانیه انتخاب کنید ، به 120 کیلوبایت در ساعت ، 10 ساعت در روز ، 30 روز در ماه نیاز دارید ، و هر ماه 36 گیگابایت در هر کانال. اگر 8 کانال باشد ، 288 گیگابایت GB مورد نیاز است که بدیهی است قابل قبول است.
انواع مختلفی از فناوری ها در این زمینه وجود دارد ، اما ابتدایی ترین و گسترده ترین کاربرد همزمان فناوری های MPEG1 ، MPEG2 ، MPEG4 و سایر فناوری ها هستند. MPEG1 یک فناوری با نسبت فشرده سازی بالا اما کیفیت تصویر ضعیف است. در حالی که فناوری MPEG2 عمدتا بر کیفیت تصویر متمرکز است و نسبت فشرده سازی کم است ، بنابراین به فضای ذخیره سازی زیادی نیاز دارد. امروزه فناوری MPEG4 یک فناوری محبوب تر است ، استفاده از این فناوری می تواند باعث صرفه جویی در فضا ، کیفیت تصویر بالا و پهنای باند انتقال شبکه بالا نباشد. در مقابل ، فناوری MPEG4 در چین از محبوبیت نسبی برخوردار است و توسط متخصصان این صنعت نیز شناخته شده است.
با توجه به مقدمه ، از آنجا که استاندارد MPEG4 از خطوط تلفن به عنوان رسانه انتقال استفاده می کند ، رمزگشاها را می توان با توجه به نیازهای مختلف برنامه ، در محل پیکربندی کرد. تفاوت آن با روش کدگذاری فشرده سازی بر اساس سخت افزار اختصاصی این است که سیستم کدگذاری باز است و در هر زمان می توان ماژول های الگوریتم جدید و م effectiveثری را اضافه کرد. MPEG4 روش فشرده سازی را با توجه به ویژگی های مکانی و زمانی تصویر تنظیم می کند ، به طوری که نسبت فشرده سازی بزرگتر ، جریان کد فشرده سازی پایین تر و کیفیت تصویر بهتر از MPEG1 به دست می آید. اهداف کاربردی آن انتقال باند باریک ، فشرده سازی با کیفیت بالا ، عملیات تعاملی و عباراتی است که اشیا natural طبیعی را با اشیا-ساخته شده توسط بشر ادغام می کند ، در حالی که بر سازگاری و مقیاس پذیری گسترده نیز تأکید دارد. بنابراین ، MPEG4 مبتنی بر ویژگی های توصیف صحنه و طراحی پهنای باند گرا است ، که آن را برای زمینه نظارت تصویری بسیار مناسب می کند ، که عمدتا در جنبه های زیر منعکس می شود:
1. فضای ذخیره سازی ذخیره می شود - فضای مورد نیاز برای استفاده از MPEG4 1/10 از MPEG1 یا M-JPEG است. علاوه بر این ، از آنجا که MPEG4 می تواند روش فشرده سازی را به طور خودکار با توجه به تغییرات صحنه تنظیم کند ، می تواند اطمینان حاصل کند که کیفیت تصویر برای تصاویر ثابت ، صحنه های ورزشی عمومی و صحنه های فعالیت شدید پایین نمی آید. این یک روش رمزگذاری ویدئویی مثرتر است.
2. کیفیت تصویر بالا - بالاترین وضوح تصویر MPEG4 720x576 است که نزدیک به جلوه تصویر DVD است. MPEG4 بر اساس حالت فشرده سازی AV تعیین می کند که می تواند تعریف خوبی را برای اشیا moving در حال حرکت تضمین کند و زمان / زمان / کیفیت تصویر قابل تنظیم است.
3. نیاز به پهنای باند انتقال شبکه زیاد نیست - زیرا نسبت فشرده سازی MPEG4 بیش از 10 برابر MPEG1 و M-JPEG با کیفیت یکسان است ، پهنای باند اشغال شده هنگام انتقال شبکه فقط حدود 1/10 از آن است از MPEG1 و M-JPEG با همان کیفیت. . تحت همان شرایط کیفیت تصویر ، MPEG4 فقط به پهنای باند باریک تری نیاز دارد.
====================
نکات برجسته استاندارد جدید کدگذاری ویدیو H.264
خلاصه:
برای کاربردهای عملی ، توصیه H.264 که به طور مشترک توسط دو سازمان استاندارد استاندارد بین المللی ، ISO / IEC و ITU-T تدوین شده ، پیشرفت جدیدی در فناوری کدگذاری ویدیو است. این ویژگی های منحصر به فرد خود را در برآورد حرکت چند حالته ، تغییر شکل عدد صحیح ، کدگذاری نماد یکپارچه VLC و نحو کدگذاری لایه ای دارد. بنابراین ، الگوریتم H.264 از کارآیی کدگذاری بالایی برخوردار است و چشم انداز کاربرد آن باید بدیهی باشد.
کلمات کلیدی: رمزگذاری تصویری ارتباط تصویر JVT
از دهه 1980 ، معرفی دو سری عمده از استانداردهای کدگذاری ویدیوی بین المللی ، MPEG-x که توسط ISO / IEC و H.26x فرموله شده توسط ITU-T فرموله شده ، دوره جدیدی از ارتباطات ویدئویی و برنامه های ذخیره سازی را آغاز می کند. از توصیه های کدگذاری ویدئویی H.261 گرفته تا H.262 / 3 ، MPEG-1/2/4 و غیره ، یک هدف مشترک وجود دارد که به طور مداوم دنبال می شود ، یعنی به دست آوردن هرچه بیشتر تحت کمترین نرخ بیت ممکن (یا ظرفیت ذخیره سازی). کیفیت تصویر خوب علاوه بر این ، با افزایش تقاضای بازار برای انتقال تصویر ، مسئله چگونگی انطباق با ویژگی های انتقال کانال های مختلف به طور فزاینده ای آشکار شده است. این مسئله ای است که با استاندارد جدید ویدیویی H.264 که توسط IEO / IEC و ITU-T توسعه داده شده است ، حل خواهد شد.
H.261 اولین پیشنهاد برنامه نویسی ویدئو است ، هدف این است که استاندارد برنامه نویسی ویدئو در برنامه های تلویزیونی کنفرانس شبکه ISDN و برنامه های تلفن ویدیویی را استاندارد کنید. الگوریتمی که استفاده می کند ترکیبی از یک روش کدگذاری ترکیبی برای پیش بینی بین قاب است که می تواند افزونگی زمانی و تبدیل DCT را کاهش دهد که می تواند افزونگی فضایی را کاهش دهد. با کانال ISDN مطابقت دارد و نرخ کد خروجی آن p × 64kbit / s است. وقتی مقدار p کم است ، فقط تصاویر با تعریف پایین قابل انتقال هستند که برای تماس های تلویزیونی رو در رو مناسب است. وقتی مقدار p زیاد باشد (مانند p> 6) ، تصاویر تلویزیونی کنفرانسی با تعریف بهتر قابل انتقال هستند. H.263 یک استاندارد فشرده سازی تصویر با نرخ بیت پایین را توصیه می کند ، که از نظر فنی بهبود و گسترش H.261 است و از برنامه هایی با سرعت بیت کمتر از 64 کیلوبیت بر ثانیه پشتیبانی می کند. اما در واقع H.263 و بعد از آن H.263 + و H.263 ++ برای پشتیبانی از برنامه های کامل بیت ریت توسعه یافته اند. از آنجا که از بسیاری از فرمت های تصویر مانند Sub-QCIF ، QCIF ، CIF ، 4CIF و حتی 16CIF و فرمت های دیگر پشتیبانی می کند ، می توان دریافت.
میزان کد استاندارد MPEG-1 حدود 1.2 مگابیت در ثانیه است و می تواند 30 فریم عکس با کیفیت CIF (352 288 261) ارائه دهد. برای ذخیره ویدئو و پخش دیسک های CD-ROM فرموله شده است. الگوریتم اساسی قسمت برنامه نویسی ویدیوی استاندارد MPEG-l مشابه H.263 / H.1 است و اقداماتی مانند پیش بینی بین فریم جبران شده با حرکت ، DCT دو بعدی و کدگذاری طول اجرا VLC نیز به کار گرفته شده است. علاوه بر این ، مفاهیمی مانند درون فریم (I) ، قاب پیش بینی (P) ، قاب پیش بینی دو طرفه (B) و قاب DC (D) برای بهبود بیشتر کارایی کدگذاری معرفی شده اند. بر اساس MPEG-2 ، استاندارد MPEG-4 بهبودهایی در بهبود وضوح تصویر و سازگاری با تلویزیون دیجیتال ایجاد کرده است. به عنوان مثال ، دقت بردار حرکت آن نیم پیکسل است. در عملیات رمزگذاری (مانند برآورد حرکت و DCT) بین "قاب" و "زمینه" تفاوت قائل شوید. فناوری های مقیاس پذیری کدگذاری ، مانند مقیاس پذیری مکانی ، مقیاس پذیری زمانی و مقیاس پذیری نسبت سیگنال به نویز را معرفی کنید. استاندارد MPEG-4 که در سالهای اخیر معرفی شده است ، کدگذاری را بر اساس اشیا audio دیداری و شنیداری (AVO: Audio-Visual Object) معرفی کرده است که قابلیت تعاملی و کارایی کدگذاری ارتباطات ویدئویی را بسیار بهبود می بخشد. MPEG-4 همچنین برخی از فن آوری های جدید مانند کدگذاری شکل ، DCT تطبیقی ، کدگذاری شی ویدئویی با شکل دلخواه و غیره را به کار گرفت. اما رمزگذار ویدئویی اساسی MPEG-263 هنوز متعلق به نوعی رمزگذار ترکیبی مشابه H.XNUMX است.
به طور خلاصه ، توصیه H.261 یک برنامه نویسی ویدیویی کلاسیک است ، H.263 توسعه آن است و به تدریج در عمل جایگزین آن خواهد شد ، عمدتا در ارتباطات استفاده می شود ، اما گزینه های بیشمار H.263 اغلب کاربران را از دست می دهد. مجموعه استانداردهای MPEG از برنامه هایی برای رسانه های ذخیره سازی به برنامه هایی تبدیل می شوند که با رسانه های انتقال سازگار می شوند. چارچوب اساسی کدگذاری ویدئویی اصلی آن با H.261 سازگار است. در میان آنها ، بخش چشم نواز "برنامه نویسی مبتنی بر شی" از MPEG-4 هنوز وجود دارد که موانع فنی وجود دارد و کاربرد آن دشوار است. بنابراین ، پیشنهاد جدید کدگذاری ویدئویی H.264 که بر این اساس ساخته شده است ، بر نقاط ضعف این دو غلبه می کند ، یک روش کدگذاری جدید را در چارچوب کدگذاری ترکیبی معرفی می کند ، کارآیی کدگذاری را بهبود می بخشد و با کاربردهای عملی روبرو می شود. در همان زمان ، توسط دو سازمان بزرگ استاندارد بین المللی به طور مشترک تدوین شد و چشم انداز کاربرد آن باید بدیهی باشد.
1. H.264 JVT
H.264 یک استاندارد جدید رمزگذاری ویدئویی دیجیتال است که توسط تیم مشترک ویدیویی (JVT: تیم ویدیوی مشترک) VCEG (گروه متخصصان برنامه نویسی برنامه نویسی) از ITU-T و MPEG (گروه متخصصان برنامه نویسی متحرک) از ISO / IEC تهیه شده است. این قسمت 10 بخش H.264 ITU-T و MPEG-4 ISO / IEC است. درخواست پیش نویس در ژانویه 1998 آغاز شد. اولین پیش نویس در سپتامبر 1999 به پایان رسید. مدل آزمون TML-8 در مه 2001 ساخته شد. هیئت مدیره FCD از H.264 در پنجمین جلسه JVT در ژوئن 5 تصویب شد. این استاندارد در حال تدوین است و انتظار می رود در نیمه اول سال آینده به طور رسمی تصویب شود.
H.264 ، مانند استاندارد قبلی ، یک حالت کدگذاری ترکیبی از DPCM به علاوه کدگذاری تبدیل است. با این وجود ، یک طراحی اجمالی از "بازگشت به اصول" ، بدون گزینه های زیادی را اتخاذ می کند و عملکرد فشرده سازی بسیار بهتری نسبت به H.263 ++ به دست می آورد. این قابلیت سازگاری با کانالهای مختلف را تقویت می کند و یک ساختار و نحو "دوستانه شبکه" را اتخاذ می کند. منجر به پردازش خطاها و از بین رفتن بسته ها می شود. طیف گسترده ای از اهداف برنامه برای پاسخگویی به نیازهای سرعت های مختلف ، رزولوشن های مختلف و موارد مختلف انتقال (ذخیره سازی) ؛ سیستم اصلی آن باز است و برای استفاده نیازی به حق چاپ نیست.
از نظر فنی ، نکات برجسته بسیاری در استاندارد H.264 وجود دارد ، مانند کدگذاری نماد یکپارچه VLC ، برآورد جابجایی چند حالت با دقت بالا ، تبدیل عدد صحیح بر اساس بلوک های 4 × 4 و نحو کدگذاری لایه ای. این اقدامات باعث می شود که الگوریتم H.264 دارای راندمان کدگذاری بسیار بالایی باشد ، با همان کیفیت تصویر بازسازی شده ، می تواند حدود 50٪ نرخ کد را نسبت به H.263 ذخیره کند. ساختار جریان کد H.264 دارای انطباق پذیری قوی در شبکه ، قابلیت بازیابی خطا را افزایش می دهد و می تواند به خوبی با کاربرد شبکه های IP و بی سیم سازگار شود.
2. نکات برجسته فنی H264
طرح لایه ای
الگوریتم H.264 را می توان از نظر مفهومی به دو لایه تقسیم کرد: لایه برنامه نویسی ویدیو (VCL: Video Coding Layer) مسئول نمایش کارآمد محتوای ویدئو است و لایه انتزاع شبکه (NAL: Network Abstraction Layer) مسئول روش مناسب است. مورد نیاز شبکه است. بسته بندی و انتقال داده ها. ساختار سلسله مراتبی رمزگذار H.264 در شکل 1 نشان داده شده است. یک رابط مبتنی بر بسته بین VCL و NAL تعریف شده است و بسته بندی و سیگنالینگ مربوطه بخشی از NAL است. به این ترتیب ، وظایف کارایی کدگذاری بالا و دوستی شبکه به ترتیب توسط VCL و NAL انجام می شود.
لایه VCL شامل کدگذاری ترکیبی جبران حرکت مبتنی بر بلوک و برخی از ویژگی های جدید است. مانند استانداردهای قبلی کدگذاری ویدئو ، H.264 توابع مانند پیش پردازش و پس از پردازش را در پیش نویس شامل نمی شود ، که می تواند انعطاف پذیری استاندارد را افزایش دهد.
NAL وظیفه استفاده از قالب تقسیم بندی شبکه لایه پایین برای محصور کردن داده ها ، از جمله کادربندی ، سیگنالینگ کانال منطقی ، استفاده از اطلاعات زمان بندی یا سیگنال پایان توالی و غیره را دارد. به عنوان مثال ، NAL از فرمت های انتقال ویدئو در کانال های مدار سوئیچ و با استفاده از RTP / UDP / IP از فرمت های انتقال ویدئو در اینترنت پشتیبانی می کند. NAL شامل اطلاعات هدر مخصوص خود ، اطلاعات ساختار قطعه و اطلاعات بار واقعی ، یعنی داده های VCL لایه فوقانی است. (در صورت استفاده از فناوری تقسیم بندی داده ها ، داده ها ممکن است از چندین قسمت تشکیل شده باشند).
برآورد حرکت چند حالت با دقت بالا
H.264 از بردارهای حرکتی با دقت 1/4 یا 1/8 پیکسل پشتیبانی می کند. با دقت 1/4 پیکسل ، می توان از فیلتر 6 ضربه برای کاهش نویز با فرکانس بالا استفاده کرد. برای بردارهای حرکتی با دقت 1/8 پیکسل ، می توان از فیلتر پیچیده 8 ضربه ای استفاده کرد. هنگام انجام برآورد حرکت ، رمزگذار همچنین می تواند فیلترهای "افزایش یافته" درون یابی را برای بهبود اثر پیش بینی انتخاب کند
در پیش بینی حرکت H.264 ، می توان یک بلوک ماکرو (MB) را به شکل زیر به بلوک های مختلف تقسیم کرد تا 2 حالت مختلف از اندازه بلوک را تشکیل دهد. این تقسیم انعطاف پذیر و دقیق چند حالته برای شکل اشیا moving متحرک واقعی در تصویر مناسب تر است و بسیار بهبود می یابد
دقت برآورد حرکت بهبود یافته است. به این ترتیب ، هر بلوک ماکرو می تواند شامل 1 ، 2 ، 4 ، 8 یا 16 بردار حرکت باشد.
در H.264 ، رمزگذار مجاز به استفاده از بیش از یک فریم قبلی برای برآورد حرکت است که اصطلاحاً فناوری مرجع چند فریم است. به عنوان مثال ، اگر 2 یا 3 فریم فقط فریم های مرجع کدگذاری شده باشند ، رمزگذار برای هر ماکروبلاک هدف قاب پیش بینی بهتری را انتخاب می کند و برای هر ماکروبلاک مشخص می کند که کدام فریم برای پیش بینی استفاده می شود.
4 × 4 بلوک تحول عدد صحیح
H.264 مانند استاندارد قبلی است و از کدگذاری تبدیل مبتنی بر بلاک برای پسماند استفاده می کند ، اما تبدیل به جای یک عمل عدد واقعی یک عمل عدد صحیح است و اساساً فرآیند آن مشابه DCT است. مزیت این روش این است که همان تغییر شکل دقیق و تغییر شکل معکوس در رمزگذار و رسیور مجاز است ، که استفاده از محاسبات ساده با نقطه ثابت را تسهیل می کند. به عبارت دیگر ، در اینجا هیچ "خطای تحول معکوس" وجود ندارد. واحد تحول 4 × 4 بلوک است ، به جای 8 × 8 بلوک که در گذشته معمولاً استفاده می شد. با کاهش اندازه بلوک تبدیل ، تقسیم جسم متحرک دقیق تر است. به این ترتیب ، نه تنها مقدار محاسبه تحول نسبتاً کم است ، بلکه خطای همگرایی در لبه جسم متحرک نیز بسیار کاهش می یابد. به منظور ایجاد روش تبدیل بلوک در اندازه کوچک ، تفاوت مقیاس خاکستری بین بلوک ها در منطقه صاف بزرگتر در تصویر تولید نمی شود ، ضریب DC 16 4 × 4 بلوک داده روشنایی ماکروبلاک درون قاب (هر بلوک کوچک یک ، درمجموع 16) دومین تبدیل بلوک 4 × 4 را انجام می دهد و تحول بلوک 2 × 2 را بر روی ضرایب DC 4 بلوک 4 × 4 داده رنگی (یک مورد برای هر بلوک کوچک ، در مجموع 4) انجام می دهد.
به منظور بهبود توانایی کنترل نرخ H.264 ، تغییر اندازه مرحله اندازه گیری به جای افزایش ثابت در حدود 12.5٪ کنترل می شود. نرمال سازی دامنه ضریب تبدیل در فرآیند کوانتاسیون معکوس پردازش می شود تا از پیچیدگی محاسباتی بکاهد. به منظور تأکید بر وفاداری رنگ ، یک اندازه گام کمی برای ضریب رنگی در نظر گرفته شده است.
VLC متحد
در H.264 دو روش برای کدگذاری آنتروپی وجود دارد. یکی استفاده از VLC یکپارچه (UVLC: Universal VLC) برای رمزگذاری همه نمادها و دیگری استفاده از رمزگذاری دودویی حساب دودویی سازگار با محتوا (CABAC: Context-Adaptive). رمزگذاری ریاضی دودویی). CABAC یک گزینه اختیاری است ، عملکرد کدگذاری آن کمی بهتر از UVLC است ، اما پیچیدگی محاسباتی نیز بالاتر است. UVLC از یک مجموعه کلمه کد با طول نامحدود استفاده می کند و ساختار طراحی بسیار منظمی است و می توان اشیا different مختلف را با همان جدول کد کدگذاری کرد. تولید این کد رمز آسان است ، و رمزگشای می تواند به راحتی پیشوند کد رمز را شناسایی کند ، و در صورت بروز خطای کمی ، UVLC می تواند به سرعت مجددا هماهنگ سازی را بدست آورد.
در اینجا ، x0 ، x1 ، x2 ، ... بیت های INFO هستند و 0 یا 1 هستند. شکل 4 9 کلید رمز اول را نشان می دهد. به عنوان مثال ، کلمه شماره 4 حاوی INFO01 است. طراحی این کلمه کد برای هماهنگ سازی سریع برای جلوگیری از خطاهای بیت بهینه شده است.
پیش بینی
در استانداردهای قبلی سری H.26x و سری MPEG-x ، از روش های پیش بینی بین قاب استفاده شده است. در H.264 ، هنگام رمزگذاری تصاویر داخل ، پیش بینی درون قاب در دسترس است. برای هر بلوک 4 × 4 (به استثنای روش خاص بلوک لبه) ، هر پیکسل را می توان با جمع وزنی متفاوت از 17 نزدیکترین پیکسل رمزگذاری شده قبلی (برخی از وزنها 0) ، پیش بینی کرد ، یعنی این پیکسل 17 پیکسل در گوشه بالا سمت چپ بلوک بدیهی است که این نوع پیش بینی درون فریم به موقع نیست ، بلکه یک الگوریتم کدگذاری پیش بینی شده است که در حوزه فضایی انجام می شود ، که می تواند افزونگی فضایی بین بلوک های مجاور را از بین ببرد و فشرده سازی م effectiveثرتری را به دست آورد.
در مربع 4 × 4 ، a ، b ، ... ، p 16 پیکسل برای پیش بینی است ، و A ، B ، ... ، P پیکسل رمزگذاری شده است. به عنوان مثال ، مقدار نقطه m را می توان با فرمول (J + 2K + L + 2) / 4 یا با فرمول (A + B + C + D + I + J + K + L) / 8 پیش بینی کرد ، و غیره با توجه به نقاط مرجع پیش بینی انتخاب شده ، 9 حالت مختلف برای درخشندگی وجود دارد ، اما فقط 1 حالت برای پیش بینی رنگ آمیزی درون قاب وجود دارد.
برای محیط های IP و بی سیم
پیش نویس H.264 شامل ابزارهایی برای از بین بردن خطا برای تسهیل انتقال فیلم فشرده در محیطی با خطاهای مکرر و از بین رفتن بسته ها ، مانند قدرت انتقال در کانال های تلفن همراه یا کانال های IP است.
به منظور مقاومت در برابر خطاهای انتقال ، همگام سازی زمان در جریان ویدئویی H.264 می تواند با استفاده از تازه سازی تصویر درون فریم انجام شود و همگام سازی فضایی توسط برنامه نویسی ساختاری برش پشتیبانی می شود. در همان زمان ، به منظور تسهیل هماهنگ سازی مجدد پس از یک خطای کمی ، یک نقطه هماهنگ سازی خاص نیز در داده های ویدئویی یک تصویر ارائه شده است. علاوه بر این ، تازه سازی ماکروبلاک درون فریم و ماکروبلاک های مرجع متعدد به رمزگذار اجازه می دهد تا هنگام تعیین حالت ماکروبلاک ، نه تنها کارایی کدگذاری ، بلکه ویژگی های کانال انتقال را نیز در نظر بگیرد.
علاوه بر استفاده از تغییر اندازه گام کمی برای سازگاری با نرخ کد کانال ، در H.264 ، روش تقسیم داده ها اغلب برای مقابله با تغییر نرخ کد کانال استفاده می شود. به طور کلی ، مفهوم تقسیم بندی داده ها تولید داده های ویدئویی با اولویت های مختلف در رمزگذار برای پشتیبانی از کیفیت خدمات QoS در شبکه است. به عنوان مثال ، یک روش تقسیم داده مبتنی بر نحو برای تقسیم داده های هر فریم به چند قسمت با توجه به اهمیت آن اتخاذ شده است ، که به شما اجازه می دهد در هنگام سرریز شدن بافر اطلاعات کم اهمیت را دور بیندازید. همچنین می توان از روش مشابه تقسیم داده های زمانی استفاده کرد که با استفاده از چندین فریم مرجع در فریم های P و B محقق می شود.
در کاربرد ارتباطات بی سیم ، می توانیم با تغییر در دقت اندازه گیری یا وضوح فضا / زمان هر فریم ، از تغییرات بزرگ بیت کانال بی سیم پشتیبانی کنیم. با این حال ، در مورد چندپخشی ، نیازی به پاسخگویی رمزگذار به نرخ بیت های مختلف نیست. بنابراین ، بر خلاف روش FGS (مقیاس پذیری خوب گرانول) که در MPEG-4 استفاده می شود (با کارایی پایین تر) ، H.264 به جای کدگذاری سلسله مراتبی ، از فریم های SP جابجایی جریان استفاده می کند.
========================
3. عملکرد TML-8
TML-8 حالت آزمایشی H.264 است ، از آن برای مقایسه و آزمایش کارایی کدگذاری ویدیویی H.264 استفاده کنید. PSNR ارائه شده توسط نتایج آزمون به وضوح نشان داده است که در مقایسه با عملکرد MPEG-4 (ASP: Advanced Simple Profile) و H.263 ++ (HLP: High Latency Profile) ، نتایج H.264 دارای مزایای آشکاری هستند. همانطور که در شکل 5 نشان داده شده است.
PSNR H.264 به وضوح بهتر از MPEG-4 (ASP) و H.263 ++ (HLP) است. در تست مقایسه 6 سرعت ، PSNR H.264 به طور متوسط 2dB بالاتر از MPEG-4 (ASP) است. به طور متوسط 3dB بالاتر از H.263 (HLP) است. 6 نرخ آزمون و شرایط مربوط به آنها عبارتند از: نرخ 32 کیلوبیت بر ثانیه ، نرخ فریم 10f / s و فرمت QCIF. نرخ 64 کیلوبیت بر ثانیه ، نرخ فریم 15f / s و فرمت QCIF ؛ نرخ 128 کیلوبیت بر ثانیه ، نرخ فریم 15 فریم بر ثانیه و فرمت CIF ؛ نرخ 256 کیلوبیت بر ثانیه ، نرخ فریم 15f / s و فرمت QCIF ؛ نرخ 512 کیلوبیت بر ثانیه ، نرخ فریم 30f / s و فرمت CIF ؛ نرخ 1024 کیلوبیت بر ثانیه ، نرخ فریم 30f / s و فرمت CIF.
4. دشواری تحقق
برای هر مهندسی که برنامه های کاربردی را در نظر می گیرد ، ضمن توجه به عملکرد برتر H.264 ، مطمئناً سختی اجرای آن را می سنجد. به طور کلی ، بهبود عملکرد H.264 به قیمت افزایش پیچیدگی بدست می آید. با این حال ، با توسعه فناوری ، این افزایش پیچیدگی در محدوده قابل قبول فناوری فعلی یا آینده نزدیک ما است. در حقیقت ، با توجه به محدودیت پیچیدگی ، H.264 برخی از الگوریتم های بهبود یافته با محاسبات گران قیمت را اتخاذ نکرده است. به عنوان مثال ، H.264 از فناوری جبران حرکت جهانی که در MPEG-4 ASP استفاده می شود ، استفاده نمی کند. افزایش پیچیدگی قابل توجه کدگذاری.
H.264 و MPEG-4 هر دو شامل فریم های B و دقیق تر و جمع و جورتر هستندفیلترهای درون یابی حرکت lex از MPEG-2 ، H.263 یا MPEG-4 SP (نمایه ساده). به منظور برآورد کامل بهتر حرکت ، H.264 به طور قابل توجهی انواع اندازه بلوک متغیر و تعداد فریم مرجع متغیر را افزایش داده است.
الزامات حافظه RAM H.264 عمدتا برای تصاویر فریم مرجع استفاده می شود و بیشتر فیلم های رمزگذاری شده از 3 تا 5 فریم تصاویر مرجع استفاده می کنند. این به ROM بیشتر از رمزگذار ویدئویی معمول نیاز ندارد ، زیرا H.264 UVLC از یک جدول جستجو برای انواع داده ها استفاده می کند
5. سخنان پایانی
H.264 چشم انداز برنامه های گسترده ای مانند ارتباطات ویدئویی در زمان واقعی ، انتقال ویدیوی اینترنتی ، خدمات پخش ویدئو ، ارتباطات چند نقطه ای در شبکه های ناهمگن ، ذخیره سازی فیلم فشرده ، پایگاه داده های ویدئویی و غیره را دارد.
مشخصات فنی توصیه های H.264 را می توان در سه جنبه خلاصه کرد. یکی تمرکز بر عملی بودن ، اتخاذ فناوری بالغ ، پیگیری کارایی کدگذاری بالاتر و بیان مختصر است. مورد دیگر تمرکز بر انطباق با شبکه های تلفن همراه و IP و استفاده از فناوری سلسله مراتبی است که رمزگذاری و کانال را به طور رسمی جدا می کند ، در اصل ویژگی های کانال را بیشتر در الگوریتم رمزگذار منبع در نظر می گیرد. سوم این است که در چارچوب اساسی رمزگذار ترکیبی ، اجزای اصلی آن همه ساخته شده اند. پیشرفت های عمده ، مانند برآورد حرکت چند حالته ، پیش بینی درون قاب ، پیش بینی چند فریم ، VLC یکپارچه ، تحول عدد صحیح دو بعدی 4 × 4 و غیره
تاکنون H.264 نهایی نشده است ، اما به دلیل نسبت فشرده سازی بالاتر و سازگاری کانال بهتر ، در زمینه ارتباطات و ذخیره سازی ویدیوی دیجیتال بیشتر و بیشتر مورد استفاده قرار خواهد گرفت و پتانسیل توسعه آن نامحدود است.
در آخر ، باید توجه داشت که عملکرد برتر H.264 بدون هزینه نیست ، اما هزینه افزایش زیادی در پیچیدگی محاسبات است. طبق تخمین ها ، پیچیدگی محاسباتی رمزگذاری تقریباً سه برابر H.263 و پیچیدگی رمزگشایی تقریباً 2 برابر H.263 است.
===========================
محصولات فناوری H.264 و MPEG-4 را به درستی درک کرده و تبلیغات غلط سازنده را از بین ببرید
به رسمیت شناخته شده است که استاندارد کدک ویدئویی H.264 دارای درجه خاصی از پیشرفت است ، اما استاندارد رمزگذار ویدیو به خصوص به عنوان یک محصول نظارتی نیست ، زیرا دارای نقایص فنی نیز می باشد.
در استاندارد MPEG-4 Part 10 به عنوان استاندارد کدک ویدئویی H.264 وجود دارد ، به این معنی که فقط به قسمت دهم MPEG-4 متصل است. به عبارت دیگر ، H.264 از محدوده استاندارد MPEG-4 فراتر نمی رود. بنابراین نادرست است که استاندارد H.264 و کیفیت انتقال فیلم در اینترنت بالاتر از MPEG-4 است. انتقال از MPEG-4 به H.264 حتی بیشتر قابل درک نیست. ابتدا اجازه دهید ما به درستی توسعه MPEG-4 را درک کنیم:
1. MPEG-4 (SP) و MPEG-4 (ASP) فناوری های اولیه محصولات MPEG-4 هستند
MPEG-4 (SP) و MPEG-4 (ASP) در سال 1998 ارائه شد. فن آوری آن تا به امروز توسعه یافته است ، و در واقع برخی از مشکلات وجود دارد. بنابراین ، پرسنل فنی دولتی فعلی که توانایی توسعه MPEG-4 را دارند ، این فناوری عقب مانده را در محصولات نظارت تصویری یا کنفرانس ویدیویی MPEG-4 به کار نگرفته اند. مقایسه بین محصولات H.264 (محصولات فنی پس از 2005) و فناوری MPEG-4 اولیه (SP) تبلیغ شده در اینترنت واقعاً نامناسب است. آیا مقایسه عملکرد محصولات IT در سال 2005 و 2001 می تواند قانع کننده باشد؟ . آنچه در اینجا باید توضیح داده شود این است كه این یك رفتار اعتیاد آور فنی تولیدكنندگان است.
لطفاً نگاهی به مقایسه فناوری بیندازید:
برخی از تولیدکنندگان مقایسه های نادرست دارند: با همان کیفیت تصویر بازسازی شده ، H.264 نرخ بیت را 50٪ در مقایسه با H.263 + و MPEG-4 (SP) کاهش می دهد.
این داده ها اساساً داده های محصول جدید فناوری H.264 را با داده های محصول اولیه فناوری MPEG-4 مقایسه می کنند ، که برای مقایسه محصولات فعلی فناوری MPEG-4 بی معنی و گمراه کننده است. چرا محصولات H.264 در سال 4 داده ها را با محصولات جدید فناوری MPEG-2006 مقایسه نکردند؟ توسعه فناوری کدگذاری ویدئویی H.264 در واقع بسیار سریع است ، اما جلوه ویدیویی رمزگشایی ویدئویی آن فقط معادل اثر ویدئویی Windows Media Player 9.0 مایکروسافت (WM9) است. در حال حاضر ، به عنوان مثال ، فناوری MPEG-4 مورد استفاده توسط سرور ویدئویی دیسک سخت و تجهیزات کنفرانس ویدیویی Huayi به مشخصات فنی (WMV) در فن آوری رمزگشایی ویدیو رسیده است و همگام سازی صدا و تصویر کمتر از 0.15 ثانیه (در 150 میلی ثانیه است) ) H.264 و Microsoft WM9 نمی توانند مطابقت داشته باشند
2. در حال توسعه تکنولوژی رمزگشایی ویدئویی MPEG-4:
در حال حاضر ، فناوری رمزگشایی ویدئویی MPEG-4 به سرعت در حال توسعه است ، نه آنطور که تولیدکنندگان در اینترنت هیاهو می کنند. مزیت استاندارد تصویر H.264 فعلی فقط در فشرده سازی و ذخیره سازی آن است که 15-20٪ کمتر از پرونده ذخیره سازی MPEG-4 فعلی محصولات Huayi است ، اما قالب ویدیویی آن یک قالب استاندارد نیست. دلیل این امر این است که H.264 فرمت ذخیره سازی مورد استفاده در سطح بین المللی را اتخاذ نمی کند و پرونده های ویدیویی آن با نرم افزار شخص ثالث مورد استفاده بین المللی باز نمی شوند. بنابراین ، در برخی از دولت ها و سازمان های داخلی ، هنگام انتخاب تجهیزات ، به وضوح بیان شده است که پرونده های ویدئویی باید با نرم افزار شخص ثالث پذیرفته شده در سطح بین المللی باز شوند. این برای نظارت بر محصولات بسیار مهم است. به ویژه هنگام سرقت ، پلیس باید مدارک ، تجزیه و تحلیل و غیره را بدست آورد.
نسخه ارتقا یافته رسیور ویدئویی MPEG-4 (WMV) است و صدا با توجه به فناوری کدگذاری و تجربه هر سازنده متفاوت است. محصولات دارای فن آوری جدید MPEG-4 بالغ در حال حاضر از سال 2005 تا 2006 از نظر عملکرد بسیار بالاتر از محصولات فناوری H.264 هستند.
از نظر انتقال: در مقایسه با MPE جدیدمحصول G-4 H.264 با تکنولوژی ، نقایص زیر وجود دارد:
1. همگام سازی صوتی و تصویری: همگام سازی صوتی و تصویری H.264 دارای مشکلاتی است که عمدتا از نظر تأخیر است. عملکرد انتقال H.264 برابر است با Windows Media Player 9.0 (WM9) مایکروسافت. در حال حاضر ، فناوری MPEG-4 که توسط سرور ویدئویی شبکه Huayi پذیرفته شده است ، در زمینه نظارت تصویری و کنفرانس ویدیویی کمتر از 0.15 ثانیه (150 میلی ثانیه) تأخیر به دست می آورد ، که از دسترس محصولات H.264 خارج است.
2. کارایی انتقال شبکه: H.2 را اتخاذ کنید
محصول دیگر ما:
