In mobile surveillance camera systems powered by battery, reducing the encoder’s compression energy consumption is one of the most critical issues to prolong its lifetime. Over the encoder’s rate-distortion optimiza-tion for compression efficiency, energy-rate-distortion (E-R-D) optimization is studied to minimize the energy consumption. However, almost of proposed E-R-D optimization methods are based on a software codec. It is not suitable for real implemented mobile camera systems for the reason why the energy consumption is too large and the encoding frame rates is not enough. In this paper, we propose the E-R-D model for the hardware codec which is restricted in power scalability. For this purpose, we develop the gate-level simulation framework to measure energy consumption with its switching activity. Within the results, we find out that GOP size can be the power scalable parameter. From the E-R-D model, we also propose the energy minimizing algorithm for portable video camera sensor with dynamic controlling of GOP size and QP. Our experimental results show that the proposed algorithm has up to 34.38% of energy consumption adopted to sequence, rate and distortion.
안전과 보안에 대한 관심이 늘어남에 따라, 베터리로 작동하는 모바일 카메라 또한 그 수요가 늘어나고 있다. 이러한 모바일 카메라 시스템에서는 입력된 영상정보를 압축하는 비디오 부호기의 에너지를 최소화 하는 것이 시스템의 수명을 연장하기 위한 가장 중요한 해결과제 중에 하나이다. 하지만 그 동안의 비디오 부호기의 연구는 압축률과 화질을 높이기 위한 율-왜곡 최적화에 집중되어 연구되었으며, 에너지가 제한된 상황까지 고려하여 확장한 연구는 요원하였다. 특히 에너지-율-왜곡 최적화에 대해 진행되었던 연구의 대부분은 마이크로 프로세서를 이용한 소프트웨어 코덱 기반의 제안이었다. 하지만 이는 우리가 목표로 하는 모바일 카메라 시스템에 적합하지 않다. 그 이유로 제한된 에너지를 사용해야 하는 상황에서 소프트웨어 코덱은 부호기로써의 적합한 작동 성능을 보여주지 못하기 때문이다.
따라서 이 논문에서는 하드웨어로 완전히 작동하는 부호기를 이용하여서 에너지-율-왜곡 최적화 모델을 만들고 이에 대한 에너지 최적화 알고리즘 또한 제안하고자 한다. 우선 에너지-율-왜곡 모델을 만들기 위해서 SRAM을 포함한 부호기에서 그치지 않고 DRAM까지 고려하여 부호기와 관련된 에너지 소모를 추정하였다. 이를 위해서 실제 부호기가 작동하는 환경을 테스트 벤치로 꾸미고 작동할 때의 각 게이트 단위의 변화를 스위칭-액티비티 정보로 저장하여 에너지 소모 분석에 사용하는 프레임 워크를 만들었다. 우리는 이를 바탕으로 부호화 되는 영상 스트림을 분석하여 에너지-율-왜곡 모델을 작성하였다. 그 결과GOP의 크기와 QP를 이용하여서 에너지-율-왜곡의 최적화의 가능성을 확인하였다. 이를 바탕으로 에너지를 최적화하는 계수로써 GOP 크기와 QP를 선택하고 이에 대한 Wi-Fi 혹은 저장 모듈을 포함한 새로운 시스템 모델을 제안하였다. 그리고 이를 실시간으로 조정하여서 에너지를 최소화하는 알고리즘을 제안하였다. 실험결과로 다양한 입력영상, 율 그리고 왜곡에 대응하여서 34.38%의 에너지 소모를 줄일 수 있었다.
