CN112714316B - 基于视频码流的规则标志检测和分类识别方法 - Google Patents

基于视频码流的规则标志检测和分类识别方法 Download PDF

Info

Publication number
CN112714316B
CN112714316B CN202011522015.6A CN202011522015A CN112714316B CN 112714316 B CN112714316 B CN 112714316B CN 202011522015 A CN202011522015 A CN 202011522015A CN 112714316 B CN112714316 B CN 112714316B
Authority
CN
China
Prior art keywords
value
mark
intra
rule
frame
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.)
Active
Application number
CN202011522015.6A
Other languages
English (en)
Other versions
CN112714316A (zh
Inventor
李付江
王曙红
陈玉
李炎钧
郝思飞
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.)
Zhilin Information Technology Co.,Ltd.
Original Assignee
Taiyuan Zhilin Information Technology Co ltd
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 Taiyuan Zhilin Information Technology Co ltd filed Critical Taiyuan Zhilin Information Technology Co ltd
Priority to CN202011522015.6A priority Critical patent/CN112714316B/zh
Publication of CN112714316A publication Critical patent/CN112714316A/zh
Application granted granted Critical
Publication of CN112714316B publication Critical patent/CN112714316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

基于视频码流的规则标志检测和分类识别方法。本发明涉及标志检测识别技术领域。一种实现规则标志检测和分类识别的方法，通过获得的视频分析视频码流帧内预测编码码流预测模式、像素残差分布情况值和像素残差值以及帧间预测码流预测模式、运动矢量、像素残差分布情况值，对规则标志进行检测和分类识别。本发明避免了因光照变化出现检测精度不高的问题，提高了检测精度；此方法避免了视频解码过程中整数IDCT变换、反量化、重构和环路滤波等耗时的操作，有利于规则标志的实时检测。

Description

基于视频码流的规则标志检测和分类识别方法
技术领域
本发明涉及标志检测识别技术领域。
背景技术
规则标志指具有规则的几何形状，和周围环境有明显差异，起到警示、提醒、指示等作用的标志，如交通领域各种规则标志，危险源各种标志等。标志检测在实际的生活中有着广泛的应用领域，智能交通，智能视频监控，物体跟踪等都需要标志检测和识别的效果作保障。例如，在交通拥堵和事故日益多发的背景下，规则标志自动检测识别是智能交通***的重要组成部分，它能够准确及时地识别规则标志并提醒驾驶员，避免发生交通事故，在交通安全运行方面具有重大的现实意义。目前规则标志检测识别方法主要包括传统的图像检测识别方法和基于深度学习的规则标志检测识别方法。传统图像检测识别方法如基于色彩空间的识别与检测方法、基于形状特征的识别与检测方法和采用两者结合方法等，传统图像检测识别方法容易受环境影响，对于环境的适应性较差，无法满足高精度实时识别要求；基于深度学习的规则标志检测识别方法具有高的识别精度，为达到高的识别精度，深度学习采用的神经网络结构复杂，网络参数众多，计算复杂度高，难以满足***实时性要求。两种方法处理对象都是静止图像，而实际监控数据是经过视频压缩后的数据，需要对视频数据进行完全解码后再进一步处理；两种方法处理对象为静止图像，只考虑规则标志空间特征，而实际视频序列，包含很多规则标志时间特征，未能很好利用。
发明内容
本发明所要解决的技术问题为：如何直接利用视频码流中码流特征信息，不需要对视频码流完全解码后再采用传统方法进行规则标志检测识别，避免了在解码过程中反量化、整数IDCT变换、重构和环路滤波等耗时的操作。
本发明采用的技术方案为：基于视频码流的规则标志检测和分类识别方法，通过获得的视频分析得到视频码流帧内预测编码码流帧内预测模式、像素残差分布情况CBP值和像素残差值以及视频码流帧间预测编码码流帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值，对规则标志进行检测和分类识别，具体安如下步骤进行
步骤一、将获得的视频的每帧图像按照4x4像素划分为若干块，每个块定义为基本块，对视频码流帧内预测编码码流进行部分解码,部分解码过程为帧内预测码流熵解码、逆扫描，不进行反量化、整数IDCT变换、重构和环路滤波，得到基本块的宏块类型、量化参数、帧内预测模式、帧内像素残差分布情况CBP值和像素残差值；
步骤二、根据基本块的帧内预测模式、帧内像素残差分布情况CBP值和像素残差值信息判断该基本块是否为规则标志边缘部分，如基本块的帧内预测模式和帧内像素残差分布情况CBP值，分别满足判决概率，同时像素残差值信息满足判决阈值，则该基本块为规则标志边缘部分，否则该基本块不是规则标志边缘部分；如果属于规则标志边缘部分，基本块所在帧内预测模式多采用帧内4x4预测模式，而不是帧内16x16预测模式，其帧内像素残差分布情况CBP值亮度和色度DC直流分量和AC交流分量多数情况不为0，色度AC交流分量基本不为0，其像素残差值较大，色度UV残差值更明显。
步骤三、对所有基本块进行二值化处理，采用形态学的开操作对二值化后的基本块进行噪声处理，用闭操作重建由于开操作丢失二值化后的基本块边缘部分的信息，得到规则标志A；
步骤四、对视频码流帧间预测编码码流进行部分解码，部分解码过程为帧间预测码流熵解码、逆扫描，不进行反量化、整数IDCT变换、重构和环路滤波，得到帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值；
步骤五、根据帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值对规则标志A进行判决修正，确定是否为规则标志。
对规则标志A进行判决修正是指将规则标志A的形状和底色与现有规则标志的定义进行对比，判断标志A的类别对视频码流帧间预测编码码流进行部分解码，解码过程为帧间预测码流熵解码、逆扫描，得到基本块所在帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值。根据帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值对规则标志A进行判决修正，规则标志A包含的基本块预测模式多采用帧间16x16预测模式，运动矢量变化较小，帧间像素残差情况CBP值多数情况为零，统计规则标志A包含基本块采用帧间16x16预测模式的数量，运动矢量残差绝对值求和的值，以及帧间像素残差情况CBP值为零的数量，分别设置判决阈值，同时满足判决阈值，则该规则标志A为规则标志，否则进行修正，该规则标志A是伪规则标志。
根据规则标志的几何特性，判断规则标志A的基本形状，规则标志形状多为圆形、三角形和矩形等标准几何形状，可采用几何属性圆形度、矩形度、伸长度对规则标志进行判断，得到规则标志A的基本形状。规则标志底色较鲜艳，多采用蓝色、红色等和周围颜色差别明显的颜色，对应到码流中，其边缘编码块色度残差值有明显的不同，可通过分析色度残差值情况判断规则标志A的底色。不同类别的规则标志采用的形状和底色不同，可以根据规则标志A的形状和底色判断规则标志A的类别，如规则标志指示标志采用圆形和蓝色底色，判断标志形状为圆形且底色为蓝色时，可判断该标志为交通指示标志，为标志进一步识别奠定了基础。
本发明的有益效果为：本发明通过对视频码流帧内预测码流进行部分解码，得到帧内预测模式、帧内像素残差分布情况CBP值和像素残差值，通过分析帧内预测模式、像素残差分布情况CBP值和像素残差值信息，检测出规则标志，为规则标志进一步识别提供了有效信息；通过对视频码流帧间预测码流进行部分解码，得到帧间预测模式、帧间像素残差分布情况CBP值和运动矢量残差值，通过分析帧内预测模式、帧间像素残差分布情况CBP值和运动矢量残差值信息，对规则标志检测进行修正，提高了检测准确率；利用不同类规则标志颜色底色有明显不同的特点，反映到视频码流中其帧内预测编码块色度残差有明显不同特征，利用编码块像素残差信息识别出不同类规则标志；此方法利用编码块像素之间的相关性和编码块残差信息进行检测，避免了因光照变化出现检测精度不高的问题，提高了检测精度；此方法避免了视频解码过程中整数IDCT变换、反量化、重构和环路滤波等耗时的操作，有利于规则标志的实时检测。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合实施例详细说明本发明的技术方案：本发明充分利用视频码流中帧内预测码流帧内预测模式、帧内像素残差分布情况CBP值和像素残差值和视频码流中帧间预测码流帧间预测模式、帧间像素残差分布情况CBP值和运动矢量残差值等码流信息，基于块而非基于像素进行规则标志检测和分类识别。下面以规则标志检测和分类识别为例进行说明。
假定交通视频码流采用视频压缩标准为H.264，基本块大小为4x4。具体的检测和分类识别步骤如下：
第一步：对视频码流帧内预测码流进行部分解码，部分解码后得到宏块类型和帧内预测模式、量化参数QP、帧内像素残差分布情况CBP值和像素残差值，解码过程中整数IDCT变换、反量化、重构和环路滤波等耗时的操作不需要完成。
第二步：根据宏块类型和帧内预测模式判断该基本块为规则标志边缘的概率P1，当帧内预测模式为帧内16x16预测模式时，则设置P1＝0；当帧内预测模式为帧内4x4预测模式时，则设置P1＝1。
第三步：根据帧内像素残差分布情况CBP值判断该基本块为规则标志边缘的概率P2。帧内像素残差分布情况CBP值包含亮度DC系数、亮度AC系数、色度DC系数和色度AC系数是否为0，构建像素残差分布情况向量a＝[a1,a2,a3,a4]，向量包含4个元素a1、a2、a3和a4。亮度DC系数为0设置a1＝0，否则设置a1＝1；亮度AC系数为0设置a2＝0，否则设置a2＝1；色度DC系数为0设置a3＝0，否则设置a3＝1；色度AC系数为0设置a4＝0，否则设置a4＝1。设置像素残差分布情况权值向量w1＝[0.2,0.2,0.3,0.3]，求概率P2＝a.w1 T。
第四步：求概率P3＝P1xP2，当P3<0.5时,判断该基本块不为规则标志边缘部分，转到第七步，否则根据帧内像素残差值做进一步判断,转到第五步。
第五步：像素残差值取亮度DC系数绝对值YDC，色度DC系数绝对值UDC和VDC，色度交流系数绝对值求和SUMUAC和SUMVAC，根据量化参数分别设置阈值THYDC、THUDC、THVDC、THUAC和THVAC。构建像素残差值阈值向量b＝[b1,b2,b3,b4,b5]，向量包含5个元素b1、b2、b3、b4和b5，其中，b1＝YDC/THYDC,b2＝UDC/THUDC,b3＝VDC/THVDC,b4＝SUMUAC/THUAC,b5＝SUMVAC/THVAC.设置像素残差值阈值权值向量w2＝[0.1,0.2,0.2,0.25,0.25]，求残差判断阈值THre＝b.w2 T。
第六步：当THre>0.5时，判断该基本块为规则标志边缘部分，否则判断该基本块不为规则标志边缘部分。
第七步：对所有基本块进行二值化处理，是规则标志赋值255，否则赋值0，采用形态学的开操作进行噪声处理，用闭操作重建由于开操作丢失的边缘部分的信息，得到规则标志A。
第八步：规则标志的基本形状为圆形、三角形和矩形，根据圆形、三角形和矩形的几何特性，对规则标志A进行形状匹配判断，同时根据规则标志形状对规则标志A边缘进行修正。
第九步：根据规则标志A边缘基本块的残差阈值情判断规则标志A的底色。例如，规则标志底色为蓝色，体现到UV残差值中，其规则标志边缘部分U残差值较大，底色为红色，体现到UV残差值中，其规则标志边缘部分V残差值较大。假定规则标志A边缘包含n个4x4基本块，每个基本块色度取色度DC系数绝对值UDCi和VDCi，色度交流系数取色度交流系数绝对值求和SUMUACi和SUMVACi，蓝色判决阈值THBDC和THBAC，红色判决阈值THRDC和THRAC。当UDCi>THBDC且UACi>THBAC，判断该规则标志基本块i底色为蓝色，当VDCi>THRDC且VACi>THRAC，判断该规则标志基本块i底色为红色。统计n个4x4基本块底色为蓝色数目m，当m>(n-3)时，该规则标志底色为蓝色；统计n个4x4基本块底色为红色数目m，当m>(n-3)时，该规则标志底色为红色。
第十步：根据规则标志A的形状和底色判断规则标志A为规则标志警告标志、禁令标志、指示标志和指路标志的哪一类。
第十一步：对视频码流帧间预测码流进行部分解码，部分解码后得到宏块类型和帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值，解码过程中像素残差解码、整数IDCT变换、反量化、重构和环路滤波等耗时的操作不需要完成。
第十二步：以规则标志A所在块中心为搜索起点，向上下左右分别搜索5个整像素运动矢量，搜索与规则标志A最匹配区域，以运动矢量残差值绝对值求和的最小值为最佳匹配区域B。
第十三步：统计匹配区域B帧间预测模式概率分布P。当每个4x4基本块帧间预测模式为SKIP模式或16x16模式，则帧间预测模式值Mi＝1，否则Mi＝0。假定匹配区域B包含n个4x4基本块，统计匹配区域B帧间预测模式求和值SUMMODE＝∑Mi，求P＝SUMMOD/n。当P<0.7时，对规则标志进行修正，此规则标志A为伪规则标志，不是规则标志。
第十四步：对匹配区域B运动矢量残差值绝对值进行求和SUMMVD，
Figure GDA0003882252600000071
其中，MVDix为4x4基本块横向运动矢量残差，MVDiy为4x4基本块纵向运动矢量残差，ABS为取绝对值运算。当SUMMVD>THMVD,对规则标志进行修正，此规则标志A为伪规则标志，不是规则标志。
第十五步：根据像素残差分布情况CBP值，统计匹配区域B亮度DC系数、亮度AC系数、色度DC系数和色度AC系数为0的求和值。
Figure GDA0003882252600000072
其中，YDC表示4x4基本块亮度DC系数情况，不为0时，YDC＝1，否则YDC＝0；YAC表示4x4基本块亮度AC系数情况，不为0时，YAC＝1，否则YAC＝0；UVDC表示4x4基本块色度DC系数情况，不为0时，UVDC＝1，否则UVDC＝0；UVAC表示4x4基本块色度AC系数情况，不为0时，UVAC＝1，否则UVAC＝0。当SUMCBP>THCBP,对规则标志进行修正，此规则标志A为伪规则标志，不是规则标志。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利保护范围。

Claims (1)

1.基于视频码流的规则标志检测和分类识别方法，其特征在于：通过获得的视频分析得到视频码流帧内预测编码码流的帧内预测模式、帧内像素残差分布情况CBP值和像素残差值以及视频码流帧间预测编码码流的帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值，对规则标志进行检测和分类识别，具体按如下步骤进行
步骤一、将获得的视频的每帧图像按照4x4像素划分为若干块，每个块定义为基本块，对视频码流帧内预测编码码流进行部分解码,部分解码过程为帧内预测码流熵解码、逆扫描，不进行反量化、整数IDCT变换、重构和环路滤波，得到基本块的宏块类型、量化参数、帧内预测模式、帧内像素残差分布情况CBP值和像素残差值；
步骤二、根据基本块的帧内预测模式、帧内像素残差分布情况CBP值和像素残差值信息判断该基本块是否为规则标志边缘部分，如基本块的帧内预测模式和帧内像素残差分布情况CBP值，分别满足判决概率，同时像素残差值信息满足判决阈值，则该基本块为规则标志边缘部分，否则该基本块不是规则标志边缘部分，详细内容如下
根据宏块类型和帧内预测模式判断该基本块为规则标志边缘的概率P1，当帧内预测模式为帧内16x16预测模式时，则设置P1＝0；当帧内预测模式为帧内4x4预测模式时，则设置P1＝1；
根据帧内像素残差分布情况CBP值判断该基本块为规则标志边缘的概率P2，帧内像素残差分布情况CBP值包含亮度DC系数、亮度AC系数、色度DC系数和色度AC系数，构建帧内像素残差分布情况向量a＝[a1,a2,a3,a4]，向量包含4个元素a1、a2、a3和a4，亮度DC系数为0设置a1＝0，否则设置a1＝1；亮度AC系数为0设置a2＝0，否则设置a2＝1；色度DC系数为0设置a3＝0，否则设置a3＝1；色度AC系数为0设置a4＝0，否则设置a4＝1，设置帧内像素残差分布情况权值向量w1＝[0.2,0.2,0.3,0.3]，求概率P2＝a.w1 T；
求概率P3＝P1xP2，当P3<0.5时,判断该基本块不为规则标志边缘部分，否则根据像素残差值做进一步判断；
像素残差值取亮度DC系数绝对值YDC，色度DC系数绝对值UDC和VDC，色度交流系数绝对值求和SUMUAC和SUMVAC，根据量化参数分别设置阈值THYDC、THUDC、THVDC、THUAC和THVAC，构建像素残差值阈值向量b＝[b1,b2,b3,b4,b5]，向量b包含5个元素b1、b2、b3、b4和b5，其中，b1＝YDC/THYDC,b2＝UDC/THUDC,b3＝VDC/THVDC,b4＝SUMUAC/THUAC,b5＝SUMVAC/THVAC.设置像素残差值阈值权值向量w2＝[0.1,0.2,0.2,0.25,0.25]，求像素残差判断阈值THre＝b.w2 T；
当THre>0.5时，判断该基本块为规则标志边缘部分，否则判断该基本块不为规则标志边缘部分；
步骤三、对所有基本块进行二值化处理，采用形态学的开操作对二值化后的基本块进行噪声处理，用闭操作重建由于开操作丢失二值化后的基本块边缘部分的信息，得到规则标志A；
步骤四、对视频码流帧间预测编码码流进行部分解码，部分解码过程为帧间预测码流熵解码、逆扫描，不进行反量化、整数IDCT变换、重构和环路滤波，得到帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值；
步骤五、根据帧间预测模式、运动矢量残差值、帧间像素残差分布情况CBP值对规则标志A进行判决修正，确定是否为规则标志，分别设置判决阈值，同时满足判决阈值，则该规则标志A为规则标志，否则进行修正，该规则标志A是伪规则标志，对规则标志A进行判决修正是指将规则标志A的形状和底色与现有规则标志的定义进行对比，判断规则标志A的类别，详细内容如下以规则标志A所在块中心为搜索起点，向上下左右分别搜索5个整像素运动矢量残差值，搜索与规则标志A最匹配区域，以运动矢量残差值绝对值求和的最小值为最佳匹配区域B；
统计匹配区域B帧间预测模式概率分布P，当每个4x4基本块帧间预测模式为SKIP模式或16x16模式，则帧间预测模式值Mi＝1，否则Mi＝0，匹配区域B包含n个4x4基本块，统计匹配区域B帧间预测模式求和值SUMMODE＝∑Mi，求P＝SUMMOD/n，当P<0.7时，对规则标志进行修正，此规则标志A为伪规则标志，不是规则标志；对匹配区域B运动矢量残差值绝对值进行求和SUMMVD，
Figure FDA0003882252590000021
其中，
Figure FDA0003882252590000022
为4x4基本块横向运动矢量残差，
Figure FDA0003882252590000023
为4x4基本块纵向运动矢量残差，ABS为取绝对值运算，当SUMMVD>THMVD,对规则标志进行修正，此规则标志A为伪规则标志，不是规则标志；
根据帧间像素残差分布情况CBP值，统计匹配区域B亮度DC系数、亮度AC系数、色度DC系数和色度AC系数为0的求和值；
Figure FDA0003882252590000024
其中，YDC表示4x4基本块亮度DC系数情况，不为0时，YDC＝1，否则YDC＝0；YAC表示4x4基本块亮度AC系数情况，不为0时，YAC＝1，否则YAC＝0；UVDC表示4x4基本块色度DC系数情况，不为0时，UVDC＝1，否则UVDC＝0；UVAC表示4x4基本块色度AC系数情况，不为0时，UVAC＝1，否则UVAC＝0，当SUMCBP>THCBP,对规则标志进行修正，此规则标志A为伪规则标志，不是规则标志。
CN202011522015.6A 2020-12-21 2020-12-21 基于视频码流的规则标志检测和分类识别方法 Active CN112714316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011522015.6A CN112714316B (zh) 2020-12-21 2020-12-21 基于视频码流的规则标志检测和分类识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011522015.6A CN112714316B (zh) 2020-12-21 2020-12-21 基于视频码流的规则标志检测和分类识别方法

Publications (2)

Publication Number Publication Date
CN112714316A CN112714316A (zh) 2021-04-27
CN112714316B true CN112714316B (zh) 2023-01-31

Family

ID=75544909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011522015.6A Active CN112714316B (zh) 2020-12-21 2020-12-21 基于视频码流的规则标志检测和分类识别方法

Country Status (1)

Country Link
CN (1) CN112714316B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006112642A1 (en) * 2005-04-19 2006-10-26 Samsung Electronics Co., Ltd. Method and apparatus for adaptively selecting context model for entropy coding

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9894353B2 (en) * 2011-06-13 2018-02-13 Sun Patent Trust Method and apparatus for encoding and decoding video using intra prediction mode dependent adaptive quantization matrix
EP2840007B1 (en) * 2013-08-22 2018-04-04 Honda Research Institute Europe GmbH Consistent behaviour generation of a predictive advanced driver assistant system
AU2014202921B2 (en) * 2014-05-29 2017-02-02 Canon Kabushiki Kaisha Method, apparatus and system for de-blocking a block of video samples
JP6392572B2 (ja) * 2014-07-22 2018-09-19 ルネサスエレクトロニクス株式会社 画像受信装置、画像伝送システムおよび画像受信方法
WO2018147123A1 (ja) * 2017-02-13 2018-08-16 ソニー株式会社 画像処理装置および画像処理方法
CN107404653B (zh) * 2017-05-23 2019-10-18 南京邮电大学 一种hevc码流的停车事件快速检测方法
CN108256511B (zh) * 2018-03-15 2022-03-29 太原理工大学 基于视频编码码流的人体运动检测方法
CN108596109B (zh) * 2018-04-26 2021-04-13 浪潮集团有限公司 一种基于神经网络和运动矢量的目标检测方法及装置
CN109379595B (zh) * 2018-11-15 2021-10-15 太原理工大学 基于视频码流码书模型的动态目标检测方法
JP2022024208A (ja) * 2018-12-07 2022-02-09 シャープ株式会社 動画像復号装置および動画像符号化装置
JP7224892B2 (ja) * 2018-12-18 2023-02-20 ルネサスエレクトロニクス株式会社 動画像符号化装置及びその動作方法、動画像符号化装置を搭載する車両
CN111741299B (zh) * 2020-07-09 2022-03-25 腾讯科技（深圳）有限公司 帧内预测模式的选择方法、装置、设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006112642A1 (en) * 2005-04-19 2006-10-26 Samsung Electronics Co., Ltd. Method and apparatus for adaptively selecting context model for entropy coding

Also Published As

Publication number Publication date
CN112714316A (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
Wang et al. Fuzzy-based algorithm for color recognition of license plates
CN101931815B (zh) 基于纹理水平的量化调整
CN101416511B (zh) 基于纹理水平的量化调整方法
CN1265321C (zh) 检测视频数据流中卡通的方法和***
CN111355956B (zh) 一种hevc帧内编码中基于深度学习的率失真优化快速决策***及其方法
CN105141948A (zh) 一种改进的hevc样点自适应补偿方法
CN102663358A (zh) 变电站二次保护设备运行状态的视频图像识别方法
US9971944B2 (en) Unstructured road boundary detection
JPH07121656A (ja) 画像像域分離装置
CN1845605A (zh) 电力高压断路器开关状态实时监测的图像处理与识别方法
CN109479131A (zh) 视频信号处理方法及装置
CN111491167B (zh) 图像编码方法、转码方法、装置、设备以及存储介质
CN112307953A (zh) 一种基于聚类的自适应逆透视变换车道线识别方法及***
Chen et al. A novel fast intra mode decision for versatile video coding
KR20200119372A (ko) 인공신경망 기반 객체영역 검출방법, 장치 및 이에 대한 컴퓨터 프로그램
CN112437310A (zh) 一种基于随机森林的vvc帧内编码快速cu划分决策方法
CN112714316B (zh) 基于视频码流的规则标志检测和分类识别方法
Chen et al. Edge preservation ratio for image sharpness assessment
Liu et al. Automatic video activity detection using compressed domain motion trajectories for H. 264 videos
Solana-Cipres et al. Real-time moving object segmentation in H. 264 compressed domain based on approximate reasoning
CN106339995A (zh) 一种基于时空多特征的车辆阴影消除方法
US9414067B2 (en) Methods and systems for detection of block based video dropouts
CN106709493B (zh) 一种双动态视频车牌定位方法和装置
WO2022116119A1 (zh) 一种帧间预测方法、编码器、解码器及存储介质
CN112800968B (zh) 一种基于hog分块的特征直方图融合对饮水区域猪的身份识别办法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 030001 9-10 / F, East Building, Hongtai international building, 75 Longcheng street, Xiaodian District, Taiyuan City, Shanxi Province

Patentee after: Zhilin Information Technology Co.,Ltd.

Address before: 030001 9-10 / F, East Building, Hongtai international building, 75 Longcheng street, Xiaodian District, Taiyuan City, Shanxi Province

Patentee before: Taiyuan Zhilin Information Technology Co.,Ltd.