随着车辆的普及以及行车记录仪的广泛使用,基于车载视频的车辆行车行为事件检测具有重要的研究价值。目前,人们对车辆行车行为检测的研究主要集中在像素域,运动目标检测和跟踪技术的研究也主要集中在像素域。近年来,虽然已经有学者基于早期或者最新的视频编码标准在压缩域内进行运动目标分割、检测的研究,但是这些研究大多是基于交通监控视频。本文基于HEVC压缩视频,利用压缩域中的编码单元结构、变换单元结构、运动矢量、帧内预测模式和DCT系数等信息,提出一套在HEVC压缩域中对车载视频中的车辆行车行为进行检测的方法。论文的研究内容可以分为以下三个部分:一、提出了一种基于HEVC编码视频I帧的车道线检测方法。算法首先对HEVC压缩视频码流数据分析,提取出码流数据中包含的编码单元结构、帧内预测模式、变换单元结构和DCT系数;再根据编码单元尺寸,分割出道路区域;然后,根据DCT系数得到道路边缘检测图;最后,依据方向优先级的规则来搜索边缘检测图,并基于帧内预测模式检测出车道线。提出的算法无需对视频进行完全解码,节省时间以及计算量。二、提出了基于HEVC编码视频运动矢量和Kalman滤波的车道线跟踪方法。算法首先建立车道线的直线模型,并通过最小二乘法拟合出直线模型的方程;然后利用Kalman滤波对方程参数进行跟踪,预测出车道线在下一帧中的位置;同时结合区域搜索匹配的方法,在车道线预测的一定范围内,以运动矢量为特征信息,对标准块进行搜索匹配,确认当前标准块是否属于车道线范围,完成车道线的跟踪。三、提出了基于车道线斜率变化规律的车辆行车行为检测方法。首先分析了车外基于交通监控视频和车内基于行车记录视频进行车辆行为检测的差异;然后对变道行为进行特征分析,找出在变道过程中,车道线斜率的变化规律,并利用此规律进行变道行为检测。实验验证表明,本文提出的上述算法能够较好地实现车道线的检测、跟踪,并在此基础上检测出车辆行进时的左右变道行为;算法不需要对视频进行完全解码,计算简单,易于实现。