目前,對(duì)于人體目標(biāo)檢測(cè)以及跟蹤算法大多數(shù)都是在像素域上面進(jìn)行的,雖然有小部分研究人員在壓縮域上對(duì)人體目標(biāo)的檢測(cè)與跟蹤算法進(jìn)行了相關(guān)性研究,但大多都是針對(duì)較早的視頻壓縮編碼技術(shù)進(jìn)行的,并且大多數(shù)都是基于像素域內(nèi)的人體目標(biāo)檢測(cè)技術(shù)。針對(duì)現(xiàn)有的問(wèn)題,本文對(duì)最新的HEVC視頻編碼標(biāo)準(zhǔn)進(jìn)行了研究,提出了一種基于運(yùn)動(dòng)矢量和編碼單元模式信息的HEVC壓縮域人體目標(biāo)檢測(cè)與跟蹤方法。本文的研究工作主要分為以下三點(diǎn):（1）以運(yùn)動(dòng)矢量等數(shù)據(jù)作為人體目標(biāo)特征信息,提出了一種基于閾值的人體目標(biāo)檢測(cè)算法。通過(guò)研究HEVC壓縮域碼流信息,在部分解碼的情況下,將HEVC壓縮域的運(yùn)動(dòng)矢量信息提取出來(lái),通過(guò)歸一化的方法,對(duì)運(yùn)動(dòng)矢量進(jìn)行區(qū)域劃分,從而形成運(yùn)動(dòng)矢量場(chǎng),再對(duì)其進(jìn)行預(yù)處理操作,然后再通過(guò)其運(yùn)動(dòng)矢量區(qū)域塊時(shí)域相關(guān)性進(jìn)行人體目標(biāo)檢測(cè),從而檢測(cè)出人體運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效地檢測(cè)攝像機(jī)相對(duì)固定下的視頻中人體運(yùn)動(dòng)目標(biāo)。（2）以HEVC壓縮域的運(yùn)動(dòng)矢量作為人體運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息以及特征信息,提出一種基于區(qū)域匹配的人體目標(biāo)跟蹤算法。算法通過(guò)對(duì)當(dāng)前幀的運(yùn)動(dòng)矢量進(jìn)行前向映射,對(duì)視頻中當(dāng)前幀的參考幀人體位置進(jìn)行預(yù)測(cè),... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文各章節(jié)安排結(jié)構(gòu)框圖

西北師范大學(xué)碩士學(xué)位論文6第2章壓縮域檢測(cè)與跟蹤技術(shù)基礎(chǔ)2.1HEVC編碼基本框架與編碼塊劃分HEVC又稱為H.265，是一種高效率視頻編碼標(biāo)準(zhǔn)，從1992年發(fā)布的MPEG-1，到2003年發(fā)布的H.264，一直到今天的H.265。經(jīng)過(guò)了十幾年的不斷變化，其傳輸效率越來(lái)越高，編碼性能也越來(lái)越好。與前面幾代壓縮編碼相比，HEVC壓縮域中的人體目標(biāo)檢測(cè)數(shù)據(jù)是HEVC壓縮標(biāo)準(zhǔn)壓縮的碼流數(shù)據(jù)，而人體目標(biāo)跟蹤是本文的最終目標(biāo)。本章將對(duì)HEVC壓縮編碼進(jìn)行詳細(xì)介紹。2.1.1HEVC編碼基本框架圖2-1HEVC視頻壓縮編碼標(biāo)準(zhǔn)框架圖2-1為HEVC視頻壓縮編碼標(biāo)準(zhǔn)，在開(kāi)始的時(shí)候，將輸入視頻幀按照編碼樹(shù)單元（CodingTreeUnit，CTU）將圖像劃分為塊狀區(qū)域。其中，一個(gè)CTU由單個(gè)或者多個(gè)編碼單元（CodingUnit，CU）組成，圖2-2為CU的劃分結(jié)構(gòu)。從編碼標(biāo)準(zhǔn)框架中可以看出，當(dāng)劃分出CTU后，將會(huì)選取幀內(nèi)、幀間兩種編碼模式。如果選擇的是幀內(nèi)編碼模式，首先將會(huì)對(duì)其數(shù)據(jù)進(jìn)行幀內(nèi)估計(jì)，然后對(duì)其進(jìn)行幀內(nèi)編碼，之后再進(jìn)行預(yù)測(cè)（反編碼）。將分塊后的原圖像與幀內(nèi)預(yù)測(cè)結(jié)果進(jìn)

CU的劃

【參考文獻(xiàn)】：
期刊論文
[1]基于三幀差分混合高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 李曉瑜,馬大中,付英杰.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(04)
[2]一種HEVC壓縮域的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 楊洋,滕游,商明將,朱威.  小型微型計(jì)算機(jī)系統(tǒng). 2018(05)
[3]Particle Filter Object Tracking Algorithm Based on Sparse Representation and Nonlinear Resampling[J]. Zheyi Fan,Shuqin Weng,Jiao Jiang,Yixuan Zhu,Zhiwen Liu.  Journal of Beijing Institute of Technology. 2018(01)
[4]基于均值背景與三幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 亢潔,李曉靜.  陜西科技大學(xué)學(xué)報(bào). 2018(01)
[5]基于壓縮感知的監(jiān)控視頻多目標(biāo)自適應(yīng)跟蹤算法[J]. 劉旸波,李洪均,張晨,謝正光.  計(jì)算機(jī)應(yīng)用與軟件. 2017(05)
[6]多幀背景差與雙門(mén)限結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 王凱,吳敏,姚輝,楊樊,張翔.  小型微型計(jì)算機(jī)系統(tǒng). 2017(01)
[7]傳感器網(wǎng)絡(luò)中基于壓縮感知的壓縮域目標(biāo)跟蹤算法研究與應(yīng)用[J]. 孫斌,馬春暉,金心宇,呂鵬昊,項(xiàng)川.  電子測(cè)量與儀器學(xué)報(bào). 2016(11)
[8]視頻圖像壓縮在物聯(lián)網(wǎng)監(jiān)測(cè)系統(tǒng)中的應(yīng)用[J]. 張霞霞,孫萬(wàn)蓉,成龍,岳智佳,李沛甲.  電子科技. 2016(09)
[9]基于視覺(jué)的目標(biāo)檢測(cè)與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動(dòng)化學(xué)報(bào). 2016(10)
[10]一種改進(jìn)視覺(jué)背景提取模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 何志輝,黃山,冉耕.  小型微型計(jì)算機(jī)系統(tǒng). 2015(11)

碩士論文
[1]基于HEVC壓縮域的車流量檢測(cè)算法研究[D]. 徐濤濤.南京郵電大學(xué) 2018
[2]基于HEVC壓縮域的車輛行為事件檢測(cè)研究[D]. 尹爍.南京郵電大學(xué) 2017
[3]基于視頻編碼的多行人運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D]. 苗世君.哈爾濱工程大學(xué) 2016
[4]基于壓縮域的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D]. 王敬.上海師范大學(xué) 2012



本文編號(hào)：3404235