基于H.264/AVC的压缩域运动对象分割方法

目前大部分压缩域视频对象的分割方法主要面向MPEG系列视频标准,且算法建模复杂。为了解决这一问题,现提出了一种新的基于H.264/AVC的压缩域时空联合运动对象分割（TSMOS）算法。该方法主要利用压缩码流中的DCT系数和运动矢量信息进行对象分割,并首先利用相邻帧DCT系数之差提取运动对象轮廓,同时通过对轮廓进行形态学和抗噪声处理来得到粗糙的运动对象帧差掩码;然后采用运动向量归一化、噪声向量滤除、权值扩展向量中值(WEVM)滤波及前帧分割结果后向投影技术来得到对象的运动掩码;最后通过引入有效机制合并帧差掩码和运动掩码来分割运动对象。实验证明,该算法可取得较好的分割效果。     

基于H．264压缩域的实时运动对象分割算法

在压缩域内直接分割运动对象对于有实时要求的应用而言是十分必要的，H．264以其优越的压缩效率已经在许多应用中逐渐取代了MPEG-2／4，但有关在H．264压缩域内进行运动对象分割的研究还很少。为此提出了一种从H.264压缩域实时分割运动对象的算法，该算法首先对从H．264视频中提取出的原始运动矢量场进行时域和空域的归一化，接着通过对连续多帧的运动矢量场进行累积来增强显著的运动信息；然后对累积运动矢量场进行全局运动补偿，同时利用快速的统计区域生长算法按照运动相似性将其分割成多个区域；最后利用运动矢量场的方向角直方图来判断出属于运动对象的分割区域，以组成运动对象。通过对多个MPEG-4测试序列的实验结果表明，该方法不仅能够从H．264压缩域中实时地分割出运动对象，且具有良好的分割质量。     

H．264压缩域中利用Biased-SVM检测镜头边界

为了直接从H．264码流中检测镜头边界,提出了利用H．264压缩域多特征和Biased—SVM（不平衡支持向量机）分类算法的检测方法。分析帧类型、宏块类型、运动矢量、帧内预测模式等信息,以获得发生镜头突变和渐变的特征。针对镜头边界帧的数量远少于视频帧总数的特点,用Biased—SVM分类方法将视频帧分为突变帧、渐变帧和非镜头边界帧。在TRECVID视频集上的实验结果表明,与其他H．264压缩域的算法相比,该算法有更好的性能。     

采用特征描述的H.264压缩视频运动分割

H264视频压缩标准以其优良的压缩效率和编码灵活性得到了广泛的应用。提出了一种基于H264压缩域的运动对象分割方法,首先从压缩视频中提取运动场,采用加权中值滤波方法滤除运动场的噪声矢量,再运用后向估计的方法重建预测运动场并进行运动场的累积,然后基于幅度、散度和旋度3个运动特征, 采用改进的统计区域合并方法将运动对象分割出来。实验结果表明,该方法可有效地从H264压缩视频中提取运动对象且分割质量较好。     

采用特征描述的H.264压缩视频运动分割

H.264视频压缩标准以其优良的压缩效率和编码灵活性得到了广泛的应用。提出了一种基于H.264压缩域的运动对象分割方法,首先从压缩视频中提取运动场,采用加权中值滤波方法滤除运动场的噪声矢量,再运用后向估计的方法重建预测运动场并进行运动场的累积,然后基于幅度、散度和旋度3个运动特征,采用改进的统计区域合并方法将运动对象分割出来。实验结果表明,该方法可有效地从H.264压缩视频中提取运动对象且分割质量较好。     

一种基于H.264/AVC码流的镜头边界检测方法

H.264/AVC作为新一代的视频标准正得到不断的推广,也将被越来越多的用于视频压缩和传输等方面.由于H.264/AVC标准中引入了许多新的特性,因此,传统的基于MPEG-1/2码流的压缩域镜头边界检测算法不再适用.本文根据宏块运动矢量信息、参考帧信息和4×4DC图,提出了一种在H.264/AVC码流上检测镜头边界的算法.实验结果表明,提出的镜头检测算法,不仅能很好地检测切变还能有效地检测渐变,达到了很好的检测效果.     

一种基于H.264/AVC的压缩域运动对象分割方法

目前大部分压缩域视频对象的分剖方法主要面向MPEG系列视频标准,且算法建模复杂.为了解决这一问题,现提出了一种新的基于H.264/AVC的压缩域时空联合运动对象分割(TSMOS)算法.该方法主要利用压缩码流中的DCT系教和运动矢量信息进行对象分割,并首先利用相邻帧DCT系数之差提取运动对象轮廓,同时通过对轮廓进行形态学和抗噪声处理来得到粗糙的运动对象帧差掩码;然后采用运动向量归一化、噪声向量滤除、权值扩展向量中值(WEVM)滤波及前帧分割结果后向投影技术来得到对象的运动掩码;最后通过引入有效机制合并帧差掩码和运动掩码来分割运动对象.实验证明.该算法可取得较好的分割效果.     

基于EM聚类的H.264压缩域视频对象实时分割算法

从压缩域直接分割视频对象比传统的像素域分割具有快速高效的特点,目前已有不少从MPEG域分割的方法,但从H.264压缩域分割的甚少。为此提出一种基于H.264域的实时分割运动对象方法,该算法先对当前视频帧进行全局运动估计和补偿,然后对4×4的运动矢量场进行分类处理,最后对非零运动矢量使用改进的EM聚类分割算法。本文算法对多个视频序列进行了实验,结果表明,该算法针对静止背景和运动背景的视频序列都能达到较精确的实时分割。     

基于HEVC压缩域的镜头边界检测方法

镜头边界检测是智能视频检索的一个重要环节。现有的检测方法主要是在像素域进行处理,切变检测精度不高,计算复杂度过大。针对这些问题,文中利用解析HEVC码流得到的编码信息,提出了一种基于HEVC压缩域的镜头边界检测方法。首先统计每帧编码信息中各类预测模式的PU个数,并根据CU深度对运动矢量进行幅值滤波;然后采用PU预测模式、运动矢量和帧比特数对切变候选帧进行两级筛选,再对其进行自适应阈值的镜头切变检测;接着根据切变帧对视频序列进行分段,并在时域上对帧比特数进行平滑滤波;最后使用PU预测模式和经滤波平滑后的帧比特数对分段视频进行镜头渐变检测。实验结果表明,该方法具有良好的镜头边界检测效果,并具有较低的计算复杂度。     

基于图割的压缩域运动对象提取

随着在视频监控等方面的应用,视频数据量不断增加,如何快速有效地处理和分析视频内容仍然是一个亟待解决的问题。目前的运动对象提取通常采用像素域的分析方法,虽然有较好的主客观效果,但由于计算复杂度高,在实际应用中有诸多限制。因此,提出了一种基于图割的压缩域运动对象提取算法。该算法基于4×4分块的高斯背景建模,得到视频帧中各子块的初始概率,结合运动矢量（Motion Vector）信息构造压缩域图割能量函数,利用图割算法对前景区域进行修正,从而实现对运动对象的快速提取。与其他运动区域提取算法的对比实验表明,该算法具有较高的准确率和较低的计算复杂度,具有较高的实际使用价值。     

一种新的基于RS理论的压缩域镜头分割算法*

针对传统的非压缩域镜头分割算法数据多、运算量大和效率低的缺点,提出了一种基于RS理论的压缩域镜头分割算法。该算法首先根据MPEG压缩标准,从视频流中提取DCT系数;然后经预处理得到每一帧的DC系数;最后依DC系数建立镜头分割信息系统模型,通过RS理论的划分与属性约简得到视频镜头。实验结果表明,该算法相对传统非压缩域算法运算量和数据量大大减少,算法效率明显提高。     

H.264视频码流中运动物体的提取

H.264是新一代视频编码标准,具有广泛的应用前景。本文主要讨论了基于H.264视频流中运动物体检测的问题。首先简要介绍了H.264视频编码标准,然后分析了各种编码图像帧的编码过程,从而得出根据运动矢量来检测运动物体的方法,并分析了因摄像机运动而对检测方法造成的影响及相应的处理方法。从实验结果可以看出,检测效果还是比较令人满意的。     

基于模糊聚类的H.264压缩域视频对象分割

鉴于压缩域视频运动分割方法在分割速度上的优越性,提出一种基于H.264的压缩域视频运动对象分割方法,对初始的运动矢量场进行去噪、中值滤波、校正和累积处理,得到更可靠的运动矢量场,用改进的模糊C-均值聚类算法分割出视频序列中的运动对象。实验结果表明,该方法可以快速准确地提取出视频序列中的运动对象。     

MPEG压缩域多尺度镜头切变检测算法

如何在压缩域进行镜头的切变检测一直是视频自动索引和检索中的难点。提出了一种MPEG压缩域多尺度镜头切变检测算法,在GOP、slot和B帧三个尺度上对MPEG视频流进行分析。通过对相邻I帧的检测,确定一个GOP中是否存在镜头切变;通过对slot的分析,确定镜头切变在GOP中所处的区域;通过对B帧的检测,确定镜头切变发生的确切位置。     

基于H.264编码域的显著运动检测算法

视频监控中运动目标检测算法易受背景、噪声等因素的影响,导致运动检测准确性降低。针对该问题,提出一种基于H.264编码域的显著运动目标检测改进算法。该算法基于编码过程中帧间运动预测模块输出像素值的绝对差值和,计算其标准差以作为运动判据,同时自适应设置运动判断阈值,以降低背景和噪声的影响。实验结果表明,相比于传统的低复杂度算法,该算法能有效降低背景和噪声等因素的影响,提高显著运动目标的检测准确性。相比于传统的运动检测算法,该算法保持了计算复杂度低的特点,算法复杂度仅为帧间差分法的18.3%,更适用于实时性要求高的监控系统。     

结合H.264压缩域和像素域运动目标分割

H.264压缩域运动目标分割算法分割速度较快,像素域分割较为准确。提出一种结合压缩域运动信息和像素域纹理信息的分割方法。在压缩域得到运动矢量场,经过滤波、归一化和运动矢量场累加,得到相对可靠的运动区域,然后采用局部二值模式描述纹理信息,最后再进行精确分割。实验结果表明,在保证分割准确度的情况下,大大提高了分割速度。     

基于H.264的运动对象快速分割算法

提出一种视频的压缩域与像素域特征结合的运动对象分割算法。该算法在压缩域对运动矢量场进行时空域滤波和累加处理,用空域差异度分割算法提取出运动对象区域,把提取得到的运动对象区域经一定的扩展映射到像素域,在像素域中使用基于高斯的马尔可夫随机场模型细分割运动对象。实验结果表明,该算法分割效率高,分割的运动对象完整性好、精度较高。     

从h.264压缩码流提取运动对象的一种方法

提出一种基于h.264压缩域视频流中运动对象的分割方法。对提取的运动矢量场进行噪声处理,在空间检测和校正、中值滤波等处理后,得到可靠的运动矢量场。为进一步增强可靠的运动向量,利用后向投影迭代技术,采用均值聚类算法获得视频对象分割。仿真实验证明,该方法可以得到良好的分割质量,且码流无须解码,实时性良好。     

基于H.264的运动估计优化

针对运动估计非常耗时这一特点,本文从算法和代码两个方面对运动估计进行优化。实验证明改进后的算法明显减少了编码时间,而图像质量只有少量变化。     

基于H.264的多参考帧运动估计快速算法

H.264/AVC中引入多参考帧运动补偿来提高视频编码性能,由此产生的多参考帧运动估计(MRF-ME)却带来了巨大的运算代价。为提高编码速度,降低计算复杂度,提出一种基于空间域相关性的运动估计算法——缩小的菱形算法(DDS)。先运用前向主矢量选择法不断修正预测运动矢量,再根据最佳参考帧位置的统计特性对不同参考帧使用不用模板进行搜索。实验结果表明,与H.264参考模型JM10.2相比,该算法保持了较好的图像质量且码率变化很小,运动搜索点数平均减少接近80%,并能有效地降低编码器复杂度。