基于背景建模自适应预测方法在监控编码中应用研究.pdfVIP

基于背景建模的自适应预测方法在编码

中的应用

，IEEE会员，黄铁军，IEEE高级会员，，IEEE高级

会员，IEEE

——数据的指数级增长对高效编码技被广泛用于压缩。如果我们继续沿用这一技术路

术提出了前所未有的。与为通用设计的现有编码线，那么在接下来的几年里，的增长速度将远高

相比，编码应充分利用的特殊特性（例如相对于AVC甚至HEVC[3]所能达到的压缩率。从这个意义上

静态的背景）进行优化。为此，本文首先对如何提升中讲，数量的指数级增长，给高效编码技

背景和前景的预测效率进行了两项分析。基于这些分析结果，我

术带来了前所未有的。

们提出了一种基于背景建模的自适应预测（BMAP）方法。在该

方法中，首先将所有待编码块分为三类；然后根据每个块的类为了解决这一，一个关键点是如何充分利用

别，选择性地采用两种新的帧间预测方法：背景参考预测

的特殊特性（例如，一段时间内相对固定的背景[4]）

（BRP）和背景差分域预测（BDP）。其中，BRP使用从原始

来设计编码。这主要是因为大多数通常

输入帧建模得到的背景作为长期参考，而BDP则在背景差分域

由固定头拍摄，这些头长时间对准同一场景。这

中对当前数据进行预测。对于背景块，BRP利用高质量的背景作

为参考可有效提升预测效率；而对于前景与背景混合块，BDP里的背景是指没有移动物体的场景表示，必须定期更新，

在减去其背景像素后可更优的参考。实验结果表明，与以适应不断变化的亮度条件和几何设置[5]。

AVC（MPEG‑4高级编码）的HighProfile相比，BMAP

在上的压缩率至少提升了两倍，且仅带来轻微的编码复

杂度增加。此外，对于中移动物体质量至关重要的在已有研究中，有三类方法被提出用于利用这些特性

前景编码性能，BMAP相比多种当前先进方法也取得了显著提以提高压缩效率。第一类是基于模型的编码方法[6]–[10],，

升。这类方法对感对象进行建模，然后分别编码模型参数和

剩余内容。由于使用一个或一组参数模型难以完美地描述复

杂场景中各种不同的对象，面向对象的方法[11]–

[14],[23]–[27]因此采用了略有不同的技术路线。具体来说，

索引术语——、背景建模、背景差分、背景参考、块分类。它们将前景对象从背景中分割出来并分别进行编码。然而，

即使在计算机视觉领域，像素级精确的前景分割仍然是一

个尚未解决的难题；此外，还需要大量比特来表示对象的

I.引