H.264/AVC由于拥有高效的压缩比和较强的网络适应能力,使得在通信及互联网行业广泛应用。然而,其优异性能是通过引入了许多新的编码技术实现的,这些编码技术一方面提升了H.264的编码性能,另一方面却带来了超高的计算复杂度。例如,对于一些资源受限的嵌入式平台,H.264很难发挥出优势,短板明显。本文通过对H.264中几个关键技术引入的编码复杂度进行分析,选定对帧内预测及帧间预测进行改进。为解决在帧内预测模式选择过程中编码时间过长的问题,提出了一种改进的帧内预测模式快速分类算法。首先通过分析频域高频分量特征,使用宏块评价函数和训练的阈值实现对intra 4×4和intra 16×16模型的快速分离;同时,针对intra 4×4预测模式过多的问题,利用改进的Kirsch算子表征出图像的纹理方向,缩减了4×4预测模式。在JM模型下实验结果表明,改进的帧内预测模式快速分类算法在编码时间方面缩减了67.81%。另外,为解决Umhexagon S在预测最优运动矢量过程中运动估计时间消耗较大的问题,首先在起始点搜索环节得到最优点后,直接进入EDR模型的三步迭代运动情景分类判定;然后对大范围搜索模型进行矢量预测,根据最优预测运动矢量落入范围采取1/8区域划分搜索;最后在5×5搜索模型中,根据运动矢量的分布特性采取一种由内向外扩展的搜索顺序,节省了运动估计时间。实验结果表明,在运动估计时间方面,改进后算法比Umhexagon S算法节省了33.48%,在微运动情景下节省了27.05%,且PSNR与码率基本不变。为了验证改进后算法在嵌入式系统上的运行效果,本文搭建了基于龙芯3A的嵌入式平台验证系统,其中主要包含有基于龙芯3A上的软件环境搭建以及Web服务器的搭建。系统实验结果显示,全文改进后算法在编码时间方面大有缩减,对于细节度低的测试帧基本上用肉眼看不到质量有下降。