基于车载视频及HEVC压缩域的车辆行车行为检测研究

发布时间：2020-09-15 09:37

　　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。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN919.81;U463.6
【部分图文】：

示意图,编码单元,示意图

采样格式的视频，一个宏块包含一个大小的亮度块和两个大小的色度块。现在的视频大多是高清或超高清视频，HEVC 标准考虑到了这类高清视频的特性，引入了树形编码单元 CTU，一个 CTU 包含一个亮度块和两个相应的色度块, 其中，亮度块的尺寸有 3 种：、、。一般来说，为了获得更高的编码及压缩效率，HEVC 会优先采用大尺寸的块来划分图像。（2）编码单元在 H.264/AVC 中，编码单元的大小是固定的，而在 HEVC 中，编码单元 CU 的尺寸大小可以是、、和[47]。CU 是 HEVC 中最基本的单元，它是进行帧内预测编码和帧间预测编码的基础。一幅图像可以被划分为若干个 CTU，并且这些 CTU 互相不重叠，每个 CTU 都采用基于四叉树的循环分层结构。如果一个 CTU 没有进一步划分的话，那么这个 CTU 包含一个 CU。如果一个 CTU 进一步划分的话，那么这个 CTU 就包含多个CU。图 2.2 是一帧图像划分为 CTU 以及一个 CTU 划分为多个 CU 的示意图。

尺寸,编码单元,图像能量,帧间编码

图 2.3 HEVC 预测单元的划分模式单元元 TU 是进行变换和量化过程的基本单元。TU 也是以编码单元 CU 为基础四叉树结构，一个 CU 可能包含一个或者多个 TU，TU 有 4 种大小的尺寸：、[49]。由于变换和量化是对数据进行有损压缩，所以采用这种灵仅可以保存多一点的图像细节，也能够更好地集中图像能量。在充分压缩够进一步提高编码效率。如果一个 CU 块采用的是帧间编码，那么 TU 的尺寸大。如果一个 CU 块采用的是帧内编码，那么 TU 的尺寸不能比 PU 的预测测编码[50]技术是指利用图像在空间上的相关性，用已编码的重构像素块信素块信息，这样可以去除图像的空间冗余信息。HEVC 与 H.264/AVC 的帧

示意图,插值,亮度,示意图

士研究生学位论文第二章 HEVC 编码标准与车道线检。这时候，如果还是使用整像素精度来进行运动估计，那么预测的误一步提高运动估计的精度，将其提升到亚像素级别。HEVC 标准使用，此外，还使用了更多邻近的像素点进行亚像素精度插值。编码标准中，视频数据帧的亮度分量的运动估计的精确度是 1/4 像素精确度则是 1/8 像素。下面将以亮度分量的插值算法为例进行简单介法原理基本与之相同。如图 2.6 所示，是亮度分量的 1/2 像素和 1/4 像

【相似文献】