数字视频读书报告.docVIP

数字视频处理与通信 读书报告 读《利用H.264中运动矢量实现运动目标检测》有感 读了北京航空航天大学无人驾驶飞行器研究所高级工程师丁文锐等人的这篇文章，我对视频压缩和运动目标跟踪同时应用的实现有了新的认识。 作者针对视频压缩和运动目标跟踪同时应用的实现，以及传统的一些运动目标检测算法的复杂性和硬件实现难度大等缺点，提出了一种利用H.264编码过程中计算出的运动矢量实现运动目标检测的方法。该方法基于运动估计原理，通过分析H.264标准中运动矢量的信息，建立了H.264编码流中运动矢量与场景中物体运动状态的对应关系，实现了运动目标与背景的分离。 文章从3方面介绍了技术原理与应用效能。首先介绍运动估计原理，说明H.264运动矢量和运动目标的相关性，提出基于运动矢量统计的阈值比较值计算方法；然后提出了双阈值设计，说明了利用双阈值分割，在不同运动速度目标间进行速度估算级跟踪切换的实现机理；最后结合实验结果说明算法在摄像头运动场景中的效果与应用前景。 视频图像的运动信息包含在帧与帧之间的像素变化中，可以通过运动估计来获得。用d(x,y, t1, t2)来描述视频帧I(x,y, t1)与I(x,y, t2)间某一对应像素区域的位移,根据公式(1)可将I^(x,y, t1, t2)视为由I(x,y, t1)变形后得到的I(x,y, t2)的近似.I^(x,y, t1, t2) =I((x,y) -d(x,y, t1, t2), t1)(1) 在不考虑景深影响的情况下二阶参数建模适用于摄像机旋转、平移等场景状态.对应像素区域运动状态的二阶方程建模如公式 (2)所示: 　 对于两帧间摄像头旋转等情况,二阶参数模型的8个系数能够很好地表征平面变化.而对于两帧间图像微变的情况,将二阶方程降为一阶,仍能很好地估算像素区域位移.事实上H. 264帧间编码的运动估计正是基于这一原理.H. 264采用了7种分块模式,将图像分割为最小至4×4的像素块.考虑到硬件实现,H. 264使用绝对值差 匹配准则,如公式(3)所示: 其中,fk(m,n)和fk-1(m+i,n+j)分别为k和k-1帧内(m,n)位置像素点的亮度值; (i, j)为偏移量;M和N为块的水平和垂直像素数;μ为残差块的绝对值.当式(3)中左边取值最小时,表示两个子块匹配,此时的(i,j)被认为是该块的位移值也即运动矢量.H.264帧间编码过程中计算所得的运动矢量实际上反应了场景中各部分相对于摄像机的运动状态.对于远距离或可平面化的场景环境,运动矢量包含了各像素块相对于背景的运动与摄像机相对于背景的运动两部分运动信息,而场景中的运动目标有不同于背景的运动规律,如果能检测出构成运动目标的各个像素块,就能实现运动目标的检测.公式(4)引入运动矢量统计信息,实现了运动目标像素块与背景像素块的分离: 其中,n为第n个像素块;d(n)为该像素块运动矢量;dm为帧内所有像素块运动矢量平均值.dm引入了运动矢量的统计信息,它包含了背景相对于摄像机的运动信息,通过与各像素块做矢量差,实现了像素块由相对摄像头运动到相对背景运动的转化,排除了摄像头的运动干扰.利用二阶公式在将阈值一维化的同时,提高了对速度变化的敏感度,为阈值分割检测创造了条件.以CIF格式图像为例,图1为M(n)取值曲面,其中公式(4)中的dm=0,x与y输入为运动矢量d(n)两分量,均取正值. 由图1可知,M(n)的最大可能取值在2×105以上,方便了阈值的设置,保证了在多阈值分割时的准确性. 估算目标运动速度.估算原理如公式(5)所示: 由公式(5)可知,M (n)近似正比于目标实际速度.确定了系统的各项参数后,即可由M(n)估计物体的速度. 基于上述速度估算及公式(4)提供的较高的运动矢量变化敏感度和充足的可选阈值范围,可利用双门限值设计来分别检测具有不同运动速度的目标.双门限检测算法流程如图2所示 图3是作者为验证算法所制作的CIF视频序列中的连续两帧图像,亮度阈值为T1=25,T2=10000. 由于两帧为连续帧,第i+1帧运动矢量的计算将以第i帧为参考,图4给出了i+1帧的M(n)曲面. 由图4可知,灰色小球的运动效果强于白色小人.据此设T1=25,T2=2 000,以及T1=4 000,T2=6000进行两组检测,结果如图5所示. 由图5可看出,通过改变双阈值的范围,算法可实现对不同运动速度目标的检测切换. 作者从视频图像中包含的运动信息入手,分析了运动估计原理及图像各部分的运动状态与H. 264编码流中运动矢量的对应关系.提出了利用H. 264编码中运动矢量实现目标检测的方法.检测算法的双阈值设计能够根据物体运动速度实现目标间的检测切换.试验证明算法能够有效地对抗背景运动对目标检测的影响.同时,由于有效利用了H. 264