MathJax.Hub.Config({tex2jax: {inlineMath: [['$', '$'], ['\\(', '\\)']]}});
  哈尔滨工业大学学报  2017, Vol. 49 Issue (5): 68-72  DOI: 10.11918/j.issn.0367-6234.201610081
0

引用本文 

沈秋, 李小凡, 严小乐, 孔繁锵. 无人机视频的分层表达与实时压缩[J]. 哈尔滨工业大学学报, 2017, 49(5): 68-72. DOI: 10.11918/j.issn.0367-6234.201610081.
SHEN Qiu, LI Xiaofan, YAN Xiaole, KONG Fanqiang. Hierarchical description and real-time compression for UAV video[J]. Journal of Harbin Institute of Technology, 2017, 49(5): 68-72. DOI: 10.11918/j.issn.0367-6234.201610081.

基金项目

国家自然科学基金 (61201365, 61401200);江苏省普通高校研究生科研创新计划项目 (SJLX15_0138);中央高校基本科研业务费专项资金资助

作者简介

沈秋 (1982—),女,博士,讲师

通信作者

沈秋,shenqiu@nuaa.edu.cn

文章历史

收稿日期: 2016-10-21
无人机视频的分层表达与实时压缩
沈秋, 李小凡, 严小乐, 孔繁锵     
南京航空航天大学 航天学院,南京 210016
摘要: 为克服无人机视频应用中计算能力和传输带宽的限制,提出一种视频分层表达方法,实现快速、高质量、灵活的视频编码.将无人机视频分为背景层和目标层,并分别采用基于全局运动估计和基于局部块匹配的方法进行压缩,压缩后的码流可以根据实际的网络情况和应用需求进行单独传输或组合传输.实验结果表明:在极低码率如50 kbit/s时,H.264的PSNR低于28 dB,且图像主观质量超出可接受范围,而采用分层表达中的背景层压缩,可以在保证PSNR在28 dB以上,且图像细节清晰、主观质量较高;在码率较高时,采用背景层和目标层结合,在同等码率条件下,目标的细节比H.264更清晰;整个压缩过程消耗的时间只有H.264的18%.本文方法在不降低视频质量的同时提高了压缩效率,且码流具备灵活性,适用于低延时、低带宽、复杂的无人机应用.
关键词: 视频压缩     无人机视频     分层表达     全局运动估计     H.264    
Hierarchical description and real-time compression for UAV video
SHEN Qiu, LI Xiaofan, YAN Xiaole, KONG Fanqiang     
College of Astronautics, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China
Abstract: To overcome the limitations of compute capability and bandwidth in UAV (Unmanned Aerial Vehicle) video, this paper proposes a novel video compression algorithm based on hierarchical description. The video is split into background layer and object layer. Background layer is encoded with global motion estimation, while object layer is encoded with local block matching. The experimental results demonstrate that, when bandwidth is narrow e.g. 50 kbit/s, using background layer encoding can achieve higher PSNR than H.264, and the subjective quality is much more acceptable; in most cases, combining background and object layer can give more details than H.264 with the same bitrate; the consuming time is only 18% of H.264's. Additionally, alternative bitstream can be extracted for different bandwidth. Consequently, the proposed algorithm is suitable for low latency and complexity applications in UAV video due to its good performance, high efficiency and flexibility.
Key words: video compression     UAV videos     hierarchical description     global motion estimation     H.264    

视频作为无人机的眼睛在其任务执行中发挥着不可替代的作用,但却因其数据量巨大一直是无线传输的挑战,因此,视频压缩是无人机应用中非常重要的环节. H.264作为当前最成熟、稳定的编码算法正广泛应用于各个行业,也是无人机视频压缩的主流算法.文献[1-3]分别实现了基于H.264的无人机视频压缩的软硬件系统,文献[4-5]则针对无人机带宽条件分别提出了码率控制算法和抗干扰算法.尽管如此,H.264复杂的编码过程和无人机有限的计算、传输能力,使得无人机视频传输仍然存在质量不高、延时较大等问题.为了克服这些不足近几年出现了一些非标准算法,如文献[6-8]采用的图像拼接方法,文献[9-10]研究的全局运动估计算法,文献[11]提出的基于感兴趣区域的方法,都一定程度上提高了无人机视频压缩的效率和质量.然而这些方法仍无法在压缩质量、可靠性、复杂度、灵活性之间取得最优的综合性能.

无人机视频往往具有一定的特殊性:飞行高度远大于地表的起伏程度,因此可以将视频背景简化为平面;视频中背景的运动主要来自于无人机的运动,具有一致性;视频中运动目标,则存在独立的运动特点.结合以上特征,本文提出一种视频的分层表达方法,将独立运动物体从背景中分割出来,分别构建背景层和目标层,并根据每层各自的特点设计有针对性的压缩算法.其中,背景层采用基于全局运动估计的方法,目标层则采用局部块匹配的方法.这样不仅可以获得更快的计算速度和更高的压缩比,同时可以保留精确的运动信息和纹理信息,而且还可以根据实际应用场景的需求,灵活地选择不同的码流,提供更高效、可靠的视频传输方案.

1 基于全局运动估计的运动目标分割算法

由于无人机机载设备的限制,所用运动估计算法复杂度不能太高,所以本文对原有的全局运动估计算法进行改进,具体流程如图 1所示.将图像划分为固定数量的网格,并在网格中提取固定数量的特征点,这样不仅降低了传统特征点提取算法的复杂度,也避免了陷入局部最优.为了适应旋转和尺度变化并达到实时性要求,本文选用文献[12]提出的ORB (ORiented Brief) 进行特征点提取与匹配,采用文献[13]提出的RANSAC (RANdom Sample Consensus) 去除误匹配,并使用最小二乘法得到视频全局运动估计的初步结果.因无人机视频中独立运动目标的存在会对视频全局运动估计产生影响,接下来提取与全局运动不一致的区域,并进一步剔除其中的特征点,再重新进行全局运动参数的估算.最后根据精确计算的全局运动参数,结合帧差法、形态学操作完成视频中运动目标的分割.

图 1 基于全局运动估计的运动目标分割流程图 Figure 1 Object segmentation based on global motion estimation
2 基于分层表达的无人机视频压缩

本文提出的分层表达主要包括两层 (如图 2所示):第一层为背景层,由静止的地面背景组成,在视频中的运动主要来自于相机运动,因此可以通过建立全局运动模型来刻画背景的运动;第二层为目标层,由实际运动的物体组成,在视频中体现出来的运动是由相机运动和物体运动共同组成,无法通过简单的运动模型来刻画.因此,表达中的每一层应采用不同的方法进行压缩.

图 2 视频的分层表达结构 Figure 2 Hierarchical description of video

基于分层表达的无人机视频压缩算法主要由两部分组成 (如图 3所示),分别为目标分割和分层压缩.在目标分割部分,先对输入视频进行预处理以消除噪声对目标分割的影响,再采用第1节描述的基于全局运动估计的方法来进行分割;在分层压缩部分,根据各自的特征,背景层采用结合全局运动估计的方法,目标层则采用基于局部块匹配的方法,两者结合起来得到最终编码码流.

图 3 视频分层表达编码框架图 Figure 3 The frame of video coding based on hierarchical description
2.1 背景层压缩

背景层压缩算法是在H.264基础上实现的,通过在运动估计部分增加全局运动估计实现低复杂度的背景层压缩算法,如图 4虚线框所示.通过判断当前帧中每个宏块的位置,决定该宏块采用全局运动估计还是H.264的基于宏块的运动估计.

图 4 背景层压缩算法编码框图 Figure 4 Coding method of background layer

具体实现步骤如下 (假设一个图像组由N帧组成):

1) 关键帧的选择.关键帧是背景层中要编码的第一帧,随后的帧根据全局运动参数映射到前一帧坐标系中,如图 5所示.

图 5 背景层编码模式判定 Figure 5 Determination of coding mode in background layer

2) 利用全局运动估计的参数矩阵Hnn-1,将当前帧Fn映射到参考帧Fn-1坐标系中,计算每一个宏块 (x, y) 映射后的新坐标 (x′, y′)(注:该坐标是指宏块左上角像素坐标).

3) 当映射后的宏块坐标超过参考帧的范围时,被标识为未曾出现区域 (图中斜线区域),使用非skip模式编码;而运动目标出现的区域 (图中灰色区域) 也使用非skip模式编码;其余宏块 (图中白色区域) 使用skip模式编码.映射参数将在补充增强信息 (SEI) 中编码.

2.2 目标层压缩

运动目标构成目标层,采用基于局部块匹配的方式进行编码. 图 6是目标层编码模式判定示意图,背景黑色表示像素值为0.具体过程为:

图 6 目标层编码模式判定 Figure 6 Determination of coding mode in object layer

1) 利用运动目标分割的结果,得到运动目标整体在图像坐标系中位于左上角的坐标Ptl(xmin, ymin) 和右下角的坐标Pbr(xmax, ymax).

2) 运动目标所在区域为以宏块为单位的包括Ptl(xmin, ymin) 和Pbr(xmax, ymax) 的最小矩形框.

3) 目标区域的宏块采用H.264帧间预测模式进行编码,而非运动目标区域采用H.264的skip模式编码.通过这种方式,可以使编码速度大大增加,同时编码性能也得以提高.

3 实验结果与分析

实验分为仿真视频和实际航拍视频两组,限于篇幅,每组只选择一个视频进行展示.实验的硬件平台为HP Z820图形工作站 (主频2.3 GHz、内存14 G),软件平台为Win7操作系统+ Microsoft Visual Studio 2010、OpenCV2.3.1以及H.264压缩标准参考软件平台JM12.1.

3.1 仿真视频实验

仿真视频是利用谷歌地球的飞行模拟器从一定海拔高度,以一定的速度和航线对地面垂直俯拍所得,视频信息如表 1所示,并且仿真视频中没有运动目标.

表 1 仿真视频参数信息 Table 1 Parameters of artificial video

对该视频分别采用本文提出的背景层压缩算法和H.264进行编码,得到的R-D (Rate-Distortion,率失真) 曲线如图 7所示.当码率小于75 kbit/s时,本文提出的算法不需要将运动矢量及模式选择信息写入到码流中,因而可以以很低的码率得到较好的压缩质量.但随着码率的增加,本文算法的PSNR却没有像H.264一样较大幅度的提高,主要原因是:一方面,H.264压缩算法的运动搜索采用1/4像素精度,高于本文使用的基于特征匹配的全局运动估计;另一方面,以较少的全局运动参数代替所有宏块的运动参数一定存在微小的误差,这些误差导致重建的图像与原始图像会有1个像素左右的位移,这虽然不影响视频的主观质量,但以像素为单位进行计算的PSNR值却会受到极大的影响. 图 8给出了两种方法的在不同码率下重建图像的局部细节,可见无论在低码率还是高码率的情况下,本文算法的重建图像的主观质量都高于H.264.

图 7 低码率区间编码率失真曲线对比 Figure 7 R-D curve comparison at low bitrate
图 8 不同码率下的主观质量对比 Figure 8 Comparison of subjective quality at different bitrate

本文算法相比于H.264的最大优势在于计算效率,从表 2可以看出,本文方法因采用全局运动估计代替了H.264中最耗时的基于宏块的运动估计和模式选择,大大减少了编码时间.

表 2 仿真视频运动估计时间及压缩编码时间比较 Table 2 Comparison of time consuming of motion estimation and encoding
3.2 实际航拍视频实验

该视频于2015年6月7日在南京市江宁区一处农田附近使用大疆精灵3无人机拍摄,视频中有2辆并行行驶的汽车以及行人等运动目标.无人机对地俯拍,行人在视频影像中所占像素数量相对于汽车而言可以忽略不计,属于极微小的运动目标.本文为简化处理,认为视频中独立运动目标数量为2个,分割出的运动目标也为2个.

获取的视频信息如表 3所示.由于背景层与原始视频相比缺少了运动目标,无法进行客观质量的评价,在相似码率下比较本文方法的背景层压缩和H.264压缩的主观质量,图 9给出了背景部分的局部放大图.可见本文算法在rate = 134.3 kbit/s时背景部分边缘清晰、纹理详细,而H.264在rate=158.8 kbit/s时压缩后的背景部分非常模糊.

表 3 实际航拍视频参数信息 Table 3 Parameters of aerial video
图 9 本文方法的背景层和H.264压缩主观质量对比 Figure 9 Subject quality comparison of background layer with H.264

目标层压缩实验用于比较本文提出的目标层压缩算法和H.264标准压缩算法压缩目标层的效率和性能.如图 10所示,两者R-D曲线非常接近,甚至目标层编码略高于H.264.而在压缩效率方面,由于目标层压缩是大部分的宏块直接采用skip模式编码,不需再进行复杂的模式选择,编码所需时间仅相当于H.264的6%左右 (如表 4所示).

图 10 目标层压缩R-D曲线对比 Figure 10 R-D curve comparison of object layer
表 4 目标层压缩时间对比 Table 4 Coding time comparison of object layer with H.264

为了达到更好的压缩效果,本文提出的视频的分层表达可以实现对背景层和目标层采用不同压缩方法和压缩质量,从而适应不同的带宽条件和应用需求.一方面,在极低码率时,无法提供运动目标的细节,则可以只传输背景层码流,使接收方对视频的整体内容有更好的体验,并且背景层码流还可以通过全局运动补偿实现快速的全景图拼接;另一方面,在一般码率条件下,本文方法可以为背景层和目标层设置不同的量化参数,充分保证目标层的质量. 图 11为在rate=203.89 kbit/s时,背景层采用量化参数QP=42,而目标层采用量化参数QP=35时编码重建帧的主观图.可见本文算法重建帧中背景和目标的清晰度不同,目标区域更加清晰,而背景区域相对目标而言较模糊,从而实现了对目标区域的感兴趣编码,并且在相似码率下,本文算法背景部分和目标部分都比H.264标准压缩算法重建帧更清晰.此外,从表 5可知,本文算法的编码时间也远远小于H.264.

图 11 实际航拍视频压缩后主观质量对比 Figure 11 Subject quality comparison of compressed aerial video
表 5 实际航拍视频压缩编码时间比较 Table 5 Coding time comparison of aerial video
4 结语

本文针对无人机视频的特征和特定需求,提出一种新的视频压缩编码方法,通过分层表达对视频进行分解和压缩,从而提供了更高效、快速、灵活的无人机视频传输方案.一方面,该算法在大部分码率条件下都可以得到高于H.264的压缩质量,同时需要的计算时间只有H.264的18%左右;另一方面,这种分层的表达形式可以根据实际的传输条件,选择不同的码流,具有更好的适应性.本文算法的不足在于:在高码率时PSNR值较低,体现为整体画面可能与实际存在微小的位置偏移;当无人机飞行高度低,背景不能被视为平面的情况时,压缩效果将降低.因此下一步的研究重点是进一步借鉴更新的编码算法,优化编码步骤,建立更精确的运动模型,提高算法的适用性和有效性.

参考文献
[1] 李枫. 基于H. 264的航拍视频实时压缩系统[D]. 北京: 北京理工大学, 2011.
LI Feng.System of real-time compression of aerial video based on H.264[D]. Beijing: Beijing Institute of Technology, 2011.
[2] 郭昕. 微型无人机视频压缩的研究[D]. 天津: 天津大学, 2012.
GUO Xin.Research of video compression on micro-UAV[D]. Tianjin: Tianjin University, 2012.
[3] 吴笑天, 鲁剑锋, 王宇庆, 等. 基于DM368的无人机视频压缩系统的设计[J]. 液晶与显示, 2014, 29(6): 1117-1123.
WU Xiaotian, LU Jianfeng, Wang Yuqing, et al. Design of UAV video encoding system based on DM368[J]. Chinese Journal of Liquid Crystals & Displays, 2014, 29(6): 1117-1123.
[4] 赵春蕾, 戴明, 尹传历. 无人机机载侦察视频的高效视频码率控制[J]. 光学精密工程, 2015, 23(12): 3500-3508.
ZHAO Chunlei, DAI Ming, YIN Chuanli. HEVC rate control for unmanned aerial vehicle airborne reconnaissance[J]. Optics & Precision Engineering, 2015, 23(12): 3500-3508.
[5] 张露. 无人机低时延抗误码音视频编解码系统软件设计[D]. 杭州: 浙江大学, 2016.
ZHANG Lu. Software design of low-latency error-resilient audio-video codec system for UAV[D]. Hangzhou: Zhejiang University, 2016.
[6] KRUTZ A, GLANTZ A, SIKORA T. Recent advances in video coding using static background models[C] //Picture Coding Symposium (PCS). Nagoya: IEEE, 2010: 462-465.
[7] 谢清鹏. 无人机序列图像压缩方法研究[D]. 武汉: 华中科技大学, 2005.
XIE Qingpeng.Research on compression methods of unmanned aerial vehicle's image sequence[D]. Wuhan: Huazhong University of Science and Technology, 2005.
[8] KANG C B, DING W R, YUAN Y X, et al. Integrated compression coding method for UAV reconnaissance video and still image[M]. Foundations of Intelligent Systems. Berlin, Heidelberg:Springer, 2014: 1067-1075.
[9] 王云丽, 张鑫, 高超, 等. 航拍视频拼图中基于特征匹配的全局运动估计方法[J]. 航空学报, 2008, 29(5): 022-1225.
WANG Yunli, ZHANG Xin, GAO Chao, et al. Feature matching based global motion estimation in aerial video mosaicing[J]. Acta Aeronautica et Astronautica Sinica, 2008, 29(5): 022-1225.
[10] 沈秋, 李小凡, 孔繁锵, 等. 基于仿射模型的无人机视频实时压缩算法[J]. 电子与信息学报, 2014, 36(12): 010-2860.
SHEN Qiu, LI Xiaofan, KONG Fanqiang, et al. A real-time video compression for UAV based on affine model[J]. Journal of Electronics & Information Technology, 2014, 36(12): 010-2860.
[11] BHASKARANAND M, GIBSON J D. Low-complexity video encoding for UAV reconnaissance and surveillance[C] //Military Communications Conference, MILCOM 2011. Baltimore: IEEE, 2011: 1633-1638.
[12] RUBLEE E, RABAUD V, KONOLIGE K, et al. ORB: an efficient alternative to SIFT or SURF[C] //2011 IEEE International Conference on Computer Vision (ICCV). Barcelona:IEEE, 2011: 2564-2571.
[13] 张波, 罗海勇, 刘冀伟, 等. 视觉传感器网络中基于RANSAC的顽健定位算法[J]. 通信学报, 2013, 34(8): 62-69.
ZHANG Bo, LUO Haiyong, LIU Jiwei, et al. RANSAC based robust localization algorithm for visual sensor network[J]. Journal on Communications, 2013, 34(8): 62-69.