目前,人们对车辆行为事件检测的研究主要集中在像素域,与运动目标检测与运动目标跟踪的技术研究也主要集中像素域。虽然有些学者基于早期的视频编码标准进行了压缩域运动目标分割检测的研究,但也都是套用像素域的运动目标检测处理技术。本文对最新的HEVC视频编码标准进行了分析,基于压缩码流中的运动矢量、编码单元模式以及预测残差等信息,提出了一套基于HEVC压缩域的车辆行为事件检测方法。论文的研究工作分为三个部分:一、运动车辆目标检测。以运动矢量、编码单元划分和预测残差数据作为车辆目标特征信息,提出一种基于阈值的运动车辆目标检测算法。算法首先对HEVC视频压缩码流进行解析,提取码流中的运动矢量、编码单元划分模式、预测残差等信息,然后对运动矢量场进行预处理和阈值处理,进而检测出运动车辆目标,实现运动车辆目标检测。运动矢量场预处理主要包括帧内编码单元虚拟运动矢量分配、运动矢量标准化、中值滤波等预处理过程。论文提出一种使用极坐标中值算法为帧内编码单元分配虚拟运动矢量的方法,减少了帧内编码单元被分配错误的虚拟运动矢量。实验证明,在摄像机相对固定的道路监控视频中,提出的算法能够较好的检测出运动车辆目标。二、运动车辆目标跟踪。以HEVC压缩域运动矢量作为车辆目标的运动信息和特征信息,提出一种基于区域匹配的目标车辆跟踪算法。算法使用当前帧运动矢量前向映射方法,对相邻视频中目标车辆位置进行预测,然后选取运动矢量方向角直方图作为匹配特征,在预测区域内进行车辆目标区域匹配跟踪,最终实现目标车辆的跟踪。实验证明,在背景相对固定的道路监控视频中,提出的算法能够较有效的实现运动车辆目标的跟踪。三、车辆行为事件检测。论文使用基于区域匹配的运动车辆目标跟踪结果提取出连续视频帧中车辆目标的中心坐标,通过车辆行驶轨迹拟合分析,提出了压缩域中车辆行为事件检测判断标准,包括车辆运动方向检测、逆行检测和掉头检测等车辆行为事件的检测。另外,提出了一种基于HEVC码流的停车事件检测算法,该算法不需要进行车辆目标检测与跟踪,仅仅利用编码单元的运动矢量信息进行停车事件判断。实验证明,提出的车辆行为事件检测能够有较好的实现效果,而基于HEVC码流的停车事件检测算法也能够较好的检测出监控视频中包含的停车事件。