基于壓縮域的運動目標(biāo)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(lǐng)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(shù)被廣泛應(yīng)用于視頻檢索、智能監(jiān)控以及模式識別等相關(guān)領(lǐng)域。
　　 大多數(shù)運動目標(biāo)檢測與跟蹤技術(shù)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(shù)的日新月異和視頻壓縮標(biāo)準(zhǔn)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(biāo)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(biāo)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(biāo)準(zhǔn)的壓縮域運動目標(biāo)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(biāo)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(yù)處理，再根據(jù)運動矢量區(qū)域塊時域相關(guān)性這一特性進行基于閾值的運動目標(biāo)檢測，應(yīng)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(biāo)分割方法，本文將聚類的思想引入壓縮域運動目標(biāo)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(yù)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