支持監(jiān)控視頻高效壓縮與識(shí)別的IEEE 1857標(biāo)準(zhǔn)

　　摘要：我國技術(shù)專家為主研究制定的數(shù)字視頻編解碼技術(shù)標(biāo)準(zhǔn)AVS于2013年6月4日被國際電子電氣工程師協(xié)會(huì)(IEEE)標(biāo)準(zhǔn)化委員會(huì)頒布為IEEE 1857標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)獨(dú)具特色的一個(gè)部分是針對(duì)視頻監(jiān)控的監(jiān)控檔次AVS-S2，編碼壓縮性能達(dá)到目前視頻監(jiān)控業(yè)界主流使用的H.264(又稱MPEG-4 AVC)標(biāo)準(zhǔn)的兩倍，而且在碼流層支持感興趣區(qū)域的自動(dòng)提取與表達(dá)。本文介紹了AVS-S2的制定過程、關(guān)鍵技術(shù)及其與其它標(biāo)準(zhǔn)的壓縮效率對(duì)比情況。

　　引言

　　視頻監(jiān)控是繼數(shù)字電視、視頻會(huì)議之后的又一個(gè)重大視頻應(yīng)用，而且日益成為“體量”最大的一個(gè)視頻系統(tǒng)：千千萬萬個(gè)攝像頭通過寬帶網(wǎng)絡(luò)聯(lián)系在一起，形成了一張覆蓋全球的“視聽感知網(wǎng)”，從此人類社會(huì)的運(yùn)行狀態(tài)都被海量的攝像頭采集下來。對(duì)大量攝像頭采集的海量監(jiān)控視頻有效傳輸、存儲(chǔ)、分析和識(shí)別是信息技術(shù)面臨的重大挑戰(zhàn)。

　　根據(jù)EMC委托IDC做的研究報(bào)告^[1]，2012年全球各種數(shù)據(jù)的總量為2.84ZB。到2020年，這個(gè)數(shù)字將上升到40ZB，IDC稱之為“數(shù)字宇宙(Digital Universe)”?！皵?shù)字宇宙”中有分析利用價(jià)值的部分才是目前熱議的“大數(shù)據(jù)(Big Data)”，IDC估計(jì)2012年的數(shù)據(jù)中“大數(shù)據(jù)”占23%，2020年這個(gè)比例將增長到33%。據(jù)IDC測算，2010年“大數(shù)據(jù)”的一半是監(jiān)控視頻。2015年，監(jiān)控視頻所占比例會(huì)增長到65%。2020年仍將處于絕對(duì)領(lǐng)先地位，占44%(其次是25%的交易數(shù)據(jù)、20%的醫(yī)療數(shù)據(jù)、10%的娛樂和社交媒體)。

　　按照IDC的上述測算，2020年將有5.8ZB的監(jiān)控視頻需要進(jìn)行存儲(chǔ)、傳輸和分析。其中，中國所占比例將達(dá)到21%。也就是說，2020年在我國將有1.2ZB(12億TB)的監(jiān)控視頻需要處理。這是一個(gè)什么樣的規(guī)模呢?據(jù)測算，人類歷史上說過的所有的話都數(shù)字化也就是5EB，1.2ZB是其240倍!

　　面對(duì)如此海量的監(jiān)控視頻，需要對(duì)視頻編碼和分析技術(shù)進(jìn)行基礎(chǔ)性研究并實(shí)現(xiàn)重大突破。以北京為例，2008年奧運(yùn)會(huì)前全市監(jiān)控?cái)z像頭數(shù)量就超過了五十萬個(gè)，每小時(shí)產(chǎn)生的視頻時(shí)長就相當(dāng)于中央電視臺(tái)建臺(tái)以來的所有庫存視頻。如果要在全市范圍內(nèi)調(diào)度、使用這些視頻，即使全部采用當(dāng)前的國家標(biāo)準(zhǔn)AVS或國際標(biāo)準(zhǔn)AVC/H.264，也需要500000(攝像頭)×10M(比特/秒/攝像頭)=5000Gbps的網(wǎng)絡(luò)帶寬，這是目前的網(wǎng)絡(luò)傳輸條件不可能支持的。這些監(jiān)控視頻往往要存儲(chǔ)數(shù)周乃至數(shù)月，盡管是分散在各個(gè)單位和部門，但整個(gè)北京為存儲(chǔ)監(jiān)控視頻付出的存儲(chǔ)成本十分龐大。仍然按當(dāng)前的視頻標(biāo)準(zhǔn)壓縮效率計(jì)算，每個(gè)小時(shí)產(chǎn)生的視頻總量仍達(dá)到500000(攝像頭)×3600(秒/小時(shí))×10M(比特/秒/攝像頭)=18000(Tb/小時(shí))=2.25(PB/小時(shí))。按照IDC對(duì)2012年存儲(chǔ)價(jià)格保守估計(jì)^[1]，北京市每小時(shí)存儲(chǔ)監(jiān)控視頻的成本需要2800萬元，一個(gè)月的成本就是200億。為了降低存儲(chǔ)代價(jià)，往往只能以損失視頻質(zhì)量為代價(jià)，但這是和監(jiān)控視頻需要滿足識(shí)別需要這個(gè)根本目的相抵觸的。因此，從傳輸和存儲(chǔ)成本考慮，都需要研究更高壓縮效率的視頻編碼技術(shù)和標(biāo)準(zhǔn)。

　　2002年以前，我國的視頻壓縮一直直接采用國際視頻編碼標(biāo)準(zhǔn)。2002年后，為了支持國內(nèi)音視頻產(chǎn)業(yè)的健康發(fā)展，規(guī)避國際標(biāo)準(zhǔn)背后高額專利費(fèi)當(dāng)時(shí)已經(jīng)不斷出現(xiàn)的糾紛，工業(yè)和信息化部(原信息產(chǎn)業(yè)部)組織成立了數(shù)字音視頻編解碼技術(shù)標(biāo)準(zhǔn)工作組(簡稱AVS工作組)。此后，AVS工作組開始起草自主知識(shí)產(chǎn)權(quán)的國家標(biāo)準(zhǔn)《信息技術(shù)先進(jìn)音視頻編碼》，并于2006年頒布為國家標(biāo)準(zhǔn)GB/T 20090.2-2006^[4]。AVS的編碼效率與同期國際標(biāo)準(zhǔn)MPEG-4 AVC/H.264相當(dāng)^[5~6]，在圖像質(zhì)量基本不損失的前提下對(duì)高清視頻的壓縮效率能達(dá)到150：1(以下談到壓縮效率時(shí)同此條件)。當(dāng)然，有些視頻監(jiān)控應(yīng)用中用戶將壓縮效率參數(shù)設(shè)為600：1甚至更高，但圖像質(zhì)量損失嚴(yán)重，對(duì)后續(xù)的使用會(huì)帶來負(fù)面影響，例如圖像中對(duì)象識(shí)別率下降等。

　　從2007年開始，AVS工作組開始面向行業(yè)應(yīng)用對(duì)GB/T 20090.2進(jìn)行了定向擴(kuò)展，開始制定面向視頻監(jiān)控應(yīng)用的伸展檔次(簡稱AVS-S)，2009年起草完成。這個(gè)標(biāo)準(zhǔn)新增了面向視頻監(jiān)控的一些技術(shù)特性，但在編碼效率這個(gè)核心指標(biāo)方面并無明顯提高，總體上處在與H.264相當(dāng)?shù)乃?。認(rèn)識(shí)到只有大幅度超越國際標(biāo)準(zhǔn)H.264，才能大幅度降低監(jiān)控系統(tǒng)成本，AVS工作組從2010年3月開始啟動(dòng)了第二代視頻監(jiān)控標(biāo)準(zhǔn)(AVS-S2)的制定工作。2013年6月，包括AVS-S2在內(nèi)的AVS視頻編碼標(biāo)準(zhǔn)由IEEE頒布為編號(hào)1857的標(biāo)準(zhǔn)。

　　AVS-S2的編碼效率有了大幅度提升，主要是因?yàn)椴捎昧吮尘敖＜夹g(shù)，對(duì)監(jiān)控視頻的編碼效率比H.264/AVC、以及2006年發(fā)布的AVS標(biāo)準(zhǔn)性能提高了一倍，編碼效率達(dá)到300：1左右，達(dá)到當(dāng)前最新國際標(biāo)準(zhǔn)H.265/HEVC同等的水平^[7]。

　　AVS–S2新增背景建模技術(shù)和感興趣區(qū)域提取等兩項(xiàng)技術(shù)，是國外任何其他編碼標(biāo)準(zhǔn)所沒有使用的。其中，背景建模技術(shù)同樣可以用于增強(qiáng)其他國際標(biāo)準(zhǔn)的編碼壓縮性能，例如H.265/HEVC。實(shí)驗(yàn)表明，在H.265/HEVC參考軟件中加入AVS-S2背景建模技術(shù)后，針對(duì)監(jiān)控視頻可以將其壓縮效率再提高一倍，達(dá)到600：1左右。目前，AVS工作組正在將這套方法應(yīng)用到正在制定AVS2標(biāo)準(zhǔn)中(稱為AVS2-S)，預(yù)計(jì)在監(jiān)控視頻編碼方面將比H.265/HEVC高一倍，這將是國際范圍內(nèi)監(jiān)控視頻編碼壓縮效率的最高水平。

　　監(jiān)控視頻編碼標(biāo)準(zhǔn)發(fā)展歷程

　　視頻編碼研究的目標(biāo)是通過各種技術(shù)手段大幅度降低視頻碼率，否則即使是單路數(shù)字視頻都難以正常傳輸。以高清晰度視頻為例，每秒鐘的數(shù)據(jù)量為 1920×1080×24比特×30幀每秒 = 1492992000比特每秒，約1.5Gbps，即使以今天的帶寬條件，傳輸這樣的一路視頻都耗資巨大，當(dāng)時(shí)的通信條件便更加難以企及。因此，從1952年貝爾實(shí)驗(yàn)室Cutler等人進(jìn)行DPCM (Differential Pulse Code Modulation)技術(shù)研究以來，視頻編碼技術(shù)一直得到高度重視和持續(xù)研究。　　

?

　　上世紀(jì)80年代，為了數(shù)字電視和視頻通信的需要，國際標(biāo)準(zhǔn)組織開始綜合已有技術(shù)成果來制定視頻編碼標(biāo)準(zhǔn)，形成了以塊為單元的預(yù)測加變換的混合編碼框架(block-based hybrid coding framework)，并相繼出臺(tái)了ITU-T H.261/H.262/H.263/H.264視頻編碼建議和ISO/IEC MPEG-1/MPEG-2/MPEG-4視頻編碼標(biāo)準(zhǔn)。其中，國際標(biāo)準(zhǔn)化組織(ISO)和國際電工技術(shù)委員會(huì)(IEC)在1994年出臺(tái)的MPEG-2標(biāo)準(zhǔn)在數(shù)字電視領(lǐng)域得到了廣泛采用，壓縮效率可以達(dá)到75：1，可以把原來一路1.5Gbps的高清視頻流編碼壓縮到20Mbps左右。國際電信聯(lián)盟1995年出臺(tái)的H.263標(biāo)準(zhǔn)也是同一時(shí)代的技術(shù)，在視頻會(huì)議領(lǐng)域得到廣泛應(yīng)用。第一代數(shù)字視頻監(jiān)控系統(tǒng)主要采用MPEG-2或H.263標(biāo)準(zhǔn)，某些系統(tǒng)出于實(shí)現(xiàn)成本考慮還對(duì)標(biāo)準(zhǔn)進(jìn)行了一定的簡化。

　　2003年第二代視頻編碼技術(shù)國際標(biāo)準(zhǔn)發(fā)布。國際標(biāo)準(zhǔn)為ITU-T H.264和ISO/IEC MPEG-4 AVC，系同一套技術(shù)標(biāo)準(zhǔn)文本由兩個(gè)渠道出版^[2~3]。因?yàn)榍懊嫣岬降脑颍覈趪H標(biāo)準(zhǔn)約一年之后制定出了自主知識(shí)產(chǎn)權(quán)的國家標(biāo)準(zhǔn)，并經(jīng)過芯片實(shí)現(xiàn)等產(chǎn)業(yè)化驗(yàn)證后，于2006年2月頒布為《信息技術(shù)先進(jìn)音視頻編碼第二部分視頻》國家標(biāo)準(zhǔn)(國標(biāo)號(hào)GB/T 20090.2-2006，通常簡稱為AVS視頻編碼標(biāo)準(zhǔn))^[4]。4個(gè)月后，微軟主導(dǎo)的VC-1視頻編碼標(biāo)準(zhǔn)由美國電影電視工程師協(xié)會(huì)SMPTE頒布為行業(yè)標(biāo)準(zhǔn)。這三個(gè)標(biāo)準(zhǔn)通常被稱為第二代視頻編碼標(biāo)準(zhǔn)的三個(gè)代表，其編碼效率均比第一代提高了一倍，編碼壓縮效率達(dá)到150：1左右，即可以把一路高清視頻壓縮到10Mbps左右。第二代標(biāo)準(zhǔn)在數(shù)字電視和視頻通信領(lǐng)域得到應(yīng)用后，也很快被視頻監(jiān)控系統(tǒng)所采用。目前基于IP的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)，主要采用H.264標(biāo)準(zhǔn)。但廠商為了降低成本，往往會(huì)把標(biāo)準(zhǔn)中較為復(fù)雜的編碼工具剪裁掉，而不同廠商剪裁的方式又各不相同，因此雖然都號(hào)稱基于H.264標(biāo)準(zhǔn)，但不同廠商的產(chǎn)品間之間是難以互聯(lián)互通，需要使用軟件或者硬件轉(zhuǎn)碼器進(jìn)行轉(zhuǎn)換。