基于mpeg压缩域的运动对象检测方法

《基于mpeg压缩域的运动对象检测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第20卷第6期信号处理V01．20．No．62004年12月SIGNALPROCESSINGDec．2004基于MPEG压缩域的运动对象检测方法陈杉于鸿洋(电子科技大学电子7-程学院，成都610054)摘要：为了从MPEG压缩码流中准确的检测和提取运动对象，本文提出了一种时空域的运动对象检测算法。算法主要利用了MPEG码流中的运动矢量信息，首先对运动矢量进行时域平均和向量中值滤波的预处理，减少运动估计秒准确带来的运动矢量与实际对象运动带来的检测误差。然后建立时域上关于搜索块与参考块之间运动矢量夹角

2、的概率模型，对于帧间预测宏块通过聂曼一皮尔迅准则进行运动判决。同时，对于P、B帧内的编码宏块，提出判决算法区分运动的帧内宏块和重现背景。实验证明，本文算法可以获得较为理想的检测效果。关键词：运动对象；MPEG；运动矢量MovingObjectDetectionFromMPEGCompressedFieldChenShanYuHongyang(CofiegeofElectronicEngineering，UESTC。Chengdu610054，China)Abstract：Inthispaper,anove

3、ltemporal—spatialdetectionmethod，whichwasmainlydependedonthemotionvectorinformation，WasproposedforthedetectionofmovingobjectsfromtheMPEGcompressedfield．Firstly,atemporallyaveragefiltersandaspatiallyweightedvectorsmedianfilterswereappliedtothemotionvectort

4、oalleviatethedetectionerrorduetothedifferencebetweenrealmotioninformationandthemotionvector．ForInter-MB，atemporallystatisticalmodalwithregardtovectorangleWasestablishedandthemovingobje：ctWasdetectedbyusingtheneyman-pearsoncriteria．ForIntra-MB，atemporalcom

5、parewasappliedfordistinguishingthemotionMBsfromuncoveredbackgroundMBs．Experimentresultsshowthattheconsiderabledetectioncouldbeexpected．Keywords：movingobjectdetection；MPEG；motionvector1引言当前，MPEG标准已经成为了被广泛接受的数字视频压缩标准。基于MPEG压缩视频流的运动对象检测技术，对压缩的MPEG码流进行分析，检测和定

6、位运动对象，提取出来从而进行下一步的处理。在多媒体数据检索，视频监控，对象交互等领域得到广泛的研究和应用。MPEG视频压缩技术充分利用了视频序列冗余度大这一特点，在空域上采用D(X变换减少空间的冗余度。在时域上，通过帧间的运动检测，计算出当前帧每一个宏块(MB)的运动矢量(MV)，从而采样运动补偿来降低时间上的冗余度。另外，从信息论的角度，通过算术编码，huffman编码，游程编码等可变长统计码技术进一步压缩码流。收稿日期：2003年10月31日基于压缩视频流的运动检测技术，必须充分利用码流中提供的上述信

7、息。文献f1】提出了DC-Image的概念，它由每个码流中的DCI"直流系数(DC)构成，相当于正常解码后图像的8倍下采样后的图像，在此基础上求取相邻帧差进行场景检测。在文献【2】提出了一种使用分水岭变换对DC-Image进行空域分割的算法。通过DC．mage，虽然可以使用众多非压缩域的图像处理方法，但是由于dc．image损失了大量的图像细节，因此，分割效果并不理想。此外，对DCI"系数解码也增加了算法的运算量。运动矢量，反映了一帧中每一个宏块的运动信息，在近几年得到了广泛的关注和研究。Y．Nakaji

8、ma和A．Yoneyama等在【3】提出了一套基于运动矢量的运动检测算法，该算法无需对码流进行完全解码，仅利用了运动对象的运动向量在空万方数据第6期基于MPEG压缩域的运动对象检测方法629域和时域上的相关性，通过设定全局阀值并根据两个向量间的余弦值进行简单的运动判决。但由于运动矢量的复杂性，简单的阀值判决存在着很大的极限性，因此在许多情况下无法获得较为准确的检测结果。本文提出了一种新的运动对象检测技术，使用多帧平均和权值向量