随着视频会议、远程教学及网络短视频应用日益广泛,在线视频流量大幅增加。同时高分辨率、3D视频的普及和沉浸式全场景体验需求的出现,进一步加大了视频数据存储和网络传输的压力。为了应对这些挑战,国内外研究人员不断提升视频编码技术,以获得更高更好的视频压缩性能。高效视频编码（High Efficiency Video Coding,HEVC）标准相对于上一代高级视频编码（Advanced Video Coding,AVC）标准压缩性能提升了两倍,但视频压缩性能的提升同时也带来计算复杂度的成倍增长。在视频信息中帧间冗余远远大于帧内空间上的冗余,视频编码技术中采用了帧间预测来消除大量的冗余信息。编码复杂度的主要来源是运动估计（Motion Estimation,ME）,该过程消耗了总编码时间的57%-68%,同时大量参考帧数据的传输和存储过程消耗的能量占总能耗的80%-90%。国内外研究人员提出了众多视频编码性能和能耗优化方案。针对编码性能的优化主要从算法或硬件架构上提升编码过程的并行化。采用的加速方案主要有多（众）核平台、GPU、FPGA和专用芯片ASIC等,它们以多核运算或定制化硬件电路来提升并行计算能力。针对编码能耗的优化主要通过算法改进数据重用效率,构建动态扩展的搜索窗口减少对存储器的访问以减少访问的动态能耗以及通过改进存储架构,采用基于自旋转移矩存储器（Spin Torque Transfer Random Access Memory,STT-RAM）、相变存储器（Phase Change Ran-dom Access Memory,PCRAM）和阻变存储器（Resistive Random Access Memory,ReRAM）等新兴非易失存储器的混合存储架构减少存储视频参考帧所消耗的静态能耗。这些新的架构方案实现了性能或能耗上的优化,但无法将并行计算与低功耗的优势结合起来。基于ReRAM的存内计算技术已经在神经网络推理和训练、图计算等领域发挥出高效的计算和能耗优势,但是现有的PIM计算架构无法直接完成视频编码运算。本文提出基于阻变随机存储器ReRAM的存内计算（Processing-In-Memory,PIM）架构,实现视频编码的低功耗高性能运算。本文根据HEVC帧间编码各模块复杂性分布,选取帧间编码中最为复杂的运动估计过程进行优化。我们对运动估计算法进行分析,提出一个基于ReRAM的加速引擎ReME。针对运动估计过程中主要计算模块设计了加速方案,采用本文提出的1位双极性数模转换模块（Digital to Analog Converter,DAC）对编码时间最长的绝对差值之和（Sum of Absolute Differences,SAD）、插值和残差变换绝对值和（Sum of Absolute Transformed Difference,SATD）模块进行计算,实现了运动估计主要模块的加速和能耗节省。最后采用NVSIM模拟器评估了本文提出的优化架构,分析了性能与能耗优势。我们提出的ReME加速引擎相对于CPU和GPU的性能提升分别为101倍和5倍,ReME的平均节能分别为25.2倍和3.8倍。