[发明专利]一种HEVC码流的停车事件快速检测方法

说明书

本发明公开了一种基于HEVC码流的停车事件快速检测方法，该方法通过部分解码压缩视频码流，提取出图像编码单元划分模式、运动矢量、帧内预测残差等信息。在此基础上，提供了一种基于帧内编码单元划分和预测残差的帧内编码单元虚拟运动矢量分配方法。该方法能够有效弥补运动矢量场中包含的无运动矢量的帧内编码单元，为后续运动矢量场处理做了很好的铺垫。然后通过运动矢量场空域标准化、时域标准化等预处理操作得到较稳定的运动矢量场。最后根据相邻两帧视频中运动目标运动矢量的关系进行停车事件的快速检测。本发明提出的方法在不完全解码HEVC视频压缩数据的条件下，能够快速有效的检测出道路监控视频中的停车事件。

技术领域

本发明属于视频处理的领域，涉及在压缩域中对视频包含的车辆行为事件进行识别，具体涉及一种HEVC码流的停车事件快速检测方法。

背景技术

车辆的监控与行为的自动判别在预防交通事故、保障财产安全方面具有重要的意义。当前主要通过各个交通路口设置监控摄像头对道路车辆进行监控，先进的交通监控视频具有清晰度高、数据量大等特点。车辆行为检测技术就是利用计算机如何自动识别视频中包含的车辆行为事件。

车辆的行为一般分为个体车辆行为和大量车辆累积行为。车辆的行为识别方面的研究主要集中在像素域中，即将编码后的视频码流先解码到像素域，然后通过对像素的处理进一步识别检测车辆行为。像素域的车辆行为检测主要分为两类：基于轨迹的行为识别方法和基于主题模型的行为识别方法。前者主要的研究对象是个体车辆的行为，后者主要的研究对象是大量车辆累积的行为。

基于视频的车辆行为检测属于视频事件处理的一个应用，虽然当前的主流视频处理技术是像素域处理方法，但是为了减轻计算复杂度的压缩域视频处理技术也引起了学者的关注。由于压缩域处理技术处理的是视频压缩后的数据，其数据量相对小很多，同时有效可用的信息量也相对较少，因此必然存在事件检测精度低的问题。

传统像素域视频中的车辆行为事件检测技术主要分为三个模块，即运动车辆目标检测、目标车辆跟踪、轨迹拟合与行为事件分析。其实际上是将视频中的车辆行为事件检测分为计算机视觉技术中传统的目标检测与识别、运动目标跟踪和轨迹分析等独立模块进行分别研究与实现。而当前压缩域的视频处理研究主要集中在运动目标分割、目标识别以及跟踪等方面，因此压缩域的车辆行为事件检测也可以沿用像素域的车辆行为事件检测系统，然而压缩域中能提供的车辆特征和环境特征信息比较少，导致不是像素域中所有的车辆行为事件检测方法都是有效。但压缩域包含一些像素域没有的有用信息，如编码单元的划分、预测编码单元的运动矢量、预测残差等。HEVC视频编码标准是最新的视频压缩标准，未来将有广泛的应用。因此通过直接使用HEVC码流提供的编码单元划分等压缩信息实现车辆停车事件的检测，就能够避免上述问题。但现有技术中目前还没有披露这种检测方法。

发明内容

本发明目的在于直接利用HEVC码流中运动矢量信息、编码单元划分、帧内编码单元预测残差等信息进行车辆停车事件检测。提供一种HEVC码流进行停车事件快速检测方法，避免不必要的视频解码过程，从而减少计算的复杂度，而且在不破坏原有压缩视频数据的基础上进行快速的车辆停车事件检测。

本发明为了实现上述目的采用的技术方案是对将要分析的视频压缩码流数据(如HEVC码流数据)进行部分解码分析，通过简单的熵解码处理，提取出码流数据中包含的运动矢量、编码单元划分、残差数据等信息，对这些数据进行整合分析，提取车辆事件的特征信息，然后通过特征数据对车辆停车行为事件进行检测。本发明主要利用在停车行为事件发生时，相邻视频帧中车辆目标区域的运动矢量是完全不同的这一特点进行的，即停车事件发生前，车辆目标区域的运动矢量一般是比较大的。停车后，车辆目标区域的运动矢量一般为零运动矢量。

上述技术方案具体而言，包括以下步骤：

步骤1：从HEVC码流中提取第k帧编码视频的编码单元结构、运动矢量及帧内编码单元残差数据；