視頻運(yùn)動(dòng)目標(biāo)檢測(cè)及其在視頻編碼中的應(yīng)用.pdf

1、視頻運(yùn)動(dòng)目標(biāo)檢測(cè)和視頻編碼是智能視頻監(jiān)控應(yīng)用中兩個(gè)重要的部分。應(yīng)用視頻運(yùn)動(dòng)目標(biāo)檢測(cè)可實(shí)現(xiàn)入侵目標(biāo)的自動(dòng)報(bào)警，將視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與視頻編碼相結(jié)合，可實(shí)現(xiàn)強(qiáng)調(diào)運(yùn)動(dòng)區(qū)域的視頻編碼，較大幅度地提高圖像背景區(qū)域的編碼效率。 論文圍繞視頻運(yùn)動(dòng)目標(biāo)檢測(cè)及其在視頻編碼中的應(yīng)用而展開。論文首先針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)分析了當(dāng)前典型的幾種檢測(cè)方法，在既有的框架下，給出了新的解決方案。論文結(jié)合空域上的相關(guān)性，認(rèn)為同質(zhì)區(qū)域(相同強(qiáng)度、相同紋理)有相同的運(yùn)動(dòng)屬性

2、，使用降雨模型的快速分水嶺算法，將操作對(duì)象從像素級(jí)轉(zhuǎn)移到了區(qū)域級(jí)。在差分變化檢測(cè)中，為了抑制噪聲，避開設(shè)定閾值的困難，使用基于統(tǒng)計(jì)模型的視頻變化檢測(cè)，對(duì)像素所在的鄰域進(jìn)行顯著性水平檢測(cè)。在結(jié)合區(qū)域分割和變化檢測(cè)的基礎(chǔ)上，利用馬爾可夫隨機(jī)場(chǎng)(Markov Random Field，MRF)對(duì)最初的分割結(jié)果進(jìn)行前景和背景標(biāo)記，構(gòu)造區(qū)域間空間相關(guān)性、區(qū)域自身的運(yùn)動(dòng)屬性以及區(qū)域在時(shí)間上的相關(guān)性三個(gè)能量函數(shù)，用HCF(Highest Confid

3、ence First)優(yōu)化算法迭代計(jì)算，得到最后的分割結(jié)果。 監(jiān)控視頻的數(shù)據(jù)量是非常龐大的，但其有用的部分卻比較少，很多情況下，運(yùn)動(dòng)區(qū)域才是系統(tǒng)關(guān)注的重點(diǎn)，對(duì)靜止區(qū)域尤其是有噪聲的靜止區(qū)域，產(chǎn)生的較多的碼流僅能提供較少的有用信息，系統(tǒng)就可以分配更少的資源去傳輸、存儲(chǔ)靜止區(qū)域產(chǎn)生的視頻流。視頻運(yùn)動(dòng)目標(biāo)檢測(cè)在視頻編碼中的應(yīng)用正是針對(duì)監(jiān)控視頻的這種特點(diǎn)，而采取的一種行之有效的降低碼率的方式，同時(shí)它還能提供對(duì)視頻事件的索引，極大地改善了