Презентация на тему: Введение в мультимедийные базы данных 11

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

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

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:

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]

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

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

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

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

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

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

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)

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

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

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

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)

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

Организация поиска по видеоданным Дерево сегментов для примера с предыдущего слайда:

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)

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

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)

Ссылки на литературу [1] Д.Кубасов и Д.Ватолин. Обзор методов компенсации движения. Графика и Мультимедиа, 2005 (http://cgm.graphicon.ru/content/view/76/64/) [2] ITU-T Recommendation H.261. Video Codec for Audiovisual Services at px64 kbit/s. ITU-T, 1993