面向智能監(jiān)控中動態(tài)感興趣區(qū)域的識別和編碼.pdf

1、近年來，計算機視覺等理論的發(fā)展給視頻編碼的研究工作帶來了新的啟發(fā)。從主觀評價角度出發(fā)，根據人的視覺特性重點關注視頻中的特定區(qū)域的信息、提高編碼效率和編碼結果的質量是一個極具希望的研究思路。在這樣的研究背景下，如何有效的動態(tài)檢測和編碼感興趣區(qū)域（ROI）逐漸成為人們研究的焦點和熱點。
　　感興趣區(qū)域（ROI）處理技術是基于人的視覺特性提出的：人眼在觀看視頻的時候，對圖像不同區(qū)域的關注程度不同。一般ROI區(qū)域表現(xiàn)為運動，紋理，顏色，亮

2、度，對比度，形態(tài)等特征方面的視覺顯著，本文引入了靜態(tài)圖像顯著圖的生成來檢測視頻序列ROI區(qū)域，編碼階段優(yōu)先保證ROI視頻質量，在保證碼率基本不變的前提下達到更好的主觀效果。本文研究主要分為三個階段：
　　一、ROI檢測階段：基于視覺注意機制中的譜殘差和相位譜的方法對視頻序列的每一幀都進行顯著度檢測（Saliency Detection），生成顯著圖，并對譜殘差方法進行了改進，采用相位譜的方法節(jié)省了將近1/3的計算復雜度；
　

3、　二、ROI預處理階段：對每一幀求得時空顯著圖（Spatio-temporal Saliency Map），并進行二值化、腐蝕、膨脹以及區(qū)域檢測等一系列的圖像處理算法，作為ROI的預處理，框出矩形ROI區(qū)域，并且標注好每一幀的圖像頭ROI信息內容描述擴展字段，為下一階段的編碼做準備；
　　三、ROI編碼階段：引入感興趣區(qū)域標識框架，對這些檢測出來的ROI區(qū)域進行編碼階段的特殊處理，梯度量化，同時進行質量可分級的碼率控制，來解決RO

4、I誤報率的問題，能夠在保證非感興趣區(qū)域質量可接受的條件下，根據用戶需求，分等級地調整感興趣區(qū)域的質量。
　　實驗結果給出了ROI檢測結果的平均命中率在0.45～0.65之間，較以往的算法有顯著的提升，證明了本ROI檢測算法的準確性，ROI編碼的實驗結果SSIM評價也有較大幅度的提升，達到了預期的目的。
　　綜上所述，本文算法能對一般的監(jiān)控視頻序列中感興趣區(qū)域先檢測然后編碼，改進了以往只對有限和特定標注好的區(qū)域無法動態(tài)ROI檢