基于HEVC的视频教学资源库建设研究

蓝敏

摘要：首先讨论了视频教学资源库在校园数字书馆的建设意义，然后分析了HEVC的一些关键技术，最后就建设视频资源库建设提出技术解决方案。

关键词：HECV；视频教学；视频编码；资源库

中图分类号：TP399 文献标识码：A 文章编号：1009-3044（2016）01-0222-02

Research on Video Teaching Resource Library Construction Based on HEVC

LAN Min

（Changsha Vocational & Technical College， Changsha 410217， China）

Abstract： First discusses the construction significance of the video teaching resource library in the campus digital library， then analyzes some of the key technologies of HEVC， finally technical solutions of building the video resource library are put forward.

Key words：HECV； video teaching； video encoding； resource library

1 综述

不论是影响广泛的公开课、大型的慕课，还是短小精悍的微课，都离不开视频资源的对它们的支撑作用。视频教学资源库，是教师组织教学、学生自主学习的重要基础，也是校园数字图书馆建设的重要组成部分。在未来的五年甚至十年，高效视频编码HEVC（High Efficiency Video Coding）将会成为视频编解码的主流，是下一代视频压缩标准的代表之作。因此，建设基于HEVC的视频教学资源库，将成为各大高校的必由之路。

2 校园视频资源库建设的意义

视频教学资源库，最早要从美国麻省理工学院（MIT）提出的公开课OCW（Open Course Ware）说起。OCW是一项伟大创举，MIT将其所开设课程的教学资料、视频和课件等公布于网上，供全世界的求知者无偿免费使用。该计划重新定义和阐释了现代大学的功能，对全球教育产生了深远影响。截至目前，网易公开课已有4000多门，新浪、搜狐、腾讯等都提供了众多的国际名校视频公开课。在开放资源理念的指引下，国家教育部和财政部从2003年开始投入专项经费实施高等院校国家精品课程、视频公开课和精品资源共享课建设计划[1]。“十二五”期间，计划建设1000门精品视频公开课、对已有国家精品课程升级改造完善、建设5000门国家级精品资源共享课。

在视频公开课的基础上，涌现出了“慕课”（MOOC，Massive Open Online Course）这样的新型在线课程。2012年是“慕课元年”，“慕课”在短时间里得到了巨大发展。“慕课”作为一种新兴的教育模式，在扩大高等教育规模，提高高等教育质量，创新人才培养理念，实现教育的多样化和个性化等方面发挥了重要作用[2]。而视频资源，是“慕课”及其重要组成部分。

此外，以短视频为主要载体的微课，由于其精致的教学设计、灵活的自主学习方式和制作的简便易学，在国内外教育领域中得到了快速的发展。其“短小精悍”的特征，“见微知著，小课堂大教学”的口号，使其在众多教育资源中显得格外注目。

不论是影响广泛的公开课、大型的慕课，还是短小精悍的微课，都离不开视频资源的对它们的支撑作用。视频教学资源库，是教师组织教学、学生自主学习的重要基础，也是我国短缺的一种教学资源。国家推出的一系列教育资源建设方针政策，目的就是解决高校教学中优质资源不足、东西部教育发展不平衡、教育质量下降等问题。建设视频教学资源库，既可以推动优质教学资源共享、实现效益最大化，又能加快数字图书馆建设速度，充分缓解优质教学资源总量不足、分布不均、共享困难的矛盾。

3 HEVC关键技术分析

HEVC（High Efficiency Video Coding）是两大视频编码标准组织ITU-T/VCEG和ISO-IEC/MPEG联合提出的第三代视频编码标准。此前两大组织成立的视频编码联合组（JCT-VC）提出的H.264/AVC，是比较成熟的第二代视频编码标准。随着公众对网络带宽、4G、3D、高清电视需求的不断攀升，对高清视频解压缩提出了更高的要求，原有的H.264/AVC技术已经不能满足大众的需求，HEVC便应运而生了[3]。相比于H.264，HEVC的计算复杂度提高1到3倍，但编码效率提高了一倍[4]。这就意味着，下一代视频压缩标准采用后，视频的带宽成本将降至现有的一半。手机用户在线观看HEVC压缩后的视频，流量费会大大减少，并且更加流畅。

HEVC相比于H.264新增了许多新的特性：灵活的四叉树分割结构、更多角度的帧内预测技术、改进运动矢量预测技术（AMVP）、新的帧间预测模式（Merge模式）、可变PU尺寸的运动补偿、样本自适应偏移（SAO）滤波等技术。

新技术的应用增加了编码复杂度，以帧内预测技术为例：HEVC帧内编码单元CU的划分比H.264复杂了不少，从16×16宏块变成了64×64编码树单元（CTU），划分深度从最大2变成了最大深度为3的四叉树，帧内预测模式由H.264的9种拓展到35种。由于运算的高复杂性，要求我们使用快速编码算法，有许多学者为此作出了巨大工作：

Lee 等人[5]利用时间相关性，将上一帧相同位置的CU和PU去指导当前帧的编码单元，不足之处是没有考虑空间的相关性。文献[6]利用了空间相关性，提前结束不必要的深度计算，但是没有考虑到编码块自身的纹理特征。文献[7]用滤波模板对CU滤波作为纹理复杂度的指标，判断划分是否提前结束。文献[8]利用Sobel算子作边缘检测生成的直方图排除小概率的预测模式，但会引入较大的额外计算复杂度。这些工作都减少了编码复杂性，但仍有必要进一步优化，以更好推广应用HEVC，本文作者在其他论文中叙述。

4 视频资源库建设方案

视频资源库的建设，大多采用B/S模式，即浏览器/web服务器/数据库服务器，三层架构的形式。用户通过浏览器和web服务器进行直接的交互，视频节目的播放路径、格式、相关介绍存在数据库服务器中，真正的视频内容则存储在流媒体服务器中。前端和web服务器可以使用ASP.NET+IIS的形式，也可采用JSP+Apache等形式；数据库服务器负责管理视频资料，可用SQL Server等数据库实现；流媒体服务器可以选用支持较广的Adobe Flash Media Server。整个架构如图1左上所示：

图1 视频资源库技术解决方案

由于视频点播服务属于数据密集型服务，为了满足日益增长的用户量和大规模访问，系统必须可扩展[9]。单个视频服务器规模受限，一般采用多台服务器组成的视频服务集群。随着云计算的兴起，除了可以改造利用已有闲置的软硬件之外，还可以租用第三方运营平台提供的云服务（图1右下）。web服务器以下的架构，可以用Hadoop等系统构建（图1左下）。如果要整合一个地区的各校教育资源，还可以在教育厅增加一层云视频存储与分享（如图2所示），实现一个地区各学校的资源共享。在选用流媒体服务器软件时，应尽量选用支持H.264/AVC、HEVC等最新视频标准的软件，还应支持分布式部署或云部署。

对于视频库中的资源，一部分可以在采集时即采用最新的HEVC编码格式，另一部分可以对现有的视频资源进行转码实现。运算的高复杂性，要求我们使用快速编码算法。围绕HEVC的官方软件参考模型HM，涌现出了众多快速算法优化后的编码器。

5 总结

视频教学资源库建设的意义重大，高校应积极参与其中。在视频格式的选用上，应尽量采用最新的HEVC标准，以适应将来的发展趋势。在技术解决方案上，可以采用流行的云计算部署的办法，以更好地实现共建共享。

参考文献：

[1] 杨方琦. 高校建设视频教学资源库的思考[J]. 软件导刊（教育技术） ， 2013（3）.

[2] 胡新星. 我国“慕课”发展研究[D].吉林大学，2015.

[3] Sullivan G J，Ohm J R，Han W J，et al. Overview of the High Efficiency Video Coding （HEVC） Standard[J]. IEEE Transactions on Circuits and Systems for Video Technology， 2012， 22（12）：1649-1668.

[4] Frank B， Benjamin B.Suhring K. et al. HEVC Complexity and Implementation Analysis[J]. Circuits and Systems for Video Technology， 2012， 22（12）： 1685-1696.

[5] Lee H S， Kim K Y， Kim T R. Fast Encoding Algorithm Based on Depth of Coding-unit for High Efficiency Video Coding[J]. Optical Engineering， 2012， 51（6）.

[6] Shen Liquan，Zhang Zhaoyang，An Ping. Fast CU Size Decision and Mode Decision Algorithm for HEVC Intra Coding [J]. IEEE Transactions on Consumer Electronics，2013，59 （1）：207-213.

[7] Zhang Yong-fei， Li Zhe， Li Bo. Gradient-based Fast Decision for Intra Prediction in HEVC [C]//Proc. Of Conference on Visual Communications and Image Processing. Piscataway， USA：IEEE Press， 2012：1-6.

[8] JIANG W， MA H， CHEN Y. Gradient based fast mode decision algorithm for intra prediction in HEVC[C]//Proceedings of the 2nd International Conference on Consumer Electronics， Communications and Networks. Piscataway： IEEE Press， 2012：1836-1840.

[9] Llopis LJD， Rodas AV. Load splitting in clusters of video servers [J]. COMPUTER

COMMUNICATIONS， 2012.5， 35（8）：993-1003.