复杂背景下H.264压缩域运动目标检测算法

针对H.264/AVC压缩码流中的运动目标检测问题,提出了一种基于马尔可夫随机场的最大后验概率(MAP-MRF,maximum a posterior-Markov random field)框架下适合复杂背景的H.264压缩域运动目标检测算法。算法首先生成滤波后的4×4像素块均匀运动矢量(MV,motion vector)场,对MV的相位建立高斯混合模型(GMM,Gaussian mixture model),结合MV幅度、帧间宏块分割模式、MV相位背景模型和运动目标时空约束建立马尔可夫随机场(MRF,Markov random field)模型。通过求解该模型得到每个4×4像素块前景、背景标记检测出运动目标。实验结果表明,算法能从复杂场景的H.264码流中提取出运动目标,与传统算法相比,Precision和Recall指标平均分别提高了20%和3.5%。     

基于H.264压缩域的运动目标检测算法

基于H264压缩域的运动目标检测算法。首先,从压缩码流中提取原始运动矢量场,采用中值滤波法滤除运动场中由噪声引起的运动矢量;再利用从压缩码流中提取的宏块分割类型初步排除一些分块较大的伪运动块;然后采用自适应阈值选取法定位出运动区域;最后,通过已定位的运动区域的特征进一步精确识别出运动目标。算法充分利用了H264码流中的运动矢量信息,简单易于实现,适用于智能监控,视频分析等领域。试验结果表明,该算法检测效果较好,且不需要对压缩码流进行全部解码。     

基于粒子群聚类的H.264压缩域运动目标分割

提出了一种基于H.264压缩域的运动目标分割方法.首先从压缩流中提取运动矢量场,采用矢量中值滤波方法滤除运动场的噪声和非真实运动块;再运用前向估计方法进行矢量场的累积,解决了帧内预测时无运动矢量的问题;最后运用基于粒子群聚类算法对运动对象进行自适应分割.试验结果表明,该方法能有效分割出H.264压缩域的运动目标.     

一种新的基于H.264压缩域的运动对象分割算法

提出了一种在H.264压缩域下进行运动对象分割的新算法。算法主要利用H.264码流中的运动矢量信息来进行对象分割,为了提高运动矢量信息的鲁棒性,首先利用I帧中的帧内预测模式和预测残差能量进行区域划分;在P帧中,利用帧间预测残差能量来更新区域划分结果,对部分区域的运动矢量进行归零化处理。再根据P帧中的分块模式,采用不同的滤波器对运动矢量进行滤波;最后利用滤波后的运动矢量信息建立对应的Gibbs势能函数,采用迭代条件模式方法求解最大后验概率,得到可靠的运动对象标记。实验结果表明,该运动对象分割算法可以获得有效并可靠的分割结果。     

基于块特征的H.264压缩域对象分割

针对H.264压缩域,提出一种改进的运动对象分割方法。首先提取运动矢量场,对该矢量场进行矢量中值滤波,然后基于块进行前向矢量累积获得更加显著的矢量场,最后采用改进的K均值和EM的混合分层聚类方法,基于宏块层、块层两次聚类将运动对象分割出来。实验表明,该方法通过分层聚类,进一步提高了分割效率,能实现满足实时要求的较精确分割。     

基于相关性异常的H.264/AVC视频运动矢量隐写分析算法

视频隐写分析是信息隐藏领域一个重要的研究方面,如何在格式复杂的压缩码流中搜寻运动矢量（Motion Vector,MV）中所留下的隐藏痕迹并设计隐写分析方法成为当前的研究热点之一.视频中成像设备和拍摄对象都具有运动相似性,使得H.264视频中基于块的运动估计所生成的MV存在较强的邻域相关性,隐秘信息的嵌入将迫使MV相关性出现统计异常.本文提出了一种基于共生频率异常的MV相关性度量方法,并在此基础之上结合H.264中与MV有关的编码技术,设计了基于相关性异常的H.264视频MV隐写分析算法.在隐写分析检测和性能测试中表明,本文提出的方法能够针对H.264视频MV隐藏实现有效检测,具有检测率高、检测速度快的特点.     

基于Live555的网络视频监控系统设计与实现

针对Live555开源项目不支持H.264实时码流接受,在LiveMedia类库中,新增了类H264Transport UDP-Server Media Subsession和类My-Transport UDP Server Media Subsession,实现了实时转发H.264码流的流媒体服务器。将此服务器应用于网络视频监控系统中,具备网络监控系统的实时播放模式。     

一种高效的基于H.264/AVC压缩域信息的全局运动估计方法

本文提出了一种基于H.264/AVC压缩域的高效全局运动估计算法.由于H.264采用了多种新的视频压缩编码技术,使得其压缩码流的运动矢量(MV)场中包含大量噪声运动矢量,可参与全局运动估计的运动矢量相对较少.噪声运动矢量这里指的是与全局运动不相符的运动矢量.为了降低噪声运动矢量的影响、提高全局运动估计的精度和效率,在全...     

一种自适应分裂与合并的运动目标聚类分割算法

针对智能监控系统中多个运动目标进行图像分割这一问题,该文提出一种自适应分裂与合并的多运动目标聚类分割算法。该算法首先利用视频图像的时域信息,通过样本方差进行背景建模,分割出包含多个运动目标的前景图像。然后定义了像素点的空间连通率,并设计一种利用中垂线分割法,对初始聚类进行自适应分裂与合并。在无需事先设定聚类分割数目的条件下,自组织迭代聚类算法能完成多运动目标的分割。实验结果证明该算法对多运动目标分割效果好,分割结果与人眼视觉的判断一致。利用空间连通信息使得算法迭代收敛速度快,具有良好的实时性。     

一种针对监控视频场景的压缩域运动对象分割方法

提出了一种压缩域背景建模与运动对象分割框架:首先提取H.264视频压缩码流中的MB-bits与4×4块残差系数,基于MB-bits场进行压缩域Vibe背景建模分割出宏块级运动对象区域,然后结合最大熵模型提取4×4边缘块进行运动对象轮廓细化最终分割出压缩域运动对象。试验对比分析表明,提出的算法能快速、准确地提取压缩域运动对象,系统具有一定鲁棒性。     

A novel moving object segmentation framework utilizing camera motion recognition for H.264 compressed videos

This paper presents a novel coarse to fine moving object segmentation framework for H.264/AVC compressed videos. The proposed framework integrates the global motion estimation and global motion compensation steps in the segmentation pipeline unlike previous techniques which did not consider such an integration. The integration is based on testing for presence of global motion by classifying the interframe motion vectors into moving camera class and still camera class. The decision boundary separating these two classes is learnt from the training video data. The integration automates the moving object segmentation to be applicable for static, moving and combination of static/moving camera cases which to the best of our knowledge has not been carried out earlier. Further, a novel coarse segmentation technique is proposed by decomposing the inter-frame motion vectors into wavelet sub-bands and utilizing logical operations on LH, HL and HH sub-band wavelet coefficients. The premise is based on the fact that since the LH, HL and HH sub-bands contain the detail information pertaining to horizontal, vertical and diagonal moving blocks respectively, they can be exploited to identify the coarse moving boundaries. The coarse segmentation is fast in comparison to state-of-the-art coarse segmentation methods as demonstrated by our experiments. Finally, these coarse boundaries are modeled in an energy minimization framework and shown that by minimizing the energy using graph cut optimization the segmentation is refined to obtain the fine segmentation. The proposed framework is tested on a number of standard video sequences encoded with H.264/AVC JM encoder and comparison is carried out with state-of-the-art compressed domain moving object segmentation methods as well as with an existing state-of-the-art pixel domain method to establish and validate the proposed moving object segmentation framework.     

局部运动场景中运动对象的压缩域分割算法

压缩域视频运动对象的分割技术近年来逐渐被人们所重视,并且成为较实用的技术之一.该文针对目前压缩域中运动对象分割质量不高的问题,提出一种压缩域分割的改进算法.该算法首先从MPEG压缩码流中提取运动矢量,并对矢量进行运动累加和中值滤波处理,最后利用贝叶斯风险决策对非零运动矢量区域进行校正,最终得到较好的分割结果.该文还定义了压缩域分割质量的评价参数分割率和错分率,为评价压缩域的分割结果提供了客观评价标准.     

目标基视频编码中的运动目标提取与跟踪新算法

自动、快速的视频目标提取与跟踪是目标基视频编码中的一项关键技术.本文提出一种运动目标提取与跟踪新算法.首先,根据多帧运动信息和高阶统计检测方法得到二值运动掩模图像,然后提出一种改进分水岭算法对运动区域及其周围部分进行分割.将二者所得结果进行投影运算,得到最终运动目标.最后提出一种运动目标跟踪新算法,能对目标进行有效的跟踪.实验结果说明了本文算法的有效性.     

运动目标的自动分割与跟踪

该文提出了一种对视频序列中的运动目标进行自动分割的算法。该算法分析图像在L U V空间中的局部变化,同时使用运动信息来把目标从背景中分离出来。首先根据图像的局部变化,使用基于图论的方法把图像分割成不同的区域。然后,通过度量合成的全局运动与估计的局部运动之间的偏差来检测出运动的区域,运动的区域通过基于区域的仿射运动模型来跟踪到下一帧。为了提高提取的目标的时空连续性,使用Hausdorff跟踪器对目标的二值模型进行跟踪。对一些典型的MPEG-4测试序列所进行的评估显示了该算法的优良性能。     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

Segmentation and tracking of moving objects for content-based videocoding

To enable content-based functionalities in video coding, a decomposition of the scene into physical objects is required. Such objects are normally not characterised by homogeneous colour, intensity, or optical flow. Therefore, conventional techniques based on these low-level features cannot perform the desired segmentation. The authors address segmentation and tracking of moving objects and present a new video object plane (VOP) segmentation algorithm that extracts semantically meaningful objects. A morphological motion filter detects physical objects by identifying areas that are moving differently from the background. A new filter criterion is introduced that measures the deviation of the estimated local motion from the synthesised global motion. A two-dimensional binary model is derived for the object of interest and tracked throughout the sequence by a Hausdorff object tracker. To accommodate for rotations and changes in shape, the model is updated every frame by a two-stage method that accounts for rigid and non-rigid moving parts of the object. The binary model then guides the actual VOP extraction, whereby a novel boundary post-processor ensures high boundary accuracy. Experimental results demonstrate the performance of the proposed algorithm     

基于运动特征的H.264压缩域对象分割

基于从H.264压缩域提取的运动场,提出了一种新的运动对象分割方法.首先采用矢量中值滤波方法滤除运动场中的噪声矢量;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;然后对存在背景运动的累积运动场进行全局运动补偿;最后基于幅度、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.本文方法适用于背景静止或背景运动的H.264压缩视频,且分割质量较好.