跳到主要內容

臺灣博碩士論文加值系統

(34.226.244.254) 您好!臺灣時間:2021/08/01 05:49
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:蕭建文
研究生(外文):Jian-Wen Shiau
論文名稱:一個利用H.264的解碼資訊分離視訊移動物體的方法
論文名稱(外文):A Method for Segmenting Moving Objects from Video Sequence Using H.264 Decoding Information
指導教授:林啟芳
學位類別:碩士
校院名稱:元智大學
系所名稱:資訊工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:33
中文關鍵詞:影像分割H.264前背景分離移動物體
外文關鍵詞:segmentationMoving detectionH.264/AVC
相關次數:
  • 被引用被引用:0
  • 點閱點閱:140
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
傳統上,影像視訊的前背景分離,在視訊監控與辨識方面,都扮演重要的角色,利用固定鏡頭針對特定區域進行前背景分離,在許多方面被廣泛的應用。由於影像視訊資料量太過龐大,在儲存與傳輸上極為不便,因此,在視訊影像處理上,會先進行壓縮編碼處理,造成傳統前背景分離的方法,必須先對輸入影像解壓縮處理後,才能進行後續分離工作。所以本論文提出不同的做法,對編碼(H.264)過的影像,在未完全解壓縮情況下,利用所能獲得的資訊,進行前背景分離,如此便可以提高整體處理效率。
在視訊編碼技術不斷進步下,不同的編碼標準可利用的資訊也不同,除了傳統編碼標準既有的移動向量外,H.264更多出了多種區塊分割尺寸來提供視訊處理所需。在過去的研究中,一般是利用H.264中提供的運動向量資訊,配合其所屬的區塊分割模式,比較運動向量與實驗門檻值,來進行前背景物件的切割與標示,這種方法簡單易實行,但是其精確度卻有待改進,因此我們提出改善方法,利用以機率為基礎的機制來過濾掉雜訊,並透過物件追蹤來進一步獲得更精確的分割結果。
The research of video segmentation and motion detection play an important role in many fields, like surveillance and video indexing. Many methods and algorithms had been proposed in the past few years. However, it will take much cost, if we have to decompress a compressed video for video segmenting.
In this paper, we proposed an video segmentation method without full decompress processing. We extract moving objects before finish of video decompress processing, so that we could decompress only the area of we interesting instead of full video. Because H.264/AVC is popular video coding standard lately. In this paper, a method to extract moving objects on H.264/AVC compressed video is proposed. Our algorithm employs the motion vector from the H.264/AVC bitstream to segment moving objects. In our proposed method, We perform an easy classify system to segment the moving object and exploit object tracking to let the result of segmentation perfectly.
目錄
目錄 vi
圖目錄 vii
表目錄 ix
第一章 序論 1
1.1 研究背景與動機 1
1.2 相關文獻探討 2
1.2.1 影像分割相關文獻 2
1.2.2 物件追蹤相關文獻 4
1.3 所提方法概述 5
1.4 論文架構 5
第二章 系統流程與影像分割方法介紹 6
2.1 H.264基本概念 6
2.2 H.264動態預測機制 8
2.3 多種類分割尺寸機制 10
2.4 系統處理流程 11
第三章 所提方法介紹 15
3.1 影像分割 15
3.2 物件追蹤 19
3.2.1 對應成功 21
3.2.2 對應失敗 22
3.2.3 新增物件 22
第四章 實驗結果 23
4.1 開發環境與硬體設備介紹 23
4.2 實驗結果 24
第五章 結論與未來研究 30
5.1 結論 30
5.2 未來研究方向 30
References 31


圖目錄
圖一、H.264之編碼流程圖。 7
圖二、H.264之解碼流程圖。 7
圖三、六抽頭過濾器的示意圖。 8
圖四、移動向量合成示意圖。 9
圖五、利用鄰近區塊來得到預測移動向量示意圖。 9
圖六、在亮度方面的區塊分割大小圖。 10
圖七、區塊分割大小與能量分佈示意圖。 11
圖八、論文所提方的系統流程圖。 11
圖九、參考距離示意圖。 12
圖十、投影累積示意圖。 13
圖十一、在H.264解碼過程中進行影像分離。 15
圖十三、移動向量與區塊分割示意圖。 16
圖十四、移動距離示意圖。 16
圖十五、投影累積示意圖。 17
圖十六、移動向量比較圖。 17
圖十七、相鄰比例示意圖。 18
圖十八、物件追蹤系統之處理流程圖。 20
圖十九、重疊對應的示意圖。 21
圖二十、更新物件四個邊界之示意圖。 21
圖二十一、場景一的第三到五張畫面的前、背景分離結果。 24
圖二十二、場景一的第三到五張畫面的單元連結結果。 24
圖二十三、場景一的第三到五張畫面的追蹤結果。 25
圖二十四、場景一的第六到八張畫面的前、背景分離結果。 25
圖二十五、場景一的第六到八張畫面的單元連結結果。 25
圖二十六、場景一的第六到八張畫面的追蹤結果。 26
圖二十七、場景一的第九到十一張畫面的前、背景分離結果。 26
圖二十八、場景一的第九到十一張畫面的單元連結結果。 26
圖二十九、場景一的第九到十一張畫面的追蹤結果。 26
圖三十、場景二的第三到五張畫面的前、背景分離結果。 27
圖三十一、場景二的第三到五張畫面的單元連結結果。 27
圖三十二、場景二的第三到五張畫面的追蹤結果。 27
圖三十三、場景二的第六到八張畫面的前、背景分離結果。 28
圖三十四、場景二的第六到八張畫面的前、背景分離結果。 28
圖三十五、場景二的第六到八張畫面的追蹤結果。 28
圖三十六、場景二的第九到十一張畫面的前、背景分離結果。 28
圖三十七、場景二的第九到十一張畫面的單元連結結果。 29
圖三十八、場景二的第九到十一張畫面的追蹤結果。 29


表目錄
表一、亮度與彩度區塊大小的對應關係。 10
表二、電腦硬體及開發環境。 23
表三、影片編碼參數之設定。 23
表四、動態預測參數之設定。 24
References
[1]“Draft ITU-T recommendation and final draft international standard of joint video specification (ITU-T Rec.) H.264/ISO/IEC 14496-10 AVC,” in Joint Video Team (JVT) of ISO/IEC MPEG and ITU-T VCEG, JVTG050, 2003.
[2]T. Wiegand, G. J. Sullivan, G. Bjontegaard, and A. Luthra , “Overview of the H.264/AVC video coding standard, ” IEEE Transactions on Circuits and Systems for Video Technology, Volume 13, Issue 7, page(s): 560-576, July 2003.
[3]Iain E G Richardson, H.264 and MPEG-4 Video Compression, John Wiley & Sons, 2003.
[4]A. Puri, X. Chen and A. Luthra, “Video coding using the H.264/MPEG-4 AVC compression standard,” Signal Processing: Image Communication, Volume 19, Issue 9, Page(s): 793-849, October 2004.
[5]B. P. L. Lo and S. A. Velastin, “Automatic congestion detection system for underground platforms,” International Symposium on Intelligent Multimedia Video and Speech, Page(s): 158-161, 2001.
[6]K. P. Karmann, A. V. Brandt, and R. Gerl, “Moving object segmentation based on adaptive reference images,” European Signal Processing Conference, Volume 2, Page(s): 951-954, 1990.
[7]R. Cucchiara, C. Grana, M. Piccardi, and A. Prati, “Detection moving objects, ghosts and shadows in video stream,” IEEE Transation on Pattern Analysis and Machine Intelligence, Volume 25, Page(s): 1337-1342, 2003.
[8]C. Stauffer and W. E. L. Grimson, “Adaptive background mixture models for real-time tracking,” Proceedings of CVPR, Volume 2 , Page(s): 246-252, 1999.
[9]O. Sukmarg and K. R. Rao, “Fast object detection and segmentation in MPEG compressed domain,” TENCON 2000 Proceedings, Volume 3, Page(s): 364–368, Sept. 2000.
[10]C. D. Creusere and G. Dahman, “Object detection and localization in compressed video,” Conference Record of the Thirty-Fifth Asilomar Conference on Signals, Systems and Computers, Volume 1, Page(s): 93–97, Nov. 2001.
[11]R. Cucchiara, C. Grana, M. Piccardi, and A. Prati, “Object segmentation in videos from moving camera with MRFs on color and motion features,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 25, Page(s): 1337- 1342, Oct. 2003.
[12]N. M. Oliver, B. Rosario, and A. P. Pentland, “A Bayesian Computer Vision System for Modeling Human Interactions,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 22, Page(s): 831-843, Aug. 2000.
[13]H. L. Eng and K. K. Ma, “Spatiotemporal segmentation of moving video objects over MPEG compressed domain,” IEEE International Conference on Multimedia and Expo, Volume 3, Page(s):1531–1534, New York, 2000.
[14]F. Porikli, ”Real-time video object segmentation for MPEG encoded video sequences,” SPIE Conference on Real-Time Imaging VIII, Volume 5297, Page(s): 195–203, San Jose, 2004.
[15]R. V. Babu, K. R. Ramakrishnan, and S. H. Srinivasan, “Video object segmentation: a compressed domain approach,” IEEE Transactions on Circuits and Systems for Video Technology, Volume 14, Page(s): 462- 474, Apr. 2004.
[16]V. Mezaris, I. Kompatsiaris, N. V. Boulgouris, and M. G. Strintzis, ”Realtime compressed-domain spatiotemporal segmentation and ontologies for video indexing and retrieval,” IEEE Transactions on Circuits and Systems for Video Technology, Volume 14, Page(s): 606- 621, May 2004.
[17]W. Zeng, J. Du, W. Gao, and Q. Huang, “Robust moving object segmentation on H.264/AVC compressed video using the block-based MRF model,” Real-Time Imaging, Volume: 11, Page(s): 290-299, Aug. 2005.
[18]C. Xu and J. L. Prince, “Snakes, shapes, and gradient vector flow,” IEEE Transactions on Image Processing, Volume:7, Page(s): 359-369, Mar. 1998.
[19]M. J. Black and A. D. Jepson, ” EigenTracking: Robust matching and tracking of articulated objects using a view-based representation,” International Journal of Computer Vision, Volume 26, Page(s): 63-84, Jan. 1998.
[20]E. Memin and P. Perez, “Dense estimation and object-based segmentation of the optical flowwith robust techniques,” IEEE Transactions on Image Processing, Volume: 7, Page(s): 703-719, May 1998.
[21]J. MacCormick and A. Blake, ” A Probabilistic Exclusion Principle for Tracking Multiple Objects,” International Journal of Computer Vision, Volume 39, Page(s): 57-71, Aug. 2008.
[22]A. Amer, “Voting-based simultaneous tracking of multiple video objects,” IEEE Transactions on Circuits and Systems for Video Technology, Volume 15, Page(s): 1448- 1462, Nov. 2005.
[23]J. Hao, S. Fels, and J. J. Little, “Optimizing Multiple Object Tracking and Best View Video Synthesis,” IEEE Transactions on Multimedia, Volume 10, Page(s): 997-1012, Oct. 2008.
[24]Z. Liu , Y. Lu and Z. Zhang “Real-time spatiotemporal segmentation of video objects in the H.264 compressed domain,” Journal of Visual Communication and Image Representation, Volume 18, Page(s): 275-290, Jun. 2007.
[25]H.264/AVC JM Reference Software [Online]. Available: http://iphome.hhi.de/
[26]Software [Online]. Available:http://iphome.hhi.de/
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top