CN108024113A - 一种目标占比自适应的压缩域小目标跟踪方法 - Google Patents

一种目标占比自适应的压缩域小目标跟踪方法 Download PDF

Info

Publication number
CN108024113A
CN108024113A CN201711352875.8A CN201711352875A CN108024113A CN 108024113 A CN108024113 A CN 108024113A CN 201711352875 A CN201711352875 A CN 201711352875A CN 108024113 A CN108024113 A CN 108024113A
Authority
CN
China
Prior art keywords
target
accounting
tracking
small
cost
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711352875.8A
Other languages
English (en)
Other versions
CN108024113B (zh
Inventor
张鑫生
刘浩
孙晓帆
吴乐明
况奇刚
魏国林
廖荣生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Donghua University
National Dong Hwa University
Original Assignee
Donghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Donghua University filed Critical Donghua University
Priority to CN201711352875.8A priority Critical patent/CN108024113B/zh
Publication of CN108024113A publication Critical patent/CN108024113A/zh
Application granted granted Critical
Publication of CN108024113B publication Critical patent/CN108024113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/527—Global motion vector estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种目标占比自适应的压缩域小目标跟踪方法，包括以下步骤：设定跟踪小目标的起始帧，获取起始帧的掩模；对获得的运动矢量进行预处理工作，包括两个部分：帧内编码块的处理和全局运动补偿；应用MRF模型，分别计算跟踪小目标在这一帧的时域代价、空域代价和邻域代价，得到小目标的预测位置。本发明可以有效地提高小目标跟踪的准确率和F度量。

Description

一种目标占比自适应的压缩域小目标跟踪方法
技术领域
本发明涉及图像目标跟踪技术领域，特别是涉及一种目标占比自适应的压缩域小目标跟踪方法。
背景技术
小运动目标检测和跟踪是视频应用领域的一个重点和难点，尤其现在的视频分辨率越来越高，目标在一帧中的占比越来越小，以及背景的多样性和摄像机的复杂运动都增加了目标跟踪的难度。现有压缩域跟踪方法对小目标的跟踪性能较差。
现在绝大部分视频都是按某种视频编码标准压缩后，以压缩(编码)的形式进行保存和传输，也即是说，信宿端并不能直接获得视频的像素形式表示。如需还原视频像素信息，则需要对视频进行全解码。目前主流的视频编码标准(如H.264/AVC等)，在实现视频编码(压缩)的过程中，大量利用了视频中像素块的运动来寻找相似性最高的参考块，因为像素块在相邻帧中最相似的参考块往往出现在它运动的方向上，通过运动预测和运动补偿等技术，利用像素块之间的相关性，使用运动信息代替像素信息对这个像素块进行存储和传输，从而达到消除冗余像素信息(即压缩)效果。虽然视频被编码后不再保存像素信息，但却保存了与物体运动关联性很强的编码信息，包括运动向量、编码模式、经过运动补偿后的预测残差等。视频中运动越剧烈的地方，编码器对其编码时划分得越是细致，因为这些地方的运动情况更复杂。相反，在一些背景区域，编码时的划分粒度相对较大。也就是说，压缩域信息为物体跟踪提供了重要线索。视频经压缩后生成的码流中，本身就已经包含了关于视频的像素域运动状态信息(如运动向量等)。信宿端可以直接使用压缩域现成运动信息，节省从像素域中重新挖掘运动信息的巨大开销。
现有压缩域跟踪技术一般采用马尔可夫随机场(MRF)机制。马尔可夫随机场方法是建立在MRF模型和Bayes理论的基础上，MRF模型提供了不确定性描述与先验知识联系的纽带，并利用观测图像，根据统计决策和估计理论中的最优准则确定分割问题的目标函数，求解满足这些条件或消费函数的最大可能分布，从而将分割问题转化为最优化问题。其具有以下几个鲜明的特点：①MRF模型可以将像素的空间关系紧密地结合在一起，将像素间的相互作用加以传播，因而在图像分割中可以用低阶的MRF来描述像素间的作用关系；②MRF模型既能反映图像的随机性，又能反映图像的潜在结构，这样可以有效地描述图像的性质；③MRF模型即从物理模型出发，又与图像数据(灰度值或特征)拟合直接联系起来；④近年来关于Gibbs分布与MRF等价性的研究，使得分布与能量或消费函数建立了有效的联系，利用这种联系可以处理用MRF描述的图像问题；⑤求解用MRF描述的不确定性问题，利用统计决策和估计理论，主要是Bayes理论，将图像的先验知识转化为先验分布模型来描述，采用最大后验估计来得到图像标号的分布(实质是完成图像的分割过程)，推导出的参数具有明确的物理含义，而线性模型、时间序列模型中的参数一般只作为被拟合了的参数而出现，较少具有真实含义，其解的正确性可以通过Monte Carlo方法生成的随机数加以验证；⑥MRF模型的局部特征可以采用大规模并行算法。
发明内容
本发明所要解决的技术问题是提供一种目标占比自适应的压缩域小目标跟踪方法，可以有效地提高小目标跟踪的准确率和F度量。
本发明解决其技术问题所采用的技术方案是：提供一种目标占比自适应的压缩域小目标跟踪方法，包括以下步骤：
(1)设定跟踪小目标的起始帧，获取起始帧的掩模；
(2)对获得的运动矢量进行预处理工作，包括两个部分：帧内编码块的处理和全局运动补偿；
(3)应用MRF模型，分别计算跟踪小目标在这一帧的时域代价、空域代价和邻域代价，得到小目标的预测位置。
所述步骤(1)前还包括判断目标是否为小目标的步骤。
所述步骤(1)包括以下子步骤：
(11)根据压缩码流标准设置块尺寸；
(12)读取起始帧的标准参考图像；
(13)进行图像缩小尺寸变换；
(14)确定占比自适应的α门限：通过转换函数关系：α＝x2+1，由x1％-x2％获得参数范围α1-α2，其中，x1％和x2％分别为用于判断跟踪的目标是否能够标记为小目标的最小占比值和最大占比值。
所述步骤(2)中的帧内编码块的处理是采用极矢量中值法给压缩码流中没有运动矢量的帧内编码块分配相应的运动矢量。
所述步骤(2)中的全局运动补偿是采用6-参数法消除由摄像机镜头运动带来的对运动矢量的影响。
所述步骤(3)中采用MRF模型计算跟踪小目标在这一帧的空域代价具体包括以下步骤：
(A)计算目标欧式距离；
(B)计算目标欧式距离的标准差；
(C)确定占比自适应的β门限：通过转换函数关系：β＝log2(1+x)+1，由x1％-x2％获得参数范围β1-β2，其中，x1％和x2％分别为用于判断跟踪的目标是否能够标记为小目标的最小占比值和最大占比值；
(D)对目标欧式距离进行门限滤波；
(E)重新计算目标欧式距离的标准差；
(F)计算空域代价。
所述步骤(3)中采用MRF模型计算跟踪小目标在这一帧的时域代价具体包括以下步骤：
(a)计算目标中心时域代价；
(b)计算目标邻域时域代价；
(c)确定占比自适应的系数γ：通过转换函数关系：γ＝2/(1+x)+3，由x1％-x2％获得参数范围γ1-γ2，其中，x1％和x2％分别为用于判断跟踪的目标是否能够标记为小目标的最小占比值和最大占比值；
(d)用系数γ加权目标邻域时域代价；
(e)计算总的时域代价。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明可以有效地提高在压缩域视频序列中进行小目标跟踪的综合性能。在小目标情况下，所提方法在精确度、召回率和F度量的表现上都优于现有典型方法，更适合应用于实时性场合。
附图说明
图1是本发明的流程图；
图2是本发明中提取掩模的流程图；
图3是本发明中空域代价计算流程图；
图4是本发明中时域代价计算流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种目标占比自适应的压缩域小目标跟踪方法，包括以下步骤：设定跟踪小目标的起始帧，获取起始帧的掩模；对获得的运动矢量进行预处理工作，包括两个部分：帧内编码块的处理和全局运动补偿；应用MRF模型，分别计算跟踪小目标在这一帧的时域代价、空域代价和邻域代价，得到小目标的预测位置。
下面针对某一小目标视频的H.264压缩域码流，结合图1给出目标占比自适应的压缩域小目标跟踪方法的详细操作步骤。
步骤一：确定视频序列中跟踪的目标是否可标记为小目标(占比记为x％，x∈(0.01,1))，若是，则继续下面的步骤。具体的方法是：读取测试序列第一帧的标准参考图像(二值图像)，用二值图像中标记为1的像素个数占全部像素的比例得到x％，若x％在x1％-x2％之间则表示其为小目标。
步骤二：设定测试序列中跟踪小目标的起始帧，获取起始帧的掩模。起始帧的提取掩模如图2所示：首先，根据H.264压缩标准设置块尺寸为4×4；然后读取测试序列起始帧的二值图像，采用基于局部均值的图像缩小算法进行图像尺寸变换；接着，确定占比自适应的α门限(属于某个块中的像素标记为1的比例)：α＝x2+1，x∈(0.01,1)；最后获得测试序列起始帧图像的掩模。
步骤三：对获得的运动矢量进行预处理工作，包括两个部分：(1)帧内编码块的处理，采用的方法是基于极坐标的矢量中值法；(2)全局运动补偿，对摄像机运动估计采用的是6-参数法。
步骤四：应用MRF模型，分别计算跟踪小目标在这一帧的时域代价、空域代价和邻域代价，得到小目标的预测位置。
在步骤四中，空域代价计算的方法如图3所示：首先计算标记为目标块的所有运动矢量与目标中心运动矢量之间的欧式距离；然后计算目标欧式距离的标准差，接着确定离群值边界，得到占比自适应的门限β：β＝log2(1+x)+1，x∈(0.01,1)；随后，去除目标欧式距离中超出门限β的值，重新计算目标欧式距离的标准差，最后得到空域代价。
在步骤四中，时域代价计算的方法如图4所示：首先计算目标中心时域代价；然后计算目标邻域时域代价，其值由四个矩阵相加而得：将第一步所得的矩阵向上平移一行(最后一行置为0)，将第一步所得的矩阵向下平移一行(第一行置为0)，将第一步所得的矩阵向左平移一列(最后一列置为0)，将第一步所得的矩阵向右平移一列(第一列置为0)；接着，确定占比自适应的系数γ：γ＝2/(1+x)+3，x∈(0.01,1)；随后用系数γ加权目标邻域时域代价，最后由目标中心时域代价和加权的目标邻域时域代价计算总的时域代价。
步骤五：若小目标未跟丢，继续下一帧的跟踪预测，跳到步骤三；若小目标跟丢，则重新进行小目标标定，跳到步骤一。
通过上述步骤，可以有效地实现小目标的跟踪。实验结果如表1所示，在小目标情况下，所提方法在精确度和F度量的表现上都优于现有压缩域跟踪方法。
表1本发明与现有压缩域跟踪方法的性能比较

Claims (7)

1.一种目标占比自适应的压缩域小目标跟踪方法，其特征在于，包括以下步骤：
(1)设定跟踪小目标的起始帧，获取起始帧的掩模；
(2)对获得的运动矢量进行预处理工作，包括两个部分：帧内编码块的处理和全局运动补偿；
(3)应用MRF模型，分别计算跟踪小目标在这一帧的时域代价、空域代价和邻域代价，得到小目标的预测位置。
2.根据权利要求1所述的目标占比自适应的压缩域小目标跟踪方法，其特征在于，所述步骤(1)前还包括判断目标是否为小目标的步骤。
3.根据权利要求1所述的目标占比自适应的压缩域小目标跟踪方法，其特征在于，所述步骤(1)包括以下子步骤：
(11)根据压缩码流标准设置块尺寸；
(12)读取起始帧的标准参考图像；
(13)进行图像缩小尺寸变换；
(14)确定占比自适应的α门限：通过转换函数关系：α＝x2+1，由x1％-x2％获得参数范围α1-α2，其中，x1％和x2％分别为用于判断跟踪的目标是否能够标记为小目标的最小占比值和最大占比值。
4.根据权利要求1所述的目标占比自适应的压缩域小目标跟踪方法，其特征在于，所述步骤(2)中的帧内编码块的处理是采用极矢量中值法给压缩码流中没有运动矢量的帧内编码块分配相应的运动矢量。
5.根据权利要求1所述的目标占比自适应的压缩域小目标跟踪方法，其特征在于，所述步骤(2)中的全局运动补偿是采用6-参数法消除由摄像机镜头运动带来的对运动矢量的影响。
6.根据权利要求1所述的目标占比自适应的压缩域小目标跟踪方法，其特征在于，所述步骤(3)中采用MRF模型计算跟踪小目标在这一帧的空域代价具体包括以下步骤：
(A)计算目标欧式距离；
(B)计算目标欧式距离的标准差；
(C)确定占比自适应的β门限：通过转换函数关系：β＝log2(1+x)+1，由x1％-x2％获得参数范围β1-β2，其中，x1％和x2％分别为用于判断跟踪的目标是否能够标记为小目标的最小占比值和最大占比值；
(D)对目标欧式距离进行门限滤波；
(E)重新计算目标欧式距离的标准差；
(F)计算空域代价。
7.根据权利要求1所述的目标占比自适应的压缩域小目标跟踪方法，其特征在于，所述步骤(3)中采用MRF模型计算跟踪小目标在这一帧的时域代价具体包括以下步骤：
(a)计算目标中心时域代价；
(b)计算目标邻域时域代价；
(c)确定占比自适应的系数γ：通过转换函数关系：γ＝2/(1+x)+3，由x1％-x2％获得参数范围γ1-γ2，其中，x1％和x2％分别为用于判断跟踪的目标是否能够标记为小目标的最小占比值和最大占比值；
(d)用系数γ加权目标邻域时域代价；
(e)计算总的时域代价。
CN201711352875.8A 2017-12-15 2017-12-15 一种目标占比自适应的压缩域小目标跟踪方法 Active CN108024113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711352875.8A CN108024113B (zh) 2017-12-15 2017-12-15 一种目标占比自适应的压缩域小目标跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711352875.8A CN108024113B (zh) 2017-12-15 2017-12-15 一种目标占比自适应的压缩域小目标跟踪方法

Publications (2)

Publication Number Publication Date
CN108024113A true CN108024113A (zh) 2018-05-11
CN108024113B CN108024113B (zh) 2021-05-11

Family

ID=62073893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711352875.8A Active CN108024113B (zh) 2017-12-15 2017-12-15 一种目标占比自适应的压缩域小目标跟踪方法

Country Status (1)

Country Link
CN (1) CN108024113B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348847A (zh) * 2020-10-26 2021-02-09 南京邮电大学 一种目标尺度自适应跟踪方法
WO2021036828A1 (zh) * 2019-08-29 2021-03-04 腾讯科技（深圳）有限公司 目标跟踪方法、装置、存储介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101208710A (zh) * 2005-06-24 2008-06-25 实物视频影像公司 从俯视视频流进行目标检测及跟踪
CN101867798A (zh) * 2010-05-18 2010-10-20 武汉大学 基于压缩域分析的Mean shift运动目标跟踪方法
CN103177454A (zh) * 2011-12-24 2013-06-26 南京理工大学常熟研究院有限公司 一种动态图像运动目标检测方法
CN103440669A (zh) * 2013-09-10 2013-12-11 武汉大学 一种基于压缩域融合的Mean shift核窗宽动态更新方法
KR20140126936A (ko) * 2013-04-24 2014-11-03 정영규 실시간 영상에 프라이버시 마스킹 툴을 제공하는 장치 및 방법
CN104683802A (zh) * 2015-03-24 2015-06-03 江南大学 一种基于h.264/avc压缩域的运动目标跟踪的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101208710A (zh) * 2005-06-24 2008-06-25 实物视频影像公司 从俯视视频流进行目标检测及跟踪
CN101867798A (zh) * 2010-05-18 2010-10-20 武汉大学 基于压缩域分析的Mean shift运动目标跟踪方法
CN103177454A (zh) * 2011-12-24 2013-06-26 南京理工大学常熟研究院有限公司 一种动态图像运动目标检测方法
KR20140126936A (ko) * 2013-04-24 2014-11-03 정영규 실시간 영상에 프라이버시 마스킹 툴을 제공하는 장치 및 방법
CN103440669A (zh) * 2013-09-10 2013-12-11 武汉大学 一种基于压缩域融合的Mean shift核窗宽动态更新方法
CN104683802A (zh) * 2015-03-24 2015-06-03 江南大学 一种基于h.264/avc压缩域的运动目标跟踪的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SAYED HOSSEIN KHATOONABADI等: "Video Object Tracking in the Compressed Domain Using Spatio-Temporal Markov Random Fields", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
黄戬骅: "基于HEVC压缩域信息的视频运动物体跟踪系统的设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021036828A1 (zh) * 2019-08-29 2021-03-04 腾讯科技（深圳）有限公司 目标跟踪方法、装置、存储介质及电子设备
US11783491B2 (en) 2019-08-29 2023-10-10 Tencent Technology (Shenzhen) Company Limited Object tracking method and apparatus, storage medium, and electronic device
CN112348847A (zh) * 2020-10-26 2021-02-09 南京邮电大学 一种目标尺度自适应跟踪方法
CN112348847B (zh) * 2020-10-26 2023-08-15 南京邮电大学 一种目标尺度自适应跟踪方法

Also Published As

Publication number Publication date
CN108024113B (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
Liu et al. Neural video coding using multiscale motion compensation and spatiotemporal context model
Jeong et al. Motion-compensated frame interpolation based on multihypothesis motion estimation and texture optimization
CN110087087A (zh) Vvc帧间编码单元预测模式提前决策及块划分提前终止方法
CN104539961B (zh) 基于分层结构渐进式字典学习的可分级视频编码系统
CN102137263A (zh) 基于cnm关键帧分类的分布式视频编码及解码方法
CN103475879B (zh) 一种分布式视频编码中边信息生成方法
CN106941609A (zh) 基于自适应分块压缩感知的视频压缩方法
CN108024113A (zh) 一种目标占比自适应的压缩域小目标跟踪方法
Hu et al. Fvc: An end-to-end framework towards deep video compression in feature space
Gao et al. Structure-preserving motion estimation for learned video compression
CN101877790A (zh) 一种面向全景视频编码的快速全局运动估计方法
CN108491747B (zh) 一种融合图像后美化qr码的方法
Dayananda et al. Video Compression using Deep Neural Networks
CN104093034B (zh) 一种相似性约束人脸区域的h.264视频流自适应错误隐藏方法
CN111311698A (zh) 一种用于多尺度目标的图像压缩方法及系统
CN116600119A (zh) 视频编码、解码方法、装置、计算机设备和存储介质
CN110324634A (zh) 一种基于运动矢量嵌入失真分解的视频隐写方法
Hu et al. HDVC: Deep Video Compression with Hyperprior-Based Entropy Coding
Ni et al. Deformable alignment and scale-adaptive feature extraction network for continuous-scale satellite video super-resolution
CN105611299A (zh) 一种基于hevc的运动估计方法
Du et al. Optical Flow-based Spatiotemporal Sketch for Video Representation: A Novel Framework
CN104125471A (zh) 一种视频图像压缩方法
CN101365133A (zh) 一种dct域插值舍入误差补偿方法
Xiang et al. A high efficient error concealment scheme based on auto-regressive model for video coding
Cai et al. LiDAR point cloud image interpolation via separable convolution

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant