近年来，电信网、广播电视网和计算机通信网的相互渗透、互相兼容、并逐步整合成为全世界统一的信息通信网络。在这种情况下，要在类似于手机这种低处理能力的PC端上实现大流量的流媒体业务，比如视频通话，手机电视这种对带宽要求很高的场合，必然会对数据量的压缩提出了很高的挑战。针对这种情况，传输的视频要求既要满足带宽的限制，还要求有较高的视觉质量，编码的码率在保证质量的条件下要越低越好，这样才能满足网络限制下的应用。传统基于人眼感兴趣区域（ROI）的分级量化模型，将视频帧划分为ROI区域和非ROI区域，对相应区域用不同的量化参数（QP）进行量化，以提升视频的主观质量。而这种模型没有考虑ROI区域的内部特性，不能很好的符合人眼视觉特性（HVS）。本文针对低码率条件下以人脸为主体的桌面视频、手持终端等场景，首先利用肤色判决条件及高斯模型进行人脸检测。JND模型表明边界区域相对平滑区域能够隐藏更多的失真，利用该属性检测出ROI区域（人脸）中人眼更感兴趣的边界部分（眼睛、鼻子、嘴），据此提出一种基于ROI和恰可观测失真(JND)的分级量化方法。即将一帧图像划分为背景、边界、ROI_level1、ROI_level2，建立一种四级量化模型，指导各区域的量化。实验结果表明，针对低码率视频的应用，与传统分级量化方法相比，本文所提方法在相同码率条件下能明显提升视频的主观质量。而基于MCFI(运动补偿的插帧)技术来增加帧频的应用近年来已经越来越受到商用电子厂商的青睐。这是由于MCFI通过插入额外的帧提高了空间分辨率。相应地，如果在编码前端先进行自适应的丢帧，然后在解码端再利用MCFI技术恢复出丢弃的帧。这样可以极大的减少编码数据量，从而达到降低编码码率的目的。本文基于残差能量及MV之间的相关性检测出不可靠的MV，并将MV进行分类。然后对于不可靠的MV进行一系列后处理修正。由于我们提出的方法可以基于MV的相关性逐步的修正不可靠的MV，所以可以有效地发现遮挡区域和变形物体等区域没有可靠的MV。对于这类区域，我们通过分析他们周围的MV分布提出了一种自适应的插帧方案。这样，采用本文提出的插帧方案可以极大的减少虚影和物体边界出现变形等现象。实验表明：本文提出的基于帧率上下采样的编码方案可以平均减低31.84%的码率，而保证良好的视频主观质量。