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

　　引言

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

　　根據(jù)EMC委托IDC做的研究報告^[1]，2012年全球各種數(shù)據(jù)的總量為2.84ZB。到2020年，這個數(shù)字將上升到40ZB，IDC稱之為“數(shù)字宇宙(Digital Universe)”?！皵?shù)字宇宙”中有分析利用價值的部分才是目前熱議的“大數(shù)據(jù)(Big Data)”，IDC估計2012年的數(shù)據(jù)中“大數(shù)據(jù)”占23%，2020年這個比例將增長到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)控視頻所占比例會增長到65%。2020年仍將處于絕對領先地位，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)控視頻需要進行存儲、傳輸和分析。其中，中國所占比例將達到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!

　　面對如此海量的監(jiān)控視頻，需要對視頻編碼和分析技術進行基礎性研究并實現(xiàn)重大突破。以北京為例，2008年奧運會前全市監(jiān)控攝像頭數(shù)量就超過了五十萬個，每小時產生的視頻時長就相當于中央電視臺建臺以來的所有庫存視頻。如果要在全市范圍內調度、使用這些視頻，即使全部采用當前的國家標準AVS或國際標準AVC/H.264，也需要500000(攝像頭)×10M(比特/秒/攝像頭)=5000Gbps的網絡帶寬，這是目前的網絡傳輸條件不可能支持的。這些監(jiān)控視頻往往要存儲數(shù)周乃至數(shù)月，盡管是分散在各個單位和部門，但整個北京為存儲監(jiān)控視頻付出的存儲成本十分龐大。仍然按當前的視頻標準壓縮效率計算，每個小時產生的視頻總量仍達到500000(攝像頭)×3600(秒/小時)×10M(比特/秒/攝像頭)=18000(Tb/小時)=2.25(PB/小時)。按照IDC對2012年存儲價格保守估計^[1]，北京市每小時存儲監(jiān)控視頻的成本需要2800萬元，一個月的成本就是200億。為了降低存儲代價，往往只能以損失視頻質量為代價，但這是和監(jiān)控視頻需要滿足識別需要這個根本目的相抵觸的。因此，從傳輸和存儲成本考慮，都需要研究更高壓縮效率的視頻編碼技術和標準。

　　2002年以前，我國的視頻壓縮一直直接采用國際視頻編碼標準。2002年后，為了支持國內音視頻產業(yè)的健康發(fā)展，規(guī)避國際標準背后高額專利費當時已經不斷出現(xiàn)的糾紛，工業(yè)和信息化部(原信息產業(yè)部)組織成立了數(shù)字音視頻編解碼技術標準工作組(簡稱AVS工作組)。此后，AVS工作組開始起草自主知識產權的國家標準《信息技術先進音視頻編碼》，并于2006年頒布為國家標準GB/T 20090.2-2006^[4]。AVS的編碼效率與同期國際標準MPEG-4 AVC/H.264相當^[5~6]，在圖像質量基本不損失的前提下對高清視頻的壓縮效率能達到150：1(以下談到壓縮效率時同此條件)。當然，有些視頻監(jiān)控應用中用戶將壓縮效率參數(shù)設為600：1甚至更高，但圖像質量損失嚴重，對后續(xù)的使用會帶來負面影響，例如圖像中對象識別率下降等。

　　從2007年開始，AVS工作組開始面向行業(yè)應用對GB/T 20090.2進行了定向擴展，開始制定面向視頻監(jiān)控應用的伸展檔次(簡稱AVS-S)，2009年起草完成。這個標準新增了面向視頻監(jiān)控的一些技術特性，但在編碼效率這個核心指標方面并無明顯提高，總體上處在與H.264相當?shù)乃健ＵJ識到只有大幅度超越國際標準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月開始啟動了第二代視頻監(jiān)控標準(AVS-S2)的制定工作。2013年6月，包括AVS-S2在內的AVS視頻編碼標準由IEEE頒布為編號1857的標準。

　　AVS-S2的編碼效率有了大幅度提升，主要是因為采用了背景建模技術，對監(jiān)控視頻的編碼效率比H.264/AVC、以及2006年發(fā)布的AVS標準性能提高了一倍，編碼效率達到300：1左右，達到當前最新國際標準H.265/HEVC同等的水平^[7]。

　　AVS–S2新增背景建模技術和感興趣區(qū)域提取等兩項技術，是國外任何其他編碼標準所沒有使用的。其中，背景建模技術同樣可以用于增強其他國際標準的編碼壓縮性能，例如H.265/HEVC。實驗表明，在H.265/HEVC參考軟件中加入AVS-S2背景建模技術后，針對監(jiān)控視頻可以將其壓縮效率再提高一倍，達到600：1左右。目前，AVS工作組正在將這套方法應用到正在制定AVS2標準中(稱為AVS2-S)，預計在監(jiān)控視頻編碼方面將比H.265/HEVC高一倍，這將是國際范圍內監(jiān)控視頻編碼壓縮效率的最高水平。

　　監(jiān)控視頻編碼標準發(fā)展歷程

　　視頻編碼研究的目標是通過各種技術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，當時的通信條件便更加難以企及。因此，從1952年貝爾實驗室Cutler等人進行DPCM (Differential Pulse Code Modulation)技術研究以來，視頻編碼技術一直得到高度重視和持續(xù)研究。　　

?

　　上世紀80年代，為了數(shù)字電視和視頻通信的需要，國際標準組織開始綜合已有技術成果來制定視頻編碼標準，形成了以塊為單元的預測加變換的混合編碼框架(block-based hybrid coding framework)，并相繼出臺了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視頻編碼標準。其中，國際標準化組織(ISO)和國際電工技術委員會(IEC)在1994年出臺的MPEG-2標準在數(shù)字電視領域得到了廣泛采用，壓縮效率可以達到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年出臺的H.263標準也是同一時代的技術，在視頻會議領域得到廣泛應用。第一代數(shù)字視頻監(jiān)控系統(tǒng)主要采用MPEG-2或H.263標準，某些系統(tǒng)出于實現(xiàn)成本考慮還對標準進行了一定的簡化。

　　2003年第二代視頻編碼技術國際標準發(fā)布。國際標準為ITU-T H.264和ISO/IEC MPEG-4 AVC，系同一套技術標準文本由兩個渠道出版^[2~3]。因為前面提到的原因，我國在國際標準約一年之后制定出了自主知識產權的國家標準，并經過芯片實現(xiàn)等產業(yè)化驗證后，于2006年2月頒布為《信息技術先進音視頻編碼第二部分視頻》國家標準(國標號GB/T 20090.2-2006，通常簡稱為AVS視頻編碼標準)^[4]。4個月后，微軟主導的VC-1視頻編碼標準由美國電影電視工程師協(xié)會SMPTE頒布為行業(yè)標準。這三個標準通常被稱為第二代視頻編碼標準的三個代表，其編碼效率均比第一代提高了一倍，編碼壓縮效率達到150：1左右，即可以把一路高清視頻壓縮到10Mbps左右。第二代標準在數(shù)字電視和視頻通信領域得到應用后，也很快被視頻監(jiān)控系統(tǒng)所采用。目前基于IP的網絡視頻監(jiān)控系統(tǒng)，主要采用H.264標準。但廠商為了降低成本，往往會把標準中較為復雜的編碼工具剪裁掉，而不同廠商剪裁的方式又各不相同，因此雖然都號稱基于H.264標準，但不同廠商的產品間之間是難以互聯(lián)互通，需要使用軟件或者硬件轉碼器進行轉換。