论文部分内容阅读
目前,对于人体目标检测以及跟踪算法大多数都是在像素域上面进行的,虽然有小部分研究人员在压缩域上对人体目标的检测与跟踪算法进行了相关性研究,但大多都是针对较早的视频压缩编码技术进行的,并且大多数都是基于像素域内的人体目标检测技术。针对现有的问题,本文对最新的HEVC视频编码标准进行了研究,提出了一种基于运动矢量和编码单元模式信息的HEVC压缩域人体目标检测与跟踪方法。本文的研究工作主要分为以下三点:(1)以运动矢量等数据作为人体目标特征信息,提出了一种基于阈值的人体目标检测算法。通过研究HEVC压缩域码流信息,在部分解码的情况下,将HEVC压缩域的运动矢量信息提取出来,通过归一化的方法,对运动矢量进行区域划分,从而形成运动矢量场,再对其进行预处理操作,然后再通过其运动矢量区域块时域相关性进行人体目标检测,从而检测出人体运动目标。实验结果表明,该算法能够有效地检测摄像机相对固定下的视频中人体运动目标。(2)以HEVC压缩域的运动矢量作为人体运动目标的运动信息以及特征信息,提出一种基于区域匹配的人体目标跟踪算法。算法通过对当前帧的运动矢量进行前向映射,对视频中当前帧的参考帧人体位置进行预测,然后将运动矢量方向角直方图作为匹配特征,并结合区域匹配策略在预测区域对人体目标进行跟踪,从而实现人体目标跟踪的效果。通过实验证明,该算法能够有效地跟踪背景相对静止的视频中的人体运动目标。(3)针对视频中人流量检测的问题,提出了一种基于预测机制的人体多目标跟踪算法。根据基于运动矢量的人体目标区域以及位置信息,采用相邻帧之间的人体重叠面积率对人体运动目标进行跟踪计数,为了解决人体目标因遮挡或者漏检而导致的跟踪计数失误问题,本文将运动矢量结合Kalman滤波预测机制,对漏检导致的人体位置信息进行预测匹配,并根据区域内的人体匹配状态进行人体跟踪计数。实验表明,在人体目标运动方向缓慢变化的情况下,该算法具有较好的跟踪效果。