基于壓縮域的運動目標檢測與跟蹤算法研究.pdf

1、對于視頻運動對象的檢測與跟蹤一直以來是計算機視覺領域的研究熱點和難點，其目的在于檢測和分割人們感興趣的運動對象，并隨著視頻序列進行跟蹤處理。該技術被廣泛應用于視頻檢索、智能監(jiān)控以及模式識別等相關領域。
　　 大多數(shù)運動目標檢測與跟蹤技術是在像素域?qū)ζ溥M行研究的，然而，一方面像素域信息量大，需要處理海量的信息，無法滿足對于實時性的要求；另一方面，隨著多媒體技術的日新月異和視頻壓縮標準的迅速發(fā)展，視頻信息一般以壓縮的形式存儲與傳輸，

2、因此對于壓縮域的運動目標進行檢測跟蹤的研究具有理論需求與實際意義。
　　 在壓縮域進行運動目標的檢測與跟蹤只需要部分解壓視頻碼流，相比于完全解壓視頻來說其耗時要少的多。另外，壓縮域中主要以塊作為單位信息，其信息量遠少于像素域的像素信息，因此也潛在減少了處理視頻信息的巨大運算開銷。
　　 本文主要研究基于H.264編解碼標準的壓縮域運動目標檢測、分割以及跟蹤算法。首先提出一種基于閾值的壓縮域目標檢測方法。通過研究H.264

3、壓縮域的碼流信息，在部分解碼的情況下提取壓縮域下的運動矢量信息，并對運動矢量場進行預處理，再根據(jù)運動矢量區(qū)域塊時域相關性這一特性進行基于閾值的運動目標檢測，應用于背景靜止的視頻序列。
　　 其次，本文提出了一種基于粒子群聚類的壓縮域目標分割方法，本文將聚類的思想引入壓縮域運動目標分割中來，利用改進的粒子群-K均值聚類算法對H.264壓縮域預處理后的運動矢量進行聚類，并使用壓縮域中宏塊層信息對噪聲進行處理。該算法不但適用于背景靜止