面向边缘计算环境的智能手机背光调节机制

宋来将,白光伟,沈 航,3,葛 畅

1(南京工业大学 计算机科学与技术学院,南京 211816)2(南京大学 计算机软件新技术国家重点实验室,南京 210093)3(南京邮电大学 通信与网络技术国家工程研究中心,南京 210003)

1 引 言

智能手机的续航能力一直为用户所关心,特别是Android系统的手机;且随着智能手机功能更加丰富、带宽的不断提升,流媒体已经成为了手机的主要应用之一.而流媒体是一种资源消耗型的任务,会产生高能耗,制约其在手机端的长时间使用.针对这个问题,我们现在采取最多的办法是添加一个外置的移动电源,但是移动电源的携带不方便且影响美观,这只是一个折衷的办法.对于学术界和产业界的人来说,希望能通过优化手机的操作系统和应用来降低能耗、延长手机电池的一次使用时长,比如Google有针对Google Android API的优化1.

近年来,研究人员从音视频编解码[1,2]、音视频网络传输[3,4]和手机屏幕背光调节[6]等几个方面入手优化手机续航能力.不同的编解码方式会有不同的能耗和压缩效率:H264编码方式能耗低但压缩效率也低,HEVC编码方式则压缩效率高但能耗也高,VP9则能在压缩效率和能耗之间提供最好的权衡[2],而选择低效的编码器不仅会增加网络信道的负载,还会浪费服务器的存储空间和能源.而根据实际的网络状况选择合适的码率、帧率以及分辨率能节省5.7%～13.9%的能量[3].还有,同时进行背光亮度和码率的调节平均能节省19%的能耗[5].而屏幕的能耗占到了手机总体能耗的很大一部分[7],调节屏幕背光亮度成为了优化手机续航能力的一个重要方法.

值得注意的是:实时流媒体应用具有交互性强、时延敏感等特点.若将背光调节等任务迁移到云端执行会带来较高的延迟;若将背光调节直接放在手机端上完成,则会折衷节省的能量,且需要对客户端APP进行较大的修改才能满足要求[7].而边缘计算的出现恰好能弥补它们的不足:既能提供较强的计算能力,减少手机端的能耗;同时,可以降低延迟、提高实时性[15,16].除此之外,背光调节对于视觉效果的影响,虽然可以通过计算SSIM和PSNR等参数准确地度量视频的失真情况[6],但是这只是一种客观的度量办法,往往与用户实际的视觉体验不一致;而采用完全主观的视频质量评估办法来衡量失真情况[19],虽然能很好地反应实际的视觉体验,但是在同样的条件下不同的人却会产生不同的感受,有较大的随机性.

本文提出面向边缘计算环境的智能手机背光调节机制.与现有的方案不同,将背光亮度的确定和补偿等任务迁移到边缘计算节点上完成.首先,设计由智能手机、边缘计算节点和云端3部分组成的体系结构.然后,根据背光调节的限制条件,从背光亮度值的计算、背光亮度补偿以及背光亮度保持不变的帧间隔的确定等三个方面进行背光调节机制的优化,降低计算的时间复杂度,提高执行效率.最后,搭建面向Android移动平台的实时流媒体原型系统,实验测试背光调节对智能手机在能耗、网络延迟和视频质量等方面的影响.

2 问题提出

背光调节主要涉及3方面问题:

1)如何计算视频帧显示的背光亮度;

2)如何确定背光亮度保持不变的帧间隔和背光亮度值调节幅度大小;

3)是在服务器端还是客户端确定背光调节方案.

针对问题1,文献[6]提前获取所有视频帧的信息,给各个视频帧分配允许的最小背光亮度,得到一个全局最优的背光亮度调节方案,能最大限度地减少屏幕能耗,但是会影响用户视觉体验,且不能适用于实时视频的应用场景.而文献[12]以每个视频帧中最大像素亮度值来衡量视频帧显示时的背光亮度值,避免在亮度补偿时出现像素亮度值溢出的情况,并采用一种贪心算法的思想,实时计算得到一个整体上近似最优的背光调节方案,但这会影响节能效果.在本文中,我们根据视频帧的像素亮度平均值来衡量背光亮度,这样能更好地反应整体的亮度水平,有效保证视觉效果,且拥有良好的节能效果;同时,利用连续视频帧在时空上的强相关性,一次性计算得到连续数帧的背光亮度,减少计算的复杂度,极大地满足实时性的要求.

针对问题2,背光亮度的调节频率以及幅度过大会产生闪烁的问题,影响用户视觉效果.文献[11,13]则选择限定相邻视频帧的背光亮度变化范围,且规定了背光亮度保持不变的帧间隔.本文基于此,提前设定好背光调节的幅度范围,然后根据手机端的背光亮度和视频帧的像素亮度之间的关系,动态调节背光亮度保持不变的帧间隔.

针对问题3,文献[13]选择在客户端进行计算,但是这样会引入额外的消耗,抵消掉背光调节节省下来的能量.文献[6]选择在一个云服务器上进行计算,延迟较大,不能满足实时性的要求.本文从实时性和节能两方面出发,选择在边缘计算节点上确定和执行背光调节方案,既能满足实时性的需求,亦能达到释放客户端、节省能耗的目的.

因此,本文改进和优化确定背光亮度的方案:基于贪心算法的思想,以视频帧的像素亮度均值来衡量背光亮度;从像素亮度和对比度两个角度出发进行背光亮度补偿;利用实时视频的特点,确定背光亮度保持不变的帧间隔;将背光亮度方案的确定迁移到边缘计算节点上完成.

3 预备知识

本节描述边缘计算环境下动态背光调节所需要的背景知识.

3.1 LCD能耗分析

由于现在大多数手机都是LCD屏幕,所以本文主要研究基于LCD的手机屏幕能耗分析.如图1所示,LCD主要由三部分组成:背光源、彩色滤光片和液晶面板.LCD面板作为显示器件,本身是不发光的,需要借助外部的光才能显示;背光源作为发光源,由许多的发光晶体管组成,负责点亮LCD面板;彩色滤光片,根据像素的值,选择性地过滤一些光,一般情况,像素值越大,背光源发出的光通过滤光片的数量越多.

图1 TFT-LCD结构原理Fig.1 Structure principle of TFT-LCD

LCD在显示图像的时候,背光源发出的光是通过滤光片过滤之后才射出液晶面板被人眼所感知的.因此,影响人眼最终视觉感知效果的主要因素是LCD背光强度(即背光亮度)和滤光片的光透过率.而滤光片的光透过率与图像各像素点灰度的大小(即像素亮度值)是成正比的[8].一般情况下,LCD背光强度与滤光片的光透过率的乘积等于人眼的最终视觉感知效果.

LCD功耗的主要来源是背光源,降低背光亮度是减少LCD能耗的最直接的一种方式.当降低背光亮度时,可以提高像素亮度,以作为一种亮度补偿的方式.而对比度是画面黑与白的比值,反映了从黑到白的渐变层次,比值越大,色彩的表现越丰富.对比度增强是另一种亮度补偿方式,它通过增强图像的对比度达到亮度补偿的效果.

3.2 YUV与RGB转换

通常情况下,视频解码器会将视频流压缩数据解码成YUV格式的原始数据,其中Y表示亮度,也就是灰度值;U和V则表示色度,主要用于描述其色彩及其饱和度,用于指定像素的颜色.由于显示设备是使用RGB格式进行图像的显示的,所以在显示之前,需要将YUV格式的原始视频数据转换成RGB格式的视频数据.对于YUV和RGB之间的转换,可以采用如下的办法:

①像素格式由YUV转换为RGB

②像素格式由RGB转换为YUV

其中,Y/U/V∈[0,255],R/G/B∈[0,255].

3.3 边缘计算

在传统云计算环境下,计算任务需要迁移到远端数据中心,这就带来了较高的传输延迟,可能会成为很多服务的障碍,如游戏.而边缘计算为了简化移动网络的需求,选择通过无线连接的方式,将部分任务或全部任务迁移到边缘节点上,减少数据传输延时、提高手机端任务迁移的鲁棒性[9].

边缘计算网络架构类似于CDN[10](Content Distributed Network),可以将用户请求的资源转发到离用户最近的边缘节点.与之不同的是,边缘计算节点不仅具有存储和分发的功能,还具有较强的计算能力,可以将一些原本需要放在云端的计算任务迁移到边缘节点上完成,彻底解放手机端的计算能力,减少能耗,特别是对于与数据中心有较强交互性的应用,可以降低延迟、提高实时性.

4 系统架构

4.1 总体设计

图2给出了系统的整体框架图,主要由流媒体数据中心、手机端、边缘计算节点组成.三者的功能如下:

图2 系统整体框架Fig.2 System framework

1)流媒体数据中心的主要功能是提供实时视频源,包括不同码率、分辨率的视频,还可以负责用户身份的有效性认证,当用户向流媒体数据中心发出视频流的请求时,流媒体数据中心首先会验证用户身份的有效性,如果通过,然后将帧数据发送到边缘计算节点,由边缘计算节点进行转码适配和转发;

2)边缘计算节点则主要用于确定背光调节方案、对视频数据进行转码和转发、定期收集手机端的信息;

3)手机端则负责接收边缘计算节点发送过来的视频数据,然后解码显示.

4.2 模块交互

本文侧重于研究边缘计算节点与手机端在进行背光调节之间的关系.图3给出了边缘计算节点与手机端的各功能模块及其交互情况.

图3 手机端与边缘计算节点功能模块及交互流程Fig.3 Function module and interaction process between smartphone and edge-computing node

边缘计算节点由选择模块、YUV获取模块、背光调节模块、编码模块、网络状况预测模块等组成.选择模块是根据手机端传递过来的状态(如背光亮度水平、剩余电量等)来选择是否执行背光亮度调节,比如:当剩余电量超过80%时,则直接将YUV数据传递给编码模块;否则,选择执行背光亮度调节,将YUV数据和手机端背光亮度值传递给背光调节模块.背光调节模块则在保证用户体验的前提下,根据视频帧的像素亮度和手机端的背光亮度,确定视频帧在手机端显示时的背光亮度,发送给客户端;同时为了减弱背光亮度降低对视觉效果的影响,会执行视频帧的像素亮度增强和对比度增强.网络状况主要由RSSI(Received Signal Strength Indicator)来表征,网络状况预测模块使用RSSI值来预测网络状况,根据网络状况的预测值选择合适的编码参数,并将编码参数发送给边缘计算节点[3].编码模块依据网络状况选择合适的编码参数,如分辨率、码率等,对音视频进行压缩编码,并将压缩编码的数据发送给客户端.

客户端则包括解码、播放、网络状况获取、背光控制、背光亮度获取等模块.解码模块负责将从边缘计算节点传递来的编码帧进行解码.播放模块主要负责音、视频数据的播放.背光控制模块则依据边缘计算节点发送过来的背光亮度值,调用背光调节的系统接口实时调节背光值.网络状况获取模块则负责定期收集手机端所处网络环境中的RSSI值,并发送给边缘计算节点的网络状况预测模块.

5 背光调节机制

背光调节模块是整个体系架构中最主要的一个模块.其工作流程是:当流媒体数据传输到边缘计算节点时,利用其计算能力强、可交互性高、延迟低等特点,首先分析视频帧的像素亮度,并与手机端的背光亮度水平作比较,确定视频帧在手机端显示时的背光亮度值;然后针对视频帧进行亮度补偿,以弥补背光亮度降低对视频质量的影响;最后,利用流媒体自身的特性,以及连续帧像素亮度之间的关系,确定背光亮度保持不变的帧间隔.本文第4节首先描述背光调节的问题,然后描述背光亮度值度量、背光亮度补偿以及背光亮度保持不变的帧间隔的确定的详细过程.

5.1 问题描述

前面在第三节,我们简单介绍了背光亮度调节的基本原理:在降低背光亮度的大小同时,对视频帧进行亮度补偿.所以需要在保证视频质量的前提下,最大化节能效果.

假定有N个视频帧F={f1,f2,…,fN},每帧fi对应一个背光亮度值Bi,i=1,2,…,N;背光亮度与能耗之间存在映射关系E(·),则目标函数为:

(1)

同时,满足如下的限制条件:

(2)

Bi∈[Bi-1-Δb,Bi-1+Δb)]

(3)

L≥Lmin

(4)

式(2)是一种亮度补偿会造成失真的限制,即背光亮度的比例R要比帧像素亮度的最大值Ym(在默认情况下,像素亮度值是[0,255]中的整数值)与255的比值大.为了不影响视频帧的显示质量,会调整视频帧所有像素的亮度,这样当前视频帧的亮度值会变为原来的1/R倍,若不满足限制(2)就会使得亮度补偿之后像素亮度值会溢出.限制(3)则体现了为了避免出现屏幕闪烁的现象,连续帧显示时的背光亮度变化不宜过大,即相对于前一帧允许最大有Δb的背光亮度变化.限制(4)则表示了一种硬件性能上的限制.由于应用背光调节的方案是需要一定的计算能力的,若是对每个视频帧都调整背光亮度,一方面会减弱背光调节的节能效果,另一方面会增加整体的延迟.我们规定背光亮度保持不变的帧间隔L至少要持续Lmin,即Lmin的帧的背光亮度会保持相同的水平.

基于我们的研究对象是实时视频,延迟是其中的一个重要性能指标,为了提高本文研究的实用性,做如下的优化:

1.为了能实时获得视频帧对应的背光亮度,我们利用贪心算法的思想,求解背光亮度局部最优值;

2.为了提高节能的效率,不要求视频帧的所有像素点都满足(2),允许一定比例的像素亮度值溢出,若像素亮度补偿值超出范围,直接赋值为255;

3.由于视频帧之间存在一定的时空相关性,如在H.264编码方式中B帧和P帧都参考I帧,而这种参考关系一旦跨越了关键帧间隔,相关性会减弱,不再具有较好的传递性;另外,增加上限值可以减少计算的复杂度[11].所以,我们规定L∈[Lmin,Lmax].

5.2 背光亮度量化

为了减少计算背光亮度值的开销,会在一定时间内保持背光亮度不变.于是,我们选择计算长度为L的视频帧亮度均值来衡量整体亮度的水平,连续L帧的亮度均值定义如下:

(5)

(6)

(7)

考虑到限制(3),我们规定:相邻帧背光亮度变化阈值为θ.当计算得到的背光亮度值Bi与从手机端获取的背光亮度值Bc之间的差值大于θ时,则背光亮度调节幅度为Δb;否则,背光亮度调节幅度为1.本文将Δb置为5,θ置为10.

算法1.视频帧显示时背光亮度值

1Input:当前手机端的背光亮度值Bc背光亮度保持不变的帧间隔L

3ift

6endif

7 根据帧像素亮度计算视频帧显示时的背光亮度Bi

8ifBc>Bithen

9ifabs(Bc-Bi) < θthen

11else

13endif

14else

15ifabs(Bc-Bi)< θthen

17else

19endif

20endif

5.3 背光亮度补偿

为了弥补背光亮度降低对视频显示质量的影响,我们采取的办法是按比例增加每帧的像素亮度和对比度.具体的定义如下:

(8)

(9)

亮度增强系数和对比度增强系数是根据帧的实际内容动态调整来确定的.根据式(8)分析可知,当像素亮度的均值较大时,大多数像素点包含较高的亮度值,此时如果对比度增强系数过大,会导致过多的像素点亮度值溢出、造成较严重的画面失真.本文以亮度均值的平方根为自变量来度量对比度增强系数,定义如下:

(10)

由于亮度补偿之后,可能会出现像素亮度值的溢出.因此,本文引入一种反馈机制,对亮度增强系数进行调节:当像素亮度值溢出的个数超出阈值,会减少亮度增强系数;然后重新计算像素的亮度值,并记录亮度值溢出的像素个数.循环若干次,直到亮度值溢出情况低于阈值.亮度增强系数反馈调节为

(11)

其中,k初始值为0,随着失真度的增加而增加,且α1最小为1.

结合式(8)～式(11),当k增大后,α1减小,Y′会减小;同时,亮度值溢出的像素个数会减少,背光亮度补偿对视频帧质量的影响也会减小.像素亮度值溢出的比例D为

(12)

其中,No为亮度值溢出的像素总数.

由于迭代次数太大会增加延迟,不适合实时视频的应用场景.于是,定义加速背光亮度方案收敛的公式为

(13)

(14)

其中σ为调整的基准参数,默认为0.1;η为相对失真度;S为人眼能接受的最大失真度,默认为1%,可以根据实际需求进行修正;T为像素的总数,由视频分辨率来决定.

5.4 背光亮度保持不变的帧间隔的确定

对于背光亮度保持不变的帧间隔L的确定,我们利用了与实时流媒体有关的两个参数:关键帧间隔与帧缓存大小.关键帧间隔大小反应了编码的最小连续帧数,帧缓存大小则体现了允许缓存的最大帧个数.考虑到实时流媒体的特点,本文将Lmin表示为为关键帧间隔大小,而Lmax设为帧缓存的大小.当连续两帧之间的亮度差距超过阈值,那么将L减小;否则,增大L,具体描述见算法2.L的初始值为Lmin.

算法2描述了确定背光亮度保持不变的帧间隔的过程.第3行表示计算当前帧的像素亮度均值,时间复杂度为O(R×C);第4～15行表示根据相邻帧之间的像素亮度均值的差值来决定背光亮度保持不变的帧间隔,时间复杂度为O(1).所以,算法2的时间复杂度在于计算帧的像素亮度值,所以时间复杂度为O(R×C).

6 实验与性能分析

本节搭建Android环境下的实时流媒体原型系统,用于测试背光调节对客户端在节能、网络延迟、视频质量等方面的实际影响.原型系统主要由三部分组成:流媒体服务器、边缘计算节点以及智能手机.

选用Mi 6智能手机,配置Qualcomm Snapdragon 835处理器,8核16线程,主频2.45GHz;6GB RAM;支持IEEE 802.11n WiFi和4G/3G/2G;Android 7.1.1操作系统.流媒体服务器使用阿里云的服务器,配置Intel(R)Xeon(R)CPU E5-2682 v4的处理器,1核2线程,主频为2.50GHz;2GB RAM;Ubuntu 16.04 64位.边缘计算节点的配置为Intel Core i7 4790处理器,4核8线程,主频为3.6GHz;16GB RAM;128GB固态硬盘(SSD).

算法2.背光亮度保持不变的帧间隔的确定1 Input:背光亮度保持不变的帧间隔L、关键帧间隔Lmin、帧缓存Lmax2 Output:L′3 计算帧像素亮度Yi4 if abs( Yi- Yi-1)> θ then5 if L > Lmin then6 L′ ← L-Lmin7 else8 L′ ← Lmin9 end if10 else 11 if L < Lmax then12 L′ ← L + Lmin13 else 14 L′ ← Lmax15 end if16 end if17 return L′

智能手机安装的程序有GWPlayer、Trepn Profile,GWPlayer是我们自主研发的一款APP,主要功能包括实时视频(RTMP/RTSP)的播放、背光的控制与反馈、网络状况的监控.Trepn Profile可以从各大应用商店下载,主要用于能耗的测量.服务端使用SRS*https://github.com/ossrs/srs来提供四种分辨率(1080p/720p/480p/360p)的实时视频流,包括News(背景变化小)和Game(背景变化大)两种类型,每种时长2min.边缘计算节点使用FFmpeg*http://ffmpeg.org来实现背光方案的确定、亮度增强与对比度增强以及转码与转发.

为了提高实验数据的参考价值,每个实验都运行了5次,然后取平均值,以减少数据随机性.为了不失一般性,在实验之前,我们将智能手机充电至100%,且终止掉除系统进程之外的其他应用程序,以减少其他因素的影响.

6.1 背光调节对客户端的影响

在不考虑网络预测的前提下,我们做两类实验:一类是有背光调节,另一类是没有背光调节.每类分别测量手机端在播放两种不同类型、四种不同分辨率的视频的能耗和延迟情况.

为了实验的方便,选择测量播放2min时长视频的总体能耗和延迟.其中,总体能耗是利用Trepn Profile来测量GWPlayer播放2min时长的视频的能耗,而总体延迟则通过记录播放完成2min时长的视频实际所需要的时间增量来衡量.

由图4可知,分辨率的越大,能耗和延迟也会越大.分辨率越大,会需要更多的处理时间.同样,在采用背光调节方案之后,会增加一定的延迟,平均会增加300ms.延迟的增加主要是由于在采取背光亮度方案之前,需要对视频数据进行解码,这是一个计算密集型的操作.而采用背光调节方案可以减少能耗,且平均能节省20%～30%的能耗.由于实验是采用2min时长的视频数据,延迟的增加会折衷能耗的节省.但随着视频长度的增加,相对于300ms左右的绝对延迟增量,能耗的绝对减少量会相当可观.所以,对于长时间的视频数据,采用背光调节方案会有良好的表现.

同时,可以结合图4(a)和图4(b)的有背光调节能耗2的情形,比较可以发现,News类型的视频在采用了背光调节之后会比Game类型的视频节能效果更好,这主要是因为相对于News中的场景相对固定而言,Game中的场景变化较为频繁,这样会导致背光亮度会连续地增加或者减少,反而增加了能耗.所以,频繁改变背光亮度是不合适的,而应该选择一个合适的背光亮度保持不变的帧间隔.

为了衡量亮度增强和对比度增强等亮度补偿方式对视频质量的影响,我们将经亮度补偿之后的视频保存到本地,与原始视频进行比较,计算它们的SSIM[18]和PSNR.测量结果显示平均能获得28.50dB PSNR和0.998 SSIM.在不考虑视频传输、解码等因素的影响下,像素亮度增强造成的亮度值溢出是视频质量下降的主要原因,所以像素亮度是影响SSIM和PSNR的关键因素.而视频通过无线网络传输的质量损失度一般在20～25dB是可以接受的[16].因此,本文提出的亮度补偿方法能获得较好的视频质量.

SSIM和PSNR等指标是从客观的角度来衡量视频质量的,与主观的视觉感受是有差别的.于是,我们随机选取经亮度补偿的视频和原始的视频分别在屏幕上显示时的帧画面对比情况,如图5所示.每张图左边是有亮度补偿的视频,右边是原始的视频.经观察可知,无论是色泽和饱和度,还是像素亮度和对比度,有背光调节与无背光调节差异较小:在图5(a),前者比后者的效果逊色些;在图5(b)中,前者与后者的效果基本一致;在图5(c)中,前者比后者效果更好.像素亮度越大,经亮度增强之后,出现像素亮度值溢出的概率越大.

图5 有、无背光调节的主观视频质量对比Fig.5 Subjective video quality contrast with or without backlight scaling

另外,由于不同人对同一视频会有不同的视觉感受.为了验证本文提出的背光调节方法的有效性,我们做了一组调查实验:随机找到50位实验者,在不告知其是否有背光调节的前提下,让他们依次观看多组视频,并收集他们观看视频之后的感受.实验者会给视频打分,分数从1～5,1分表示背光变化容易被察觉到,5分则表示背光的改变很难被发现.

由图6可知,平均满意度为3.17,说明背光亮度的变化是令人满意的,不容易被人察觉到.因此,本文采取的背光亮度调节方法,在降低背光亮度的情况下,仍能保持较好的视觉体验.

图6 视频质量满意度情况Fig.6 Satisfaction degree about video quality

6.2 边缘节点对客户端能耗的影响

在上面实验的基础上,我们做一类实验:针对News类型的视频,将背光调节放到手机端来执行,测量2min时长视频的总体能耗和延迟.

由图7可知,在边缘计算节点执行背光亮度调节比在手机端上的节能效果更好,而延迟方面两者相差并不大,甚至随着分辨率的增加,前者的延迟反而会比后者还要低一些.这主要是因为除了执行背光调节方案的位置不同之外,其他执行流程基本相同:分析流、获取背光亮度方案、解码煊染等.而相对而言,边缘计算节点拥有更强的计算能力,执行背光调节效率会更高,即使是高质量的视频亦能较快获得结果.所以边缘计算节点在处理高分辨率的视频时整体上能获得更低的延迟.当在边缘计算节点上确定好背光亮度调节方案之后,手机端只需根据发送过来的背光亮度流进行背光亮度控制即可,而不需要再对流媒体进行分析,所以节能效果会更好.

图7 手机端和边计算节点的能耗和延迟对比Fig.7 Comparison of energy consumption and delay between smartphone and edge-computing node

7 结束语

本文提出了面向边缘计算环境的智能手机背光调节机制,提高手机端续航能力.其核心思想是将背光亮度值的确定和背光亮度补偿等任务迁移到边缘计算节点上完成.其他类似的应用程序只需要添加背光控制功能就能快速接入该系统,且该系统既能满足实时流媒体的要求,也能适用于点播的应用场景,系统使用范围较广.实验结果表明,在保证视频质量和延迟的前提下,该机制能达到较好的节能效果.后续工作包括:

1)研究OLED的背光调节方案,提高系统适应性;

2)结合视频编解码和传输,进一步优化视频在移动端的能耗.