TW201537956A - 在經編碼之視訊串流中的物件追蹤技術 - Google Patents

Abstract

提出基於直接地擷取自一經編碼之視訊串流之資料而在該視訊串流中的物件追蹤技術，如此免除了該串流被完全地或部分地解碼之任何需要。經擷取之運動向量及DC係數資料可用以提供哪些巨集區塊係與一背景運動模型相關聯及哪些巨集區塊係相對應於一前景物件其相對於該背景運動模型為正在移動中的一粗略估計。與一移動中之前景物件相關聯的巨集區塊可根據自該經擷取之DC係數資料推衍得之連接性及一相似性測量而被群組化。該等經群組化之巨集區塊可逐訊框追蹤以辨識及消除只具有可忽略運動之群組。該結果所得之經驗證巨集區塊群組將相對應於在該被分析訊框內與一移動區域相關聯的一粗略物件遮罩。

Description

在經編碼之視訊串流中的物件追蹤技術

本發明係有關於在經編碼之視訊串流中的物件追蹤技術。

發明背景

數位視訊紀錄裝置已經變得愈來愈普及，而今日出現在寬廣範圍之消費性電子裝置，包括小區式電話、智慧型電話、數位相機、及汽車。視訊紀錄裝置也構成許多安全監控系統的基本組件，由於其尺寸的快速縮小，已經變成廣泛存在於公用及私人應用。也變成透過線上媒體管道可取得其視訊內容的專業的及業餘的生產藝術家的例行公事。為了滿足此項趨勢，網路基礎架構及計算裝置已經變得更加能夠發射、處理、及顯示視訊內容，包括高解像度視訊內容。結果，消費者可用的數位視訊內容量已經增長，且成指數繼續成長。許多此種內容經儲存及以壓縮格式發射以減少儲存及頻寬需求。為了對如此大量數位視訊內容發揮槓桿作用，已經發展出處理及分析此種含量的寬廣範圍之自動化技術。一類此種技術係有關於物件追蹤。更明確言之，物件追蹤技術允許欲被自動檢測及分析的經 紀錄物件移動。於其它優點中，物件追蹤技術允許以自動化基礎，電腦系統識別及追蹤在視訊內容中之移動物件，藉此免除於許多應用中之主動人類觀看及/或監視的需要。

依據本發明之一實施例，係特地提出一種用於在一經壓縮之視訊串流中追蹤一移動物件之方法，該方法包含下列步驟：剖析一經壓縮之視訊串流以針對該經壓縮之視訊串流之一經選定訊框擷取運動向量資料及DC係數資料，該經選定訊框包含多個巨集區塊；使用經擷取之該運動向量資料在該等多個巨集區塊中識別多個前景巨集區塊，該等前景巨集區塊相對應於係可與一背景運動模型區別的運動；基於一特徵映射而群組化該等多個前景巨集區塊之一子集，取決於經擷取之該等運動向量資料及DC係數資料，該特徵映射係與經群組化的該等前景巨集區塊之子集相關聯；以及基於該經選定訊框與一時間相鄰訊框間之一成本度量之一比較，驗證經群組化的該等前景巨集區塊之子集，該成本度量取決於經群組化的該前景巨集區塊之子集的訊框對訊框運動及方差。

100‧‧‧電腦系統

102‧‧‧顯示器

104‧‧‧視訊攝影機

106‧‧‧鍵盤

108‧‧‧滑鼠

110‧‧‧處理器

120‧‧‧記憶體

140‧‧‧作業系統

150‧‧‧物件追蹤模組

152‧‧‧物件檢測子模組

154‧‧‧群組化及標記子模組

156‧‧‧驗證及精製子模組

158‧‧‧運動追蹤子模組

160‧‧‧通訊模組

170‧‧‧匯流排、互連體

180‧‧‧位元串流剖析器

190‧‧‧使用者介面模組

200‧‧‧網路

300‧‧‧聯網媒體儲存裝置

400‧‧‧經編碼視訊串流

420‧‧‧運動向量資料

440‧‧‧DC係數資料

700‧‧‧系統

702‧‧‧平台

705‧‧‧晶片組

710‧‧‧處理器

712‧‧‧記憶體

714‧‧‧儲存裝置

715‧‧‧圖形子系統

716‧‧‧應用程式、軟體應用程式

718‧‧‧無線電

720‧‧‧顯示器

721‧‧‧全球定位系統(GPS)

722‧‧‧使用者介面

723‧‧‧相機

730‧‧‧內容服務裝置

740‧‧‧內容傳遞裝置

750‧‧‧導航控制器

760‧‧‧網路

770‧‧‧作業系統

772‧‧‧處理器介面

780‧‧‧電池

790‧‧‧韌體

792‧‧‧韌體更新模組

800‧‧‧裝置

802‧‧‧機殼

804‧‧‧顯示器

806‧‧‧輸入/輸出(I/O)裝置

808‧‧‧天線

810‧‧‧螢幕

812‧‧‧導航特性件

1000、1100、1200、1400、1500、1600、1700、1800‧‧‧方法

1100-1800、1410-1423、1430-1470、1510、1520、1610-1660‧‧‧方塊

1202‧‧‧直方圖

1402‧‧‧陣列

1421‧‧‧案例I

1422‧‧‧案例II

1423‧‧‧案例III

圖1為一方塊圖示意地例示依據某些實施例可用以追蹤在一經編碼之視訊串流中之移動物件之一電腦系統之經選擇組件。

圖2為一資料流略圖示意地例示依據某些實施例用以追蹤在一經編碼之視訊串流之一擇定訊框中的移動物 件之技術。

圖3為一流程圖例示依據某些實施例用於追蹤在一經編碼之視訊串流中的移動物件之技術之一實施例。

圖4例示一直方圖例示針對視訊訊框之一實施例運動向量之數量呈運動特性之函數，該視訊訊框顯示一個人走過一固定背景場景。

圖5A及圖5B包含一流程圖例示依據某些實施例用以群組化及標記具有與一背景運動模型可相區別的運動之前景巨集區塊之方法實施例。

圖6示意地例示54巨集區塊之一6x9陣列可瞭解為形成視訊訊框之實施例之一部分；該等巨集區塊中之一部分係與一背景運動模型相關聯，而該等巨集區塊中之一部分相對應於係與相對於該背景運動模型可資區別的前景運動。

圖7為一流程圖例示依據某些實施例用以驗證移動中之前景巨集區塊之該等群組之技術之一實施例。

圖8為一流程圖例示依據某些實施例精製由經驗證之前景巨集區塊之各群組定義的一前景遮罩之技術之一實施例。

圖9為一方塊圖示意地例示依據此處揭示之某些實施例組配的一媒體系統。

圖10為一方塊圖示意地例示依據此處揭示之某些實施例組配的一行動計算系統。

較佳實施例之詳細說明

揭示技術用以基於直接擷取自該視訊串流之資料而追蹤在一經編碼之視訊串流中的移動物件，如此免除了該串流被完全解碼或甚至部分解碼之任何需要。於一個實施例中，一經編碼之視訊串流係經剖析以擷取運動向量資料及DC係數資料。該經擷取之運動向量資料允許前景物件移動與一背景運動模型區別。該經擷取之DC係數資料提供相對應於該訊框之一低解析度灰階影像，如此提供物件形狀之一粗略估計。使用該經擷取之資料，一視訊訊框之移動節段例如，可基於連結性、外觀相似性、及運動相似性識別及群組化。提供驗證該經群組化節段及逐一訊框追蹤其運動之技術。如此優異地允許在該經編碼之視訊串流內部之移動物件被識別及追蹤而無需實際上解碼該視訊串流。鑑於本文揭示將顯然易知此等技術之無數組態及變化。

概略綜論

視訊串流經常根據一壓縮演算法編碼，該壓縮演算法允許該串流運用更少的儲存及頻寬資源儲存及傳輸。動畫專家群(MPEG)已經定義可用以編碼一視訊串流之多個資料壓縮標準。舉例言之，H.262/MPEG-2壓縮標準廣用於數位電視信號之傳輸及用於透過數位影音碟(DVD)或其它類似碟片分銷的電影及其它節目之儲存。H.264/MPEG-4壓縮標準廣用於網際網路串流化應用、數位電影應用、及藍光碟格式。多種其它壓縮標準係用於其它應用，包括由MPEG以外的組織定義之標準。概略言之，壓縮標準減少了 儲存數位視訊內容需要的記憶體量以及傳輸此種內容要求的網路頻寬兩者。儘管就儲存及傳輸而言有此等優勢，但壓縮視訊編碼的使用已經造成既有視訊分析技術變複雜化，原因在於此等技術通常要求一經編碼之視訊串流在被分析之前至少經部分解碼。結果，需要有視訊分析技術及特別物件追蹤演算法，其可應用至一經編碼之視訊串流而不要求該串流之解碼。

如此及依據此處揭示之某些實施例，提出基於直接地擷取自該視訊串流之資料用以追蹤在一經編碼之視訊串流中之物件之技術，如此免除該串流被完全或部分解碼之任何需要。用於視訊編碼之壓縮演算法通常之操作方式係就一串列之獨立訊框(I-訊框)及介入預測訊框(P-訊框)而言定義一視訊串流。一I-訊框可與其它訊框獨立解碼，而須瞭解P-訊框只儲存比較緊接前一訊框的差異。此等差異就運動向量及稱作為DC係數之係數而言可予特徵化。一運動向量表示一影像之特定一區在兩相鄰訊框間移動之方向及距離。一DC係數表示針對稱作為一巨集區塊之一nxn陣列之像素的一基準線像素值(例如，相對應於亮度或色調)。優異地，運動向量及DC係數資料可無需解碼而擷取自一經編碼之視訊串流。更明確言之，此種資料可藉單純剖析含在該經編碼之串流內部之資料擷取，因此，比起該視訊串流立即使部分解碼，此種擷取要求可忽略的處理容量。

經擷取之運動向量及DC係數資料能夠用以提供哪些巨集區塊係與一背景運動模型相關聯，及哪些巨集區 塊係相對應於相對該背景運動模型正在移動中的一前景物件之一粗略估計。如此處使用，須瞭解「前景」及「背景」等詞並非指一視訊訊框之一實體區域，反而係指一基準線運動模型(背景)，及就方向及/或幅值而言，與該基準線可資區別的物件移動(前景)。與一移動中之前景物件相關聯的巨集區塊可基於連接性及自經擷取之DC係數資料導算出之一相似性測量群組化。仰賴運動向量資料以檢測移動物件偶爾可能導致略為移動之檢測，其導致非零運動向量值。雖言如此，諸如此種運動之低階運動並不相對應於一組巨集區塊逐一訊框之可察覺移動。如此，經群組化之巨集區塊可逐一訊框追蹤以識別及消除只有可忽略運動之群組。結果所得經驗證之巨集區塊群組將相對應於與在該被分析訊框內之一移動區域相關聯的一粗略物件遮罩。此一遮罩可根據一使用者的偏好精製及逐訊框追蹤。

此處揭示之各種方法優異地許可在一經編碼之視訊串流中之移動物件被識別與追蹤而未實際上解碼該視訊串流，藉此顯著地提高此種分析之進行速度。許可視訊內容搜尋及取回更快速進行係特別可用在視訊安全監控應用、即時視訊串流應用、離線媒體應用、及使用物件追蹤技術之其它應用之情境。又復，因此處揭示之方法仰賴運動向量資料之初始分析，影像之複雜度不會對運動檢測及追蹤之準確度造成不良影響。提供運動方向及幅值資料兩者的運動向量資料之使用也優異地許可區別不同的移動物件，即便當此等物件係在相同方向移動時亦復如此。

系統架構

圖1為一方塊圖示意地例示依據某些實施例一電腦系統100其可用以追蹤在一經編碼之視訊串流中之移動物件之經選擇組件。電腦系統100例如可包含一或多個裝置選自桌上型電腦或膝上型電腦、平板、智慧型電話、機上盒或任何其它此種計算裝置。不同裝置之一組合可用於某些實施例。於該例示實施例中，電腦系統100包括一處理器110、一記憶體120、一作業系統140、一物件追蹤模組150、及一通訊模組160。如進一步可知，也設有一匯流排及/或互連體170以許可使用例如通訊模組160進行裝置內通訊。電腦系統100選擇性地耦接至一網路200以許可與其它計算裝置或資源通訊，諸如聯網媒體儲存裝置300。未反映在圖1之該示意方塊圖中之其它組件及功能鑑於本文揭示將為顯然易知，及須瞭解其它實施例並不限於任何特定硬體組態。

處理器110可為任何合宜處理器，及可包括一或多個共處理器或控制器，諸如音訊處理器或圖形處理單元，以輔助與電腦系統100相關聯的控制及處理操作。記憶體120可使用任何合宜型別之數位儲存裝置具現，諸如碟片驅動裝置、通用串列匯流排(USB)驅動裝置、快閃記憶體及/或隨機存取記憶體(RAM)中之一或多者。作業系統140可包含任何合宜作業系統，諸如谷歌(Google)安卓(Android)(谷歌公司，加州山景市)、微軟(Microsoft)視窗(Windows)(微軟公司，華盛頓州李德蒙)、或蘋果(Apple)OS X(蘋果公 司，加州古柏迪諾)。鑑於本文揭示顯然易知，此處提供之技術可具現而未考慮聯結電腦系統100提供的特定作業系統，因此也可使用任何合宜的既有的或隨後將發展的平台具現。通訊模組160可為任何適當網路晶片或晶片組，其許可有線及/或無線連結至電腦系統100及/或網路200之其它組件，藉此許可電腦系統100與其它本地及/或遠端計算系統、伺服器、及/或資源通訊。

物件追蹤模組150係經組配以基於直接擷取自該視訊串流之資料而追蹤在一經編碼之視訊串流中的移動物件，如此免除了該串流被完全解碼或甚至部分解碼之任何需要。其可經具現或以其它方式結合寬廣多種合宜軟體及/或硬體使用，該軟體及/或硬體係耦接至或以其它方式形成電腦系統100之一部分。舉例言之，就軟體而言，於某些實施例中，物件追蹤模組150可經具現或以其它方式結合一位元串流剖析器180，其能夠剖析及自一位元串流擷取資料，諸如包含一經編碼之視訊串流的壓縮資料串流。物件追蹤模組150可額外地或另外地經具現或以其它方式結合一使用者介面模組190，其能夠提供資訊給一使用者，及自該使用者接收資訊及指令。就硬體而言，物件追蹤模組150可經具現或以其它方式結合輸入/輸出裝置諸如一顯示器102、一視訊攝影機104、一紋理輸入裝置諸如一鍵盤106、及一基於指標器之輸入裝置諸如一滑鼠108。可用在其它實施例之其它輸入/輸出裝置包括觸控螢幕、觸控板、揚聲器、及/或麥克風。又其它輸入/輸出裝置可用在又其它實施例。

於某些實施例中，物件追蹤模組150係架設在電腦系統100本地，如圖1之該具體實施例中顯示。另外，電腦系統100可具現在一賓主配置，其中至少若干物件追蹤模組150相關聯的功能係使用一小應用程式提供給客端計算系統100，諸如爪哇腳本(JavaScript)小應用程式或其它可下載模組。應答於自一客端計算系統接取一給定伺服器之一請求，此種可遠端存取模組或小模組可即時提供，該伺服器具有該客端計算系統之該使用者關注的資源。舉例言之，一平板電腦之一使用者，當接取含有欲分析的壓縮視訊之一聯網媒體儲存裝置300時，可調用與物件追蹤模組150相關聯的功能。於此等實施例中，該伺服器可在網路200本地，或藉一或多個其它網路及/或通訊通道而遠端耦接至網路200。於某些情況下，接取一給定網路或計算系統上的資源可能要求憑證，諸如使用者名稱、密碼、及/或依從任何其它合宜安全機制。於任何此種孤立或聯網計算情況下，物件追蹤模組150可以任何合宜技術具現，其許可一使用者在一壓縮視訊串流上執行物件追蹤分析。

仍然參考圖1，於某些實施例中，物件追蹤模組150包括一物件檢測子模組152、一群組化及標記子模組154、一驗證及精製子模組156、及一運動追蹤子模組158。物件檢測子模組152例如可用以提供哪些巨集區塊係與一背景運動模型相關聯及哪些巨集區塊係相對應於一前景物件之粗略估計，該前景物件係相對於該背景運動模型移動。此種估計可基於擷取自該視訊串流之運動向量資料。 群組化及標記子模組154例如可用以群組化及標記估計為與一前景物件相關聯的該等巨集區塊。此種群組化可根據連接性及一相似性測量，其係推衍自經擷取的DC係數資料。驗證及精製子模組156例如可用以(a)逐一訊框驗證群組巨集區塊之連續蹤跡以識別及消除只有可忽略的運動之群組，及(b)藉組合相對應於一單一移動物件之前景巨集區塊而精製一物件遮罩。運動追蹤子模組158例如可用以可靠地追蹤移動物件，其暫時變成跨越訊框為靜態。如此，由組成物件追蹤模組150之各種子模組所提供之功能許可在一經編碼之視訊串流中的移動物件基於擷取自該視訊串流之資料而被追蹤，而無需實際上解碼該串流。有關此等模組之操作之額外細節係提供於如下「方法」子章節。

此處揭示之各種實施例可於各種形式之硬體、軟體、韌體、及/或特用處理器中具現。舉例言之，於一個實施例中，一非暫時性電腦可讀取媒體具有編碼其上之指令，該等指令當由一或多個處理器執行時，造成具現此處揭示之物件追蹤方法中之一或多者。該等指令可使用合宜程式語言編碼，諸如C、C++、物件導向C、爪哇腳本、視覺基本.NET、初學者通用符號指令碼(BASIC)，或另外，使用客製化或專用指令集。該等指令可以一或多個電腦軟體應用程式及/或小應用程式形式提供，其為具體有形地實施於一記憶體裝置上，及可由具有任何合宜架構之一電腦執行。於一個實施例中，該系統可主持一給定網站及例如，使用爪哇腳本或其它合宜基於瀏覽器技術具現。舉例言 之，於某些實施例中，物件追蹤模組150藉由借力透過網路200可接取的一遠端電腦系統所提供的處理資源而提供物件追蹤服務。於其它實施例中，此處揭示之功能可結合其它軟體應用程式，諸如視訊編輯應用程式、視訊分析應用程式、或其它內容產生、修正、及/或管理應用程式。此處揭示之軟體應用程式可包括任何數目之不同模組、子模組、或其它具有分開功能的組件，及可提供資訊給又其它組件，或自又其它組件接收資訊。此等模組例如可用以與輸入及/或輸出裝置通訊，諸如顯示幕、觸摸敏感表面、列印器、及/或任何其它合宜裝置。未反映在例示說明中的其它組件及功能鑑於本文揭示將更為彰顯，及須瞭解其它實施例並不限於任何特定硬體或軟體組態。如此，於其它實施例中，比較圖1之該具體實施例中含括之子組件，電腦系統100可包括額外、更少、或替代子組件。

前述非暫時性電腦可讀取媒體可為用以儲存數位資訊之任何合宜媒體，諸如硬碟機、伺服器、快閃記憶體、及/或隨機存取記憶體(RAM)。於替代實施例中，此處揭示之組件及/或模組可以硬體具現，包括閘層面邏輯諸如可現場程式規劃閘陣列(FPGA)，或另外，目的建立半導體諸如特定應用積體電路(ASIC)。又其它實施例可以一微控制器具現，該微控制器具有多個輸入/輸出埠用以接收及輸出資料，及多個嵌入式常式用以進行此處揭示之各項功能。顯然可使用硬體、軟體、及韌體之任何合宜組合，及其它實施例並不限於任何特定系統架構。

方法

圖2為一資料流略圖示意地例示用以追蹤在一經編碼之視訊串流之一擇定訊框中的移動物件之技術。圖3為一流程圖例示用於追蹤在一經編碼之視訊串流中的移動物件之方法1000之一實施例。如圖可知，方法1000之實施例包括多個相位及子處理程序，其順序可依不同實施例而異。但當集合考慮時，此等相位及子處理程序形成一完整物件追蹤方法，該方法依據此處揭示之某些實施例可應答於使用者指令製作。此等實施例如前文描述例如可使用圖1中例示之系統架構具現。但如鑑於本文揭示將顯然易明，其它系統架構可用於其它實施例。為了達成此項目的，圖2及圖3中顯示的各項功能與圖1中例示之特定組件間之關聯性絕非意圖暗示任何結構及/或使用限制。反而其它實施例可包括例如各種整合程度，其中多項功能由一個系統有效地執行。舉例言之，於替代實施例中，一單一模組可用以標記及驗證在一視訊訊框中與移動物件相關聯的巨集區塊群組。如此，取決於具現之粒度，其它實施例可具有更少的或更多的模組及/或子模組。鑑於本文揭示將顯然易知無數變化及替代組態。

如圖2及圖3例示，於一個實施例中，物件追蹤方法1000始於使用位元串流剖析器180以剖析一經編碼之視訊串流400以擷取運動向量資料420及DC係數資料440。參見圖3中之元件符號1100。此種資料可經擷取而未解碼視訊串流400。如此處使用，「解碼」係指一操作涉及在組成一 編碼串流之該資料上執行計算或其它運算操作。解碼須與自該編碼串流「剖析」或「擷取」資料區別，後者只涉及讀取組成該編碼串流之該資料。須瞭解自一編碼串流擷取資料要求可忽略的計算資源，原因在於資料擷取量只比自該串流拷貝資料至記憶體略多。相反地，須瞭解解碼一編碼串流通常將要求顯著量的計算資源，原因在於需要的計算。於某些實施例中，藉與解碼相對的剖析，運動向量資料420及DC係數資料440可擷取自視訊串流400。舉例言之，可完成擷取運動向量資料420及DC係數資料440而無需藉施加在一P-訊框中描述的遞增改變給在一I-訊框中提供的基準線資料而重建視訊串流400之訊框。因即便部分解碼亦為運算苛刻，故避免此種解碼許可此處揭示之方法比較要求某種程度解碼之方法顯著更快速進行。

運動向量資料420表示一特定影像節段出現在兩個相鄰訊框間移動的方向及距離。舉例言之，有關圖2中例示的經編碼之視訊串流400之擇定訊框，相對應運動向量資料420例示與組成該例示訊框之該等巨集區塊各自中出現的影像相關聯的方向及幅值兩者。更通用地，可瞭解運動向量資料420為例示該訊框之哪些部分係與運動(例如汽車)及此一運動之相對方向及幅值(例如，左側該汽車係比右側兩輛汽車更快速且於相反方向移動)相關聯。DC係數資料440表示針對各個巨集區塊之一基準線像素值。該像素值可相對應於一外觀特性，諸如亮度、發光度、或色調。舉例言之，至於圖2中例示的經編碼之視訊串流400之該擇定訊 框，相對應DC係數資料440例示相對應於各個巨集區塊之一灰階值。更加概略言之，須瞭解DC係數資料440提供低解析度灰階影像，其中可辨明物件之籠統形狀。

方法1000進一步包含使用物件追蹤模組150以識別在經編碼之視訊串流400之一給定訊框內部之一或多個追蹤區域400□。為了達成此項目的，物件檢測子模組152可用以區別在一給定訊框內前景巨集區塊與一背景運動模型。參見圖3中之元件符號1200。就此方面而言，可使用一基於直方圖之辦法。更明確言之，於x-維度及y-維度計數具有一給定運動特性之運動向量數目，通常將導致大量運動向量具有相對應於背景運動(若有)之一運動特性。舉例言之，於一視訊於該處一汽車移動通過一固定背景場景，最大量積分運動向量將相對應於一零向量(亦即，無運動)。於該訊框中之任何移動物件諸如汽車將各自相對應於小量運動向量，具有於x-及/或y-維度之一非零運動特性。概略言之，於x-及y-維度建立運動向量之一直方圖通常將導致於各個維度之一峰。可瞭解此一峰相對應於一背景運動模型。

須瞭解背景運動模型並不必要相對應於零運動，反而界定一給定訊框之最大部分的一基準線運動。如此，例如，於一視訊中於該處紀錄一蜘蛛走過一移動中火車的窗戶，自火車內部紀錄，該背景運動模型將相對應於該列火車通過景物的相對一致運動。此點之原因在於此種相對一致運動將構成一給定訊框之最大部分。蜘蛛的獨特運動將相對應於前景巨集區塊，其係與該背景運動模型可 資區別的運動向量相關聯。如此，如此處使用，「前景」及「背景」等詞並非係指一視訊訊框之一實體區域，反而係指一基準線運動(背景)，及就方向及/或幅值而言與基準線可資區別的物件移動(前景)。

使用此處揭示之技術區別在一給定訊框中之前與一背景運動模型可稱作為基於直方圖之辦法。此點之原因在於產生計數與一給定運動特性相關聯的運動向量之數目之一直方圖，通常將導致一獨特峰其相對應於該背景運動模型。舉例言之，圖4例示一直方圖1202指示針對視訊訊框之一實施例運動向量之數量呈運動特性之函數，該實施例例示一個人走過一固定背景場景。大量零值運動向量相對應於該固定背景場景，而小量正值及負值運動向量相對應於該人的各個部分(手、腳、軀幹、頭)。直方圖1202可用以快速地分類各個運動向量為相關聯一背景運動模型(於本實施例中之零值向量)或相關聯與該背景可資區別的一前景運動(於本實施例中之非零值向量)。須瞭解此種分析及分類可由單純積分向量數量執行，而不必實際上產生相對應於直方圖1202之一圖形影像。

一般而言，針對具有經檢測之前景運動的各個訊框，物件檢測子模組152將產生一或多個接續巨集區塊群簇，識別為具有與該背景運動模型可資區別的前景運動。但單一接續前景巨集區塊之群簇可與在分析訊框中之多個移動物件相關聯，諸如當分開移動物件重疊、毗鄰、或否則彼此空間連續時。如此，於某些實施例中，方法1000進 一步包含使用群組化及標記子模組154以基於連接性及相似性而群組化及標記前景巨集區塊。參見圖3中之元件符號1400。更明確言之，圖5A及圖5B包含一流程圖例示用以群組化及標記具有與一背景運動模型可相區別的運動之前景巨集區塊之方法1400實施例。於一個實施例中，方法1400始於針對先前被識別為相對應於前景運動之q個巨集區塊各自評估一相似性測量sm_q’。參見圖5A中之元件符號1410。此處q為於該被分析訊框內先前被識別為具有相對於該背景運動模型可資區別的運動之前景巨集區塊之總量，及q’=1,2,3,...,q。

第q’個巨集區塊之相似性測量sm_q’可基於該訊框中第q’個巨集區塊之位置、第q’個巨集區塊之灰階方差(如由相對應DC係數值決定)、及第q’個巨集區塊之運動(如由相對應運動向量決定)中之一或多者。用在區別不同的移動物件彼此為有用的此等因素可優異地擷取自編碼視訊串流400而未進行解碼操作，如此處描述。於經修正之實施例中，更少、額外、或替代因素可用以評估相似性測量sm_q’。一旦針對q個巨集區塊各自評估一相似性測量sm_q’，一獨特前景標記可基於一或多個額外標準分派給經擇定的前景巨集區塊。此等經獨特標記的前景巨集區塊可用作為標記在該訊框內其餘前景巨集區塊之種子點。各個經獨特標記的前景巨集區塊可瞭解為相對應於經識別為具有相對於該背景運動模型可資區別的運動之一獨特前景物件。舉例言之，於一視訊中於該處兩輛汽車移動橫過一固定背景場 景，各輛汽車可與一組巨集區塊相關聯，該巨集區塊分享在該群組中之一共用標記，諸如標記「A」用於組成汽車A之該等巨集區塊，及標記「B」用於組成汽車B之該等巨集區塊。獨特前景標記可基於各種標準分派給特定前景巨集區塊。

一個此種標準，此處稱作為「案例I」，相對應於多個前景巨集區塊連接成一接續群簇之一情況。此一實施例可參考圖6例示，示意地例示54巨集區塊之一6x9陣列1402可瞭解為形成視訊訊框之實施例之一部分。該等巨集區塊中之一部分係與一背景運動模型相關聯，而該等巨集區塊中之一部分相對應於係與相對於該背景運動模型可資區別的前景運動。該第一前景巨集區塊係由背景巨集區塊包圍，而第2至第20前景巨集區塊形成巨集區塊之一接續群簇。在該群簇中之各個前景巨集區塊須瞭解具有如先前描述的一相似性測量sm_q’以及相似性方差sv_q’兩者。第q’個前景巨集區塊之相似性方差sv_q’相對應於sm_q’之一方差及垂直地、水平地、或對角線地相鄰於該第q’個巨集區塊的全部前景巨集區塊之相似性測量。舉例言之，相對於圖6中例示的第10前景巨集區塊，相似性方差sv₁₀=var(sm₅,sm₆,sm₉,sm₁₀,sm₁₁,sm₁₄,sm₁₅,sm₁₆)原因在於該第10前景巨集區塊係垂直地、水平地、或對角線地相鄰於該第5、第6、第9、第11、第14、第15、及第16前景巨集區塊。

仍然參考圖6，因第2至第20前景巨集區塊形成巨集區塊之一接續群簇，此等巨集區塊須瞭解相對應於具有 運動係與該背景運動模型可資區別的至少一個前景物件。在此群簇之該等巨集區塊中，具有最低相似性方差的該巨集區塊可考慮為最可能落入於相對應於該前景移動之一區域內部。更明確言之，相對於其鄰近巨集區塊具有低相似性方差之一巨集區塊提示相對於鄰近巨集區塊就外觀及運動上的相似性。如此，在sv₂至sv₂₀中具有最低相似性方差之該巨集區塊可被分派一獨特前景標記，其將用作為隨後標記相鄰巨集區塊之一種子點。舉例言之，若min(sv₂,...,sv₂₀)=sv₁₅，則該第15前景巨集區塊將被分派一獨特前景標記。更明確言之，該第15前景巨集區塊可被推定為安全地位在該物件的核心，及一相對應巨集區塊群簇可瞭解為源自於此一種子點。於圖6中，該第15前景巨集區塊已被標示S_A，如此指示其為本實施例中具有獨特前景標記「A」的一種子點。更加概略言之，獨特前景標記可被分派給針對前景巨集區塊之一給定接續群簇具有最低相似性方差之各個前景巨集區塊。參見圖5A中之元件符號1421。如此，當一給定訊框包含m個分開前景巨集區塊之接續群簇時，一相對應m個獨特前景標記將遵照案例I被分派給特定巨集區塊。

分派一獨特前景標記給一定特前景巨集區塊之另一標準於此處稱作為「案例II」。案例II相對應於一種情況於該處多個移動物件交叉、重疊、毗連、或以其它方式接合因而使得其相對應巨集區塊形成單一接續群簇。於此種情況下，所得群簇相對應於多個物件之運動，故多個獨特前景標記須與該群簇相關聯。根據案例I，基於一最低相 似性方差須分派一個此種獨特前景標記。藉由識別峰值相似性方差其相對應於一邊界區域於該處多個物件交叉、重疊、毗連、或以其它方式彼此位置相鄰，可分派額外獨特前景標記。因相似性方差值預期為環繞一物件之邊界為較高，因此為了此一案例II之目的，環繞該相對應巨集區塊群簇之該邊界，只考慮針對由其它前景巨集區塊所環繞的前景巨集區塊亦即該群簇內部的巨集區塊之峰值相似性方差。在該巨集區塊群簇內部的之峰相似性方差值可瞭解為相對應於兩個移動物件彼此毗鄰的邊界區域。因該等兩個不同移動物件之外觀及運動差異故，此等區域之方差將在峰值。

舉例言之，再度參見圖6中例示之陣列1402，第7、第11、及第15前景巨集區塊各自由其它前景巨集區塊環繞。如前文關聯案例I之描述，若min(sv₂,...,sv₂₀)=sv₁₅，則該第15前景巨集區塊將被分派一第一獨特前景標記S_A。若sv₇及sv₁₁係小於或類似鄰近相似性方差值，則第7及第11前景巨集區塊將不依從案例II被分派一第二獨特前景標記。但若sv₇及/或sv₁₁比起其它鄰近相似性方差值係相對應於峰相似性方差值，則根據案例II任何峰值將被分派一獨特前景標記。舉例言之，若max(sv₂,sv₃,sv₄,sv₆,sv₇,sv₈,sv₁₁,sv₁₂,sv₁₃)=sv₇，則第7前景巨集區塊將被分派一第二獨特前景標記。於圖6中，該第7前景巨集區塊已經被標示S_B，如此指示其為於此一實施例中具有獨特前景標記「B」之一種子點。更加概略言之，獨特前景標記也可被分派給各個前景 巨集區塊其係(a)由其它前景巨集區塊環繞，及(b)與一峰相似性方差值相關聯。參見圖5A中之元件符號1422。但當一巨集區塊群簇相對應於單一移動物件時，未識別任何此種峰相似性方差值，於該種情況下，根據案例II並無任何獨特前景標記將被分派。

分派一獨特前景標記給一特定前景巨集區塊之又另一標準將於此處稱作「案例III」。案例III相對應於一種情況於該處單一前景巨集區塊係由與該背景運動模型相關聯的巨集區塊包圍。舉例言之，再度參見圖6中例示之陣列1402，第一前景巨集區塊係由該等背景巨集區塊環繞。因第一前景巨集區塊係不連接至任何其它前景巨集區塊，故可假設與該第一前景巨集區塊相關聯的任何前景運動係與出現在該訊框內之其它前景物件的運動分開。如此，該第一前景巨集區塊可被分派就其它前景標記而言為獨特之一前景標記。於圖6中，該第一前景巨集區塊已經標示S_C，因而指示其為於此一實施例中具有獨特前景標記「C」之一種子點。更加概略言之，獨特前景標記也可被分派給由與該背景運動模型相關聯的巨集區塊環繞的各個前景巨集區塊。參見圖5A中之元件符號1423。

如此，針對含有如由運動向量資料420定義之移動的視訊訊框，根據此處陳述之各種標準，k獨特前景標記將被分派給k巨集區塊種子點，k1。若一給定訊框包括至少一個移動前景物件，則案例I將導致至少一個獨特前景標記之分派，而案例II及III可能或可能不導致任何額外獨特前 景標記之分派。須瞭解雖然此等標準於此處係以標記案例I、案例II、及案例III(及具有圖5A中之相對應元件符號1421、1422、及1423)描述，但相對應於此等案例之各種方法無需以任何特定順序執行。再者，於其它實施例中，可使用用以分派獨特前景標記之更少、額外、或替代標準。

當q個巨集區塊被識別為具有與該背景運動模型可資區別的運動，及根據此處陳述之標準，k獨特前景標記將被分派給一相對應k巨集區塊時，須瞭解數量u=q-k為相對應於剩餘未加標記前景巨集區塊之數目。剩餘u個未加標記前景巨集區塊之加標記可始於藉由選擇相鄰遵照案例I識別之一種子點的一第一未加標記前景巨集區塊。參見圖5B中之元件符號1430。此一第一未加標記之前景巨集區塊將相鄰至少一個加標記巨集區塊，亦即根據案例I被分派的該種子點。但該第一未加標記之前景巨集區塊也可相鄰一或多個其它加標記巨集區塊，諸如根據案例II被分派的種子點。概略言之，第u’未加標記之前景巨集區塊可瞭解為相鄰i個加標記之巨集區塊，於該處u’=1,2,3,...,u及於該處1i8。

藉由比較第u’未加標記之前景巨集區塊之一特徵映射FM(u’)與第i未加標記之前景巨集區塊之一特徵映射FM(i’)，i’=1,2,3,...,i，一第u’未加標記之前景巨集區塊可加標記。一般而言，巨集區塊a之特徵映射FM(a)可定義為FM(a)={x_a；y_a；v_a；sv_a}於該處x_a及y_a分別相對應於巨集區塊a之x及y座標，v_a相對應於與巨集區塊a相關聯的運動向量資 料420，及sv_a相對應於與第a巨集區塊相關聯的相似性方差。如此，可針對第u’未加標記之前景巨集區塊評估FM(u’)。參見圖5B中之元件符號1440。同理，可針對相鄰第u’未加標記之前景巨集區塊之全部i個經標記之巨集區塊評估FM(i’)。參見圖5B中之元件符號1445。然後，第u’未加標記之前景巨集區塊可被分派與加標記之巨集區塊i’之相同標記，滿足表示式min(FM(u’)-FM(i’))對i’=1,2,3,...,i。參見圖5B中之元件符號1450。如此當第u’未加標記之前景巨集區塊係相鄰單一加標記巨集區塊時，該第u’巨集區塊將被分派與相鄰加標記巨集區塊之相同標記。但當第u’未加標記之前景巨集區塊係相鄰多個加標記巨集區塊i但加標記並非一致時，基於最相似的相鄰加標記巨集區塊，該第u’巨集區塊將被分派一標記，其中相似性係藉相似性方差參數sv所測量。

一旦該第u’巨集區塊被加標記，則計數器u’可被遞增。參見圖5B中之元件符號1460。此點可藉選擇一接續未加標記之巨集區塊用於加標記達成。於某些實施例中，該接續未加標記之巨集區塊係基於相鄰最大數目之加標記之巨集區塊的一未加標記之巨集區塊之身分選定。於其它實施例中，該接續未加標記之巨集區塊係藉以圓形順時針或逆時針方式，循序選擇環繞該種子點之巨集區塊而擇定，諸如案例I種子點。於又其它實施例中，接續未加標記之巨集區塊係以線性方式循序選擇巨集區塊而擇定。若全部u’巨集區塊皆已加標記而不再有未加標記之巨集區塊有 待選擇(換言之，若於遞增u’之後u’>u)(參見圖5B中之元件符號1465)，則可決定是否存在有額外前景巨集區塊之群簇具有未加標記之巨集區塊。參見圖5B中之元件符號1470。若存在有此種未加標記之前景巨集區塊，則可重複前述巨集區塊加標記技術。

再度參考圖3，一旦全部前景巨集區塊皆已經群組化且加標記，則該被分析訊框將含有一或多個群組之前景巨集區塊各個群組係由一獨特標記識別。舉例言之，包含三輛移動中汽車之一訊框將關聯三組前景巨集區塊，各組具有一獨特標記。驗證及精製子模組156可用以驗證移動中前景巨集區塊之該等群組。參見圖3中之元件符號1500。更明確言之，仰賴運動向量資料以檢測移動物件，偶爾可能導致檢測得略為移動，導致非零運動向量值。雖言如此，低度運動諸如此種移動不會相對應於一群組巨集區塊逐一訊框間可知覺的移動。如此，驗證及精製子模組156可用以逐一訊框追蹤移動中之前景巨集區塊之該等群組，以辨識及去除只有可忽略運動之巨集區塊群組。圖7為一流程圖例示依據某些實施例用以驗證移動中之前景巨集區塊之該等群組之方法1500之一實施例。

於一個實施例中，方法1500始於針對一給定群組之獨特加標記之前景巨集區塊評估一驗證指數V。參見圖7中之元件符號1510。驗證指數V可定義為

於該處A相對應於該巨集區塊群組之面積，相對應於 該巨集區塊群組之平均訊框對訊框運動，及s相對應於該巨集區塊群組之訊框對訊框方差。雖然方程式(1)表示計算一驗證指數V之一項技術，但須瞭解提供群組大小、運動及方差之適當比值的其它公式可用於其它實施例。一般而言，驗證指數V愈大，則愈可能所識別的前景巨集區塊群組須經驗證為適合用於逐一訊框追蹤的一移動物件。如此，舉例言之，極小群組及具有極少訊框對訊框運動之群組受罰而較不可能被驗證。具有大的訊框對訊框方差之群組也較不可能被驗證。如此傾向於去除巨集區塊之群組，其係單純基於一小區域運動向量資料而與背景運動模型區別，不會導致實質上逐一訊框之移動(小面積A及/或小平均運動)，及/或並非逐一訊框與一相似物件相關聯(大方差s)。如此，於某些實施例中，方法1500進一步包含忽略具有一驗證指數V低於一預定臨界值的前景巨集區塊之群組。參見圖7中之元件符號1520。

經驗證之前景巨集區塊之群組各自表示相對應於一移動物件之一前景遮罩。因此一前景遮罩係由巨集區塊本身定義，故只定義該移動物件之一概略位置。更明確言之，雖然因移動物件的連結本質故大部分移動物件將涵蓋於該遮罩內部，但該移動物件之緣部可能落在該前景遮罩外部，因而含括於與背景運動模型相關聯的巨集區塊內。如此，於某些實施例中，驗證及精製子模組156係選擇性地經組配以精製由經驗證之前景巨集區塊之各群組定義的該前景遮罩。參見圖3中之元件符號1600。

圖8為一流程圖例示依據某些實施例精製由經驗證之前景巨集區塊之各群組定義的一前景遮罩之方法1600之一實施例。於一個實施例中，方法1600始於針對畫界經驗證之前景巨集區塊之各群組之背景巨集區塊評估一相似性方差sv。參見圖8中之元件符號1610。具有相似性方差高於一臨界值sv_th之背景巨集區塊可結合入該前景遮罩內。參見圖8中之元件符號1620。此點原因在於高方差區域指示一物件邊緣的存在，該邊緣須含括於該前景遮罩內，及並非該背景運動模型之一部分。如此，於一個實施例中，須瞭解遮罩精製處理為增加非移動高方差緣巨集區塊至先前已經識別的前景巨集區塊之群組。

結合某些背景巨集區塊至前景遮罩之處理可能導致兩相鄰前景巨集區塊之群組變成接續或幾乎變成接續。更明確言之，若兩相鄰前景巨集區塊之群組變成接續，則須決定是否適合將兩個接續群組合併成分享一共用標記的單一前景巨集區塊之群組。參見圖8中之元件符號1630。同理，於該處當兩相鄰前景巨集區塊之群組變成分開不大於一個巨集區塊之一距離時，也須決定是否適合將兩個幾乎接續群組合併成分享一共用標記的單一前景巨集區塊之群組。參見圖8中之元件符號1635。於替代實施例中，可做出諸如此等之決定而不考慮背景巨集區塊是否將結合入前景巨集區塊之該等群組。

一般而言，當單一物件係不正確地分成兩個加不同標記之巨集區塊群組時，二或多組接續或幾乎接續前景 巨集區塊之合併可考慮為適當。另一方面，當兩個分開物件彼此毗連或緊密鄰近時，二或多組接續或幾乎接續前景巨集區塊之合併可視為不適當。更明確言之，於某些實施例中，由於遮罩精製結果，當二或多個相鄰前景巨集區塊之群組變成接續或變成分開不大於一個巨集區塊之一距離時，當兩個條件匹配時合併此等群組被視為適當。此等條件中之第一者為針對前景巨集區塊之任何合併群組，如由方程式(1)定義之驗證指數V係高於一預定驗證臨界值。參見圖8中之元件符號1642。如此提供一指示：二區域若合併時將導致一聚集體區域，其當以逐一訊框基礎分析時保持連結具有相似外觀及運動。此等條件中之第二者為沒有具有峰相似性方差值的巨集區塊之脊線存在於兩個區域間。參見圖8中之元件符號1646。如此提供一指示並無邊界區域存在於兩個區域間。當此二條件滿足時，相鄰前景遮罩可以一共用標記標示。參見圖8中之元件符號1650。但當此等條件中之任一者為不滿足時，相鄰群組維持分開標示。參見圖8中之元件符號1660。

此處揭示之物件驗證及遮罩精製方法須瞭解為在一壓縮視訊串流之各訊框內部產生移動區域及非移動區域之一二進位遮罩。又復，當一給定訊框包括與物件移動相關聯的多於一個區域時，該等移動區域各自係與一獨特標記相關聯。此種二進位遮罩之解析度係限於具有nxn像素之一維度的巨集區塊。於許多物件追蹤應用中，無需擷取一移動物件的確切形狀。但若一應用程式要求更精確地擷 取一移動物件的形狀，則寬廣多種既有遮罩選擇演算法可用於此項應用。同理，於替代實施例中，使用此處揭示之技術產生的物件遮罩可藉部分解碼該視訊串流及在一子巨集區塊層面進行進一步分析而予精製。其它應用可要求繪製不同型遮罩，諸如環繞該被追蹤物件之一邊訊框。此點可藉畫一訊框具有與特定一組前景巨集區塊相關聯的最大及最小水平及垂直座標達成。

再度參考圖3，在辨識、驗證、及精製一給定訊框中之該移動物件遮罩之後，一給定物件之運動可逐一訊框追蹤。參見圖3中之元件符號1700。但當接續訊框包括多個物件時，或當移動物件離開或進入一訊框時，就在一初始訊框內之多個物件如何相對應於在一接續訊框內之多個物件可能出現模棱兩可。一追蹤量尺可用以解決此項模棱兩可。例如，於一個實施例中，追蹤量尺T可定義為

於該處d₀及d₁相對應於在初始訊框及接續訊框中一參考點與給定一組前景巨集區塊間之距離，及於該處A₀及A₁相對應於在初始訊框及接續訊框中該給定一組前景巨集區塊之面積。如此當一移動物件不改變兩訊框間之位置(d₀=d₁)或形狀(A₀=A₁)時，該追蹤量尺將等於1。同理，當一移動物件在兩訊框間位置及/或形狀略有改變時，追蹤量尺將接近等於1。如此，當多個移動物件存在初始訊框及接續訊框中時，須瞭解在一初始訊框中之一移動物件相對應於在該接續訊框中具有一追蹤量尺T最接近等於1之該移動物件。

當一移動物件變成靜止時，該物件在接續訊框內不再被檢測為移動，及將停止該物件的追蹤。當期望繼續追蹤一物件而與該物件移動的暫停與否無關時，與該物件相關聯的DC係數資料可在檢測物件移動之第一I-訊框與未檢測物件移動之第二I-訊框間交互關聯。參見圖3中之元件符號1800。如此當一移動物件消失時，可藉在該物件的移動末次被檢測的一區域中自一接續I-訊框擷取DC係數資料而在該接續I-訊框內定位。若該物件於該訊框內維持為一靜態物件，與從該訊框消失相反，則該物件可基於相關聯之DC係數資料繼續追蹤。如此優異地許可一物件即便其運動暫停時仍可被繼續追蹤。

前述方法許可於一編碼視訊串流中之移動物件基於直接擷取自該視訊串流之資料而被追蹤，藉此免除完全或甚至部分解碼該串流之任何需要。更明確言之，用於在一視訊串流中之一或多個移動物件之遮罩可單獨基於所擷取的運動向量及DC係數資料而予產生。此等移動物件遮罩可根據物件外觀與運動之訊框對訊框之比較而予驗證及精製。即便當運動暫停時，藉由比較具有檢測運動之一先前I-訊框與不具檢測運動之一接續I-訊框，物件仍可繼續追蹤。一旦產生一移動物件遮罩時，該移動物件可基於一特定應用之需求而被審查、加強、或以其它方式處理。由於此處揭示之分析可基於所擷取的運動向量及DC係數資料而予進行，此種分析比起仰賴完全或甚至部分解碼該經編碼之視訊串流之分析技術，可顯著更快速地且以顯著更少 的處理資源進行。最後，須瞭解即便此處揭示之技術優異地許可追蹤移動物件而不解碼一經編碼之視訊串流，但於某些應用中，此等技術也可應用於一壓縮視訊串流之編碼及/或解碼期間。

系統實施例

圖9例示如此處描述之可於經編碼之視訊串流進行物件追蹤之系統700之一實施例。於若干實施例中，系統700可為一媒體系統，但系統700並不限於此一脈絡。舉例言之，系統700可結合於一個人電腦、膝上型電腦、超膝上型電腦、平板、觸控板、可攜式電腦、手持式電腦、掌上型電腦、個人數位助理器(PDA)、小區式電話、小區式電話與PDA之組合、電視、智慧型裝置(例如智慧型電話、智慧型平板或智慧型電視)、行動網際網路裝置(MID)、傳訊裝置、資料通訊裝置等。於實施例中，系統700包含耦接至一顯示器720之一平台702。平台702可自一內容裝置，諸如內容服務裝置730或內容傳遞裝置740或其它類似內容來源接收內容。包含一或多個導航特性件之一導航控制器750可用來與例如平台702及/或顯示器720互動。此等組件各自容後詳述。

於實施例中，平台702可包含晶片組705、處理器710、記憶體712、儲存裝置714、圖形子系統715、應用程式716及/或無線電718之任一種組合。晶片組705可提供處理器710、記憶體712、儲存裝置714、圖形子系統715、應用程式716及/或無線電718間之交互通訊。舉例言之，晶片 組705可包括能夠提供與儲存裝置714交互通訊之一儲存裝置配接器(圖中未顯示)。處理器710可具現為複雜指令集電腦(CISC)處理器或精簡指令集電腦(RISC)處理器、x86指令集可相容處理器、多核心、或任何其它微處理器或中央處理單元(CPU)。於實施例中，處理器710可包括雙核心處理器、雙核心行動處理器等。記憶體712可具現為依電性記憶體，諸如但非僅限於，隨機存取記憶體(RAM)、動態隨機存取記憶體(DRAM)、或靜態RAM(SRAM)。儲存裝置714可具現為非依電性記憶體，諸如但非僅限於磁碟驅動裝置、光碟驅動裝置、磁帶驅動裝置、內部儲存裝置、外接式儲存裝置、快閃記憶體、電池後備SDRAM(同步DRAM)、及/或網路可接取儲存裝置。於實施例中，儲存裝置714可包含技術以當包括例如多個硬碟驅動裝置時增加儲存效能，提升對有價值之數位媒體的保護。

圖形子系統715可執行影像諸如靜像或視訊之處理用於顯示。圖形子系統715可為例如圖形處理單元或視覺處理單元(VPU)。類比或數位介面可用以通訊式耦接圖形子系統715及顯示器720。舉例言之，該介面可為高畫質多媒體介面(HDMI)、顯示器埠、無線HDMI、及/或無線HD依從性技術中之任一者。圖形子系統715可整合入處理器710或晶片組705。圖形子系統715可為通訊式耦接至晶片組705之一孤立卡片。此處描述之圖形及/或視訊處理技術可於各種硬體架構具現。舉例言之，圖形及/或視訊功能可整合於一晶片組。另外，可使用分開的圖形及/或視訊處理器。至於 又另一實施例，該等圖形及/或視訊功能可由一通用處理器，包括多核心處理器具現。於又一個實施例中，該等功能可於一消費性電子裝置具現。

無線電718可包括能夠使用多種合宜無線通訊技術發射及接收信號之一或多個無線電。此等技術可涉及橫跨一或多個無線網路通訊。無線網路之實施例包括，但非限制性，無線區域網路、無線個人區域網路、無線都會區域網路、小區式網路、及衛星網路。橫跨此等網路通訊中，無線電718可以任何版本根據一或多個適用標準操作。

於實施例中，顯示器720可包含任何電視型監視器或顯示器。顯示器720可包含例如電腦顯示器螢幕、觸控螢幕顯示器、視訊監視器、電視狀裝置、及/或電視。顯示器720可為數位及/或類比。於實施例中，顯示器720可為全像顯示器。又，顯示器720可為接收視覺投影之一透明或不透明表面。此等投影可傳遞各種形式之資訊、影像、及/或物體。舉例言之，此等投影可為行動增強實境(MAR)應用程式之一視覺疊加。於一或多個軟體應用程式716之控制之下，平台702可在顯示器720上顯示使用者介面722。

於實施例中，內容服務裝置730可藉任何國家、國際及/或獨立服務主持，及如此例如透過網際網路可存取平台702。內容服務裝置730可耦接至平台702及/或顯示器720。平台702及/或內容服務裝置730可耦接至一網路760以通訊(例如發送及/或接收)媒體資訊至及自網路760。內容傳遞裝置740也可耦接至平台702及/或顯示器720。於實施例 中，內容服務裝置730可包含有線電視盒、個人電腦、網路、電話、能夠傳遞數位資訊及/或內容之網際網路致動裝置或設施、及能夠透過網路760或直接地在內容提供者與平台702及/或顯示器720間單向或雙向通訊內容的任何其它類似裝置。須瞭解內容可透過網路760單向及/或雙向地至及自系統700中之組件中之任一者及一內容提供者通訊。內容之實施例可包括任何媒體資訊，包括例如視訊、音樂、醫療及遊戲資訊等。內容服務裝置730接收內容，諸如有線電視節目，包括媒體資訊、數位資訊、及/或其它內容。內容提供者之實施例可包括任何有線或衛星電視或無線電或網際網路內容提供者。所提供之實例絕非意圖限制實施例。

於實施例中，平台702可自具有一或多個導航特性件之導航控制器750接收控制信號。控制器750之導航特性件例如可用以介接使用者介面722。於實施例中，導航控制器750可為一指標裝置，其可為一電腦硬體組件(特別人機介面裝置)其許可一使用者將空間(諸如連續及多維)資料輸入一電腦。諸如圖形使用者介面、電視及監視器之許多系統允許該使用者使用實體手勢以控制及提供資料給該電腦或電視。控制器750之導航特性件之移動可藉指標器、游標、調焦環、或顯示在顯示器上之其它視覺指示器而回響重複在諸如顯示器720之一顯示器上。舉例言之，於軟體應用程式716之控制之下，位在導航控制器750上之導航特性件例如可對映至顯示在使用者介面722上的虛擬導航特性件。於實施例中，控制器750可非一分開組件，反而係整合 入平台702及/或顯示器720。但實施例絕非僅限於此處顯示的或描述的元件或脈絡。

於實施例中，驅動裝置於圖中未顯示以求清晰，該驅動裝置可包括技術許可使用者當致動時，在初始啟動之後，類似電視機藉觸摸一鈕而即時開關平台702。當該平台被「關閉」時，程式邏輯許可平台702串流化內容至媒體配接器或其它內容服務裝置730或內容傳遞裝置740。此外，晶片組705可包含例如支援5.1環繞音效音訊及/或高畫質7.1環繞音效音訊之硬體及/或軟體支援。驅動裝置可包括用於整合圖形平台之圖形驅動裝置。於實施例中，該圖形驅動裝置可包含一週邊組件互連(PCI)快速圖形卡。

於各種實施例中，系統700中顯示之組件中之任一者或多者可經整合。舉例言之，平台702及內容服務裝置730可經整合，平台702及內容傳遞裝置740可經整合，或平台702、內容服務裝置730及內容傳遞裝置740可經整合。於各種實施例中，平台702及顯示器720可為一整合單元。例如，顯示器720及內容服務裝置730可經整合，或顯示器及內容傳遞裝置740可經整合。此等實施例絕非限制其範圍。

於各種實施例中，系統700可具現為無線系統、有線系統、或兩者的組合。當具現為無線系統時，系統700可包括適用於透過無線分享媒體，諸如一或多個天線708、發射器、接收器、收發器、放大器、濾波器、控制邏輯等通訊之組件及介面。無線分享媒體之一實施例可包括無線頻譜諸如RF頻譜等之一部分。當具現為有線系統時，系統 700可包括適用於透過有線通訊媒體，諸如輸入/輸出(I/O)配接器、連結該I/O配接器與一相對應有線通訊媒體之實體連接器、網路介面卡(NIC)、碟片控制器、視訊控制器、音訊控制器等通訊之組件及介面。有線通訊媒體之實施例可包括導線、纜線、金屬引線、印刷電路板(PCB)、背板、開關組織結構、半導體材料、雙絞線、同軸纜線、光纖等。

平台702可建立一或多個邏輯或實體通道以通訊資訊。該資訊可包括媒體資訊及控制資訊。媒體資訊可指表示對一使用者有意義的內容之任何資料。內容之實施例可包括例如，得自語音對話之資料、視訊會議、串流化視訊、電子郵件(email)訊息、語音郵件訊息、文數符號、圖形、影像、視訊、文字等。得自語音對話之資料例如可為口語資訊、無聲週期、背景雜訊、舒適噪音、語調等。控制資訊可指表示對一自動化系統有意義的命令、指令或控制字眼之任何資料。舉例言之，控制資訊可用以經由一系統路徑安排媒體資訊，或指示一節點以一預定方式處理該媒體資訊。但實施例絕非限於圖9中顯示的或描述的元件或脈絡。

如前文描述，系統700可以各種實體風格或形狀因數實施。圖10例示其中可具體實施系統700之小型形狀因數裝置800。於實施例中，例如裝置800可具現為具有無線能力之一行動計算裝置。一行動計算裝置可指具有處理系統及行動電源或電源供應器諸如一或多個電池之任何裝置。如前文描述，一行動計算裝置之實施例可包括一個人 電腦、膝上型電腦、超膝上型電腦、平板、觸控板、可攜式電腦、手持式電腦、掌上型電腦、個人數位助理器(PDA)、小區式電話、小區式電話與PDA之組合、電視、智慧型裝置(例如智慧型電話、智慧型平板或智慧型電視)、行動網際網路裝置(MID)、傳訊裝置、資料通訊裝置等。一行動計算裝置之實施例也可包括配置以由個人穿戴的電腦，諸如手腕電腦、手指電腦、指環電腦、眼鏡電腦、皮帶夾電腦、臂帶電腦、鞋電腦、衣著電腦、及其它可穿戴電腦。於實施例中，例如行動計算裝置可具現為能夠執行電腦應用程式以及語音通訊及/或資料通訊的智慧型電話。雖然若干實施例係以具現為智慧型電話的行動計算裝置舉例描述，但須瞭解其它實施例也可使用其它有線或無線行動運算裝置具現。該等實施例並非限於此一脈絡。

如圖10顯示，裝置800可包括一殼體802、一顯示器804、一輸入/輸出裝置806、及一天線808。裝置800也可包括導航特性件812。顯示器804可包含針對適用於諸如使用者810的行動計算裝置之顯示資訊的任何適當顯示器單元。I/O裝置806可包括將資訊載入一行動計算裝置的任何合宜I/O裝置。I/O裝置806之實施例可包括文數鍵盤、數字小鍵盤、觸控板、輸入鍵、按鈕、開關、翹板開關、麥克風、揚聲器、語音辨識裝置及軟體等。資訊也可藉麥克風載入裝置800。此種資訊可藉一語音辨識裝置數位化。該等實施例並非限於此一脈絡。

各種實施例可使用硬體元件、軟體元件、或兩者 之組合具現。硬體元件之實施例可包括處理器、微處理器、電路、電路元件(例如電晶體、電阻器、電容器、電感器等)、積體電路、特定應用積體電路(ASIC)、可規劃邏輯裝置、數位信號處理器、可現場程式規劃閘陣列(FPGA)、邏輯閘、暫存器、半導體裝置、晶片、微晶片、晶片組等。軟體之實施例可包括軟體組件、程式、應用程式、電腦程式、應用程式、系統程式、機器程式、作業系統軟體、中介軟體、韌體、軟體模組、常式、次常式、函式、方法、程序、軟體介面、應用程式規劃介面、指令集、計算碼、電腦碼、碼節段、電腦碼節段、字組、值、符號、或其任何組合。決定一實施例是否使用硬體元件及/或軟體元件具現可根據任何數目之因素改變，諸如期望計算速率、電力位準、耐熱性、處理週期預算、輸入資料率、輸出資料率、記憶體資源、資料匯流排速度及其它設計或效能限制。

若干實施例可使用表示法「耦合」及「連結」連同其衍生詞描述。此等術語並非意圖為彼此之同義詞。舉例言之，若干實施例可使用術語「連結」及/或「耦合」描述以指示二或多個元件彼此呈直接實體接觸或電氣接觸。但「耦合」一詞也可表示二或多個元件並非彼此直接接觸，但仍然彼此協作或互動。

若干實施例可例如使用一機器可讀取媒體或物件具現，該媒體或物件可儲存一指令或一指令集其若由一機器執行時使得該機器從事依據該等實施例之一方法及/或操作。此種機器例如可包括任何合宜處理平台、計算平 台、計算裝置、處理裝置、計算系統、處理系統、電腦、處理程序等，且可使用硬體及/或軟體之任何合宜組合具現。該機器可讀取媒體或物件例如可包括任何合宜型別之記憶體單元、記憶體裝置、記憶體物件、記憶體媒體、儲存裝置、儲存物件、儲存媒體、及/或儲存單元，諸如記憶體、可卸式或非可卸式媒體、可抹除或非可抹除媒體、可寫式或可覆寫式媒體、數位或類比媒體、硬碟、軟碟、光碟唯讀記憶體(CD-ROM)、可錄式光碟(CD-R)記憶體、可覆寫式光碟(CD-RW)記憶體、光碟、磁性媒體、磁光媒體、可卸式記憶卡或記憶碟、各型數位影音碟(DVD)、磁帶、卡匣等。該等指令可包括使用任何合宜高階、低階、物件導向、視覺、彙編、編譯、及/或解譯程式語言具現的任何合宜型別之碼，諸如來源碼、彙編碼、解譯碼、執行碼、靜態碼、動態碼、加密碼等。

除非特別另行陳述否則須瞭解術語諸如「處理」、「運算」、「計算」、「決定」等係指一電腦或計算系統或類似電子計算裝置之動作及/或處理其將在該計算系統之該等暫存器及/或記憶體單元內部表示為實體量(例如電子)之資料操弄及/或變換成在該計算系統之該等暫存器、記憶體單元、或其它此等資訊儲存裝置傳輸或顯示器內部類似地表示為實體量之其它資料。實施例並不限於此一脈絡。

已經於此處陳述無數特定細節以供徹底瞭解該等實施例。但熟諳技藝人士將瞭解可無此等特定細節而實施實施例。於其它情況下，眾所周知之操作、組件及電路 並未以細節描述以免遮掩了實施例。須瞭解此處揭示之特定結構及功能細節可為代表性而非必然限制了實施例之範圍。此外，雖然已經以結構特性件及/或方法動作之特定語言描述本主旨，但須瞭解隨附之申請專利範圍界定之主旨並非必然囿限於此處描述之特定特性件或動作。反而此處描述之特定特性件或動作係揭示為具現該等申請專利範圍各項之形式實施例。

進一步具體實施例

下列實例係有關於進一步實施例，自此無數置換及組態將更為彰顯。

實施例1為一種用於在一經壓縮之視訊串流中追蹤一移動物件之方法。該方法包含：剖析一經壓縮之視訊串流以針對該經壓縮之視訊串流之一經選定訊框擷取運動向量資料及DC係數資料，該經選定訊框包含多個巨集區塊。該方法進一步包含使用該經擷取之運動向量資料自該等多個巨集區塊中識別多個前景巨集區塊，該等前景巨集區塊相對應於與一背景運動模型可資區別的運動。該方法進一步包含基於一特徵映射群組化該等多個前景巨集區塊之一子集，取決於該經擷取之運動向量資料及DC係數資料，該特徵映射係與該經群組化之前景巨集區塊之子集相關聯。該方法進一步包含基於該經選定訊框與一時間相鄰訊框間之一成本度量之一比較，驗證該經群組化之前景巨集區塊之子集，該成本度量取決於該經群組化之前景巨集區塊之子集的訊框對訊框運動及方差。

實施例2包括實施例1之主旨，其中該經群組化之前景巨集區塊之子集的訊框對訊框方差相對應於自包含該經群組化之前景巨集區塊之子集之巨集區塊中之一相似性測量中之一方差；及一給定前景巨集區塊之該相似性測量取決於在該經選定訊框中該給定前景巨集區塊之一位置、如自該經擷取之DC係數資料推衍出之該給定巨集區塊之一灰階方差、及如自該經擷取之運動向量資料推衍出之該給定巨集區塊之運動中之一或多者。

實施例3包括實施例1之主旨，其中該經壓縮之視訊串流包含含有基準線資料之多個I-訊框及含有遞增改變資料之多個P-訊框；及該經壓縮之視訊串流係經剖析而不施用含在一給定P-訊框中之遞增資料至含在一相對應I-訊框中之基準線資料。

實施例4包括實施例1或實施例3之主旨，其中使用該經擷取之運動向量資料以識別該等多個前景巨集區塊進一步包含計數運動向量及基於在一給定維度中一最多數運動向量分類而定義該背景運動模型。

實施例5包括實施例1之主旨，其進一步包含分派一主要獨特前景標記給該等多個前景巨集區塊中之一選定一者，其中該經選定之前景巨集區塊針對前景巨集區塊之一特定相接的群簇具有一最低相似性方差。

實施例6包括實施例1或實施例5之主旨，其進一步包含分派一次要獨特前景標記給該等多個前景巨集區塊中之一選定一者其中該經選定之前景巨集區塊係由與該背 景運動模型相關聯的巨集區塊所環繞。

實施例7包括實施例1或實施例5之主旨，其進一步包含分派一次要獨特前景標記給該等多個前景巨集區塊中之一選定一者，其中該經選定之前景巨集區塊(a)係由其它前景巨集區塊環繞及(b)係與一峰相似性方差值相關聯。

實施例8包括實施例7之主旨，其中一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量之一方差。

實施例9包括實施例1之主旨，其進一步包含分派一主要獨特前景標記給該等多個前景巨集區塊中之一選定一者，其中(a)該經選定之前景巨集區塊針對前景巨集區塊之一特定相接的群簇具有一最低相似性方差；及(b)一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量之一方差。

實施例10包括實施例1之主旨，其進一步包含分派一主要獨特前景標記給該等多個前景巨集區塊中之一選定一者，其中(a)該經選定之前景巨集區塊針對前景巨集區塊之一特定相接的群簇具有一最低相似性方差；(b)一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量之一方差；及(c)該給定前景巨集區塊之該相似性測量取決於在該經選定訊框中該給定巨集區塊之一位 置、如自該經擷取之DC係數資料推衍出之該給定巨集區塊之一灰階方差、及如自該經擷取之運動向量資料推衍出之該給定巨集區塊之運動中之一或多者。

實施例11包括實施例1之主旨，其進一步包含分派一次要獨特前景標記給該等多個前景巨集區塊中之一選定一者，其中(a)該經選定之前景巨集區塊(i)係由其它前景巨集區塊環繞及(ii)係與一峰相似性方差值相關聯；(b)一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量之一方差；及(c)該給定前景巨集區塊之該相似性測量取決於在該經選定訊框中該給定巨集區塊之一位置、如自該經擷取之DC係數資料推衍出之該給定巨集區塊之一灰階方差、及如自該經擷取之運動向量資料推衍出之該給定巨集區塊之運動中之一或多者。

實施例12包括實施例9、實施例10、或實施例11之主旨，其中一給定前景巨集區塊之該相似性方差相對應於該給定前景巨集區塊及其係水平地、垂直地、及對角線地相接至該給定前景巨集區塊之前景巨集區塊中之一相似性測量中之一方差。

實施例13包括實施例1之主旨，其中一給定巨集區塊之該特徵映射取決於在該經選定訊框內部該給定巨集區塊之一位置、與該給定巨集區塊相關聯的運動向量資料、及該給定巨集區塊之一相似性方差。

實施例14包括實施例1之主旨，其中群組化前景 巨集區塊之該子集進一步包含分派給一給定前景巨集區塊一標記其係相當於一鄰近前景巨集區塊之一標記；及該鄰近前景巨集區塊及該給定前景巨集區塊具有一特徵映射殘差其係小於該給定前景巨集區塊鄰近其它前景巨集區塊之一特徵映射殘差。

實施例15包括實施例1之主旨，其中該成本度量進一步取決於該經群組化之前景巨集區塊之子集之一面積。

實施例16包括實施例1之主旨，其進一步包含添加與該背景運動模型相關聯的一巨集區塊至該經群組化之前景巨集區塊之子集，其中該經添加之背景巨集區塊具有超過一預定臨界值之一相似性方差。

實施例17包括實施例1之主旨，其進一步包含添加與該背景運動模型相關聯的一巨集區塊至該經群組化之前景巨集區塊之子集，其中該經添加之背景巨集區塊具有超過一預定臨界值之一相似性方差；及合併二或多個相鄰經群組化之前景巨集區塊之子集於該處(a)二或多個相鄰經群組化之子集係分開不大於一個巨集區塊之一距離及(b)針對該等二或多個相鄰經群組化之子集中之各者之一個別成本度量係高於一預定臨界值。

實施例18為一種用於在一經壓縮之視訊串流中追蹤一移動物件之系統，該系統包含一位元串流剖析器經組配以自一經編碼之視訊串流擷取運動向量資料及DC係數資料而未解碼該經編碼之視訊串流，其中該經編碼之視 訊串流之一給定訊框包含多個巨集區塊。該系統進一步包含一物件檢測子模組經組配以區別相對應於一移動物件之多個前景巨集區塊與一背景運動模型。該系統進一步包含一巨集區塊群組化子模組經組配以基於該經擷取之運動向量資料及DC係數資料而群組化該等多個前景巨集區塊之一子集。該系統進一步包含一物件驗證子模組經組配以基於該經選定訊框與一時間相鄰訊框間之一成本度量之一比較，驗證該經群組化之前景巨集區塊之子集，該成本度量取決於該經群組化之前景巨集區塊之子集的訊框對訊框運動及方差。

實施例19包括實施例18之主旨，其中該成本度量進一步取決於該經群組化之前景巨集區塊之子集之一面積。

實施例20包括實施例18之主旨，其進一步包含一物件精製子模組經組配以分派給一給定前景巨集區塊一標記其係相當於一鄰近前景巨集區塊之一標記，其中(a)該鄰近前景巨集區塊具有相對於該給定前景巨集區塊之一特徵映射殘差其係小於針對其它鄰近前景巨集區塊相對於該給定前景巨集區塊之一特徵映射殘差；及(b)該等特徵映射殘差係基於個別前景巨集區塊之特徵映射，其係取決於與個別巨集區塊相關聯的該經擷取之運動向量資料及DC係數資料。

實施例21包括實施例18或實施例20之主旨，其中該物件檢測子模組係進一步經組配以基於在一給定維度內 一最為數眾多的運動向量分類而計數運動向量及定義該背景運動模型。

實施例22包括實施例18之主旨，其進一步包含一巨集區塊標示子模組經組配以分派一主要獨特前景標記給該等多個前景巨集區塊中之一經選定之一者，其中該經選定之前景巨集區塊具有針對一特定連續群簇之前景巨集區塊的一最小相似性方差。

實施例23包括實施例18之主旨，其進一步包含一巨集區塊標示子模組經組配以(a)分派一主要獨特前景標記給該等多個前景巨集區塊中之一經選定之一者，其中該經選定之前景巨集區塊具有針對一特定連續群簇之前景巨集區塊的一最小相似性方差；及(b)分派一次要獨特前景標記給該等多個前景巨集區塊中之一經選定之一者，其中相對應於該次要獨特前景標記之該經選定之前景巨集區塊係由與該背景運動模型相關聯的巨集區塊環繞。

實施例24包括實施例18之主旨，其進一步包含一巨集區塊標示子模組經組配以(a)分派一主要獨特前景標記給該等多個前景巨集區塊中之一經選定之一者，其中該經選定之前景巨集區塊具有針對一特定連續群簇之前景巨集區塊的一最小相似性方差；及(b)分派一次要獨特前景標記給該等多個前景巨集區塊中之一經選定之一者，其中相對應於該次要獨特前景標記之該經選定之前景巨集區塊(a)係由其它前景巨集區塊環繞及(b)係與一峰相似性方差值相關聯。

實施例25包括實施例22、實施例22、或實施例24之主旨，其中一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量之一方差。

實施例26包括實施例25之主旨，其中該給定前景巨集區塊之該相似性測量取決於在該經選定訊框中該給定巨集區塊之一位置、如自該經擷取之DC係數資料推衍出之該給定巨集區塊之一灰階方差、及如自該經擷取之運動向量資料推衍出之該給定巨集區塊之運動中之一或多者。

實施例27包括實施例25之主旨，其中一給定前景巨集區塊之該相似性方差相對應於該給定前景巨集區塊及其係水平地、垂直地、及對角線地相接至該給定前景巨集區塊之前景巨集區塊中之一相似性測量中之一方差。

實施例28為一種具有指令編碼其上之非暫時性電腦可讀取媒體，其當由一或多個處理器執行時，使得進行針對一經編碼之視訊串流之一物件追蹤處理。該處理包含剖析一經壓縮之視訊串流以針對該經壓縮之視訊串流之一經選定訊框擷取運動向量資料及DC係數資料，該經選定訊框包含多個巨集區塊。該處理進一步包含使用該經擷取之運動向量資料以識別多個前景巨集區塊其相對應於與一背景運動模型可資區別的運動。該處理進一步包含基於一特徵映射群組化該等多個前景巨集區塊之一子集，取決於該經擷取之運動向量資料及DC係數資料，該特徵映射係與該經群組化之前景巨集區塊之子集相關聯，其中該經群組 化之前景巨集區塊之子集相對應於在該經選定訊框內之多個移動物件中之一者。該處理進一步包含基於該經群組化之前景巨集區塊之子集定義一物件遮罩，該物件遮罩含括在該經選定訊框內之該等移動物件中之一者。

實施例29包括實施例28之主旨，其中一給定巨集區塊之該特徵映射取決於該給定巨集區塊在該經選定訊框內部之一位置、與該給定巨集區塊相關聯的運動向量資料、及該給定巨集區塊之一相似性方差。

實施例30包括實施例28之主旨，其進一步包含分派一主要獨特前景標記給該等多個前景巨集區塊中之一經選定之一者，其中(a)該經選定之前景巨集區塊具有針對一特定相接群簇之前景巨集區塊的一最小相似性方差；及(b)一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量中之一方差。

實施例31包括實施例28之主旨，其進一步包含分派一主要獨特前景標記給該等多個前景巨集區塊中之一經選定之一者，其中(a)該經選定之前景巨集區塊具有針對一特定相接群簇之前景巨集區塊的一最小相似性方差；(b)一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量中之一方差；及(c)該給定前景巨集區塊之該相似性測量取決於在該經選定訊框中該給定巨集區塊之一位置、如自該經擷取之DC係數資料推衍出之該給定巨集 區塊之一灰階方差、及如自該經擷取之運動向量資料推衍出之該給定巨集區塊之運動中之一或多者。

實施例32包括實施例28之主旨，其進一步包含分派一主要獨特前景標記給該等多個前景巨集區塊中之一選定一者，其中該經選定之前景巨集區塊針對前景巨集區塊之一特定相接的群簇具有一最低相似性方差。

實施例33包括實施例30、實施例31、或實施例32之主旨，其中一給定前景巨集區塊之該相似性方差相對應於該給定前景巨集區塊及其係水平地、垂直地、及對角線地相接至該給定前景巨集區塊之前景巨集區塊中之一相似性測量中之一方差。

實施例34包括實施例30、實施例31、或實施例32之主旨，其進一步包含分派一次要獨特前景標記給該等多個前景巨集區塊中之一選定一者其中該經選定之前景巨集區塊係由與該背景運動模型相關聯的巨集區塊所環繞。

實施例35包括實施例30、實施例31、或實施例32之主旨，其進一步包含分派一次要獨特前景標記給該等多個前景巨集區塊中之一選定一者，其中該經選定之前景巨集區塊(a)係由其它前景巨集區塊環繞及(b)係與一峰相似性方差值相關聯。

實施例36包括實施例32之主旨，其中一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量之一方差。

實施例37包括實施例28之主旨，其中該方法進一步包含基於該經選定訊框與一時間上相鄰訊框間之一成本度量之一比較而驗證該經群組化之前景巨集區塊之子集，該成本度量係取決於經群組化之前景巨集區塊之子集之訊框對訊框運動及方差。

實施例38包括實施例28之主旨，其中該經壓縮之視訊串流包含含有基準線資料之多個I-訊框及含有遞增改變資料之多個P-訊框；及該經壓縮之視訊串流係經剖析而不施用含在一給定P-訊框中之遞增資料至含在一相對應I-訊框中之基準線資料。

實施例39包括實施例28之主旨，其中使用該經擷取之運動向量資料以識別該等多個前景巨集區塊進一步包含基於在一給定維度內一最為數眾多的運動向量分類而計數運動向量及定義該背景運動模型。

前文具體實施例之詳細說明部分係呈示用於例示及描述目的。絕非意圖為排他性或將本文揭示限制於所描述之精準形式。鑑於本文揭示，許多修改及變化為可能。意圖本文揭示之範圍並非受限於本詳細說明部分，反而受隨附之申請專利範圍所限。未來提出申請之專利申請案請求本案之優先權可以不同方式請求本文揭示之主旨，及可大致上包括此處各樣揭示的或以其它方式展示的一或多個元件之任何集合。

152‧‧‧物件檢測子模組

154‧‧‧群組化及標記子模組

156‧‧‧驗證及精製子模組

158‧‧‧運動追蹤子模組

180‧‧‧位元串流剖析器

1000‧‧‧方法

1100-1800‧‧‧方法方塊

Claims (25)

1. 一種用於在一經壓縮之視訊串流中追蹤一移動物件之方法，該方法包含下列步驟：剖析一經壓縮之視訊串流以針對該經壓縮之視訊串流之一經選定訊框擷取運動向量資料及DC係數資料，該經選定訊框包含多個巨集區塊；使用經擷取之該運動向量資料在該等多個巨集區塊中識別多個前景巨集區塊，該等前景巨集區塊相對應於係可與一背景運動模型區別的運動；基於一特徵映射而群組化該等多個前景巨集區塊之一子集，取決於經擷取之該等運動向量資料及DC係數資料，該特徵映射係與經群組化的該等前景巨集區塊之子集相關聯；以及基於該經選定訊框與一時間相鄰訊框間之一成本度量之一比較，而驗證經群組化的該等前景巨集區塊之子集，該成本度量取決於經群組化的該等前景巨集區塊之子集的訊框對訊框運動及方差。
2. 如請求項1之方法，其中：經群組化的該等前景巨集區塊之子集的訊框對訊框方差相對應於在包含經群組化的該等前景巨集區塊之子集之巨集區塊中之一相似性測量中之一方差；以及一給定前景巨集區塊之該相似性測量取決於下列中之一或多者：在該經選定訊框中的該給定前景巨集區 塊之一位置、由於自經擷取之該DC係數資料所推衍出之該給定巨集區塊之一灰階方差、及由於自經擷取之該運動向量資料所推衍出之該給定巨集區塊之運動。
3. 如請求項1之方法，其中：該經壓縮之視訊串流包含含有基準線資料之多個I-訊框及含有遞增改變資料之多個P-訊框；以及該經壓縮之視訊串流係經剖析而不將在一給定P-訊框中所含之遞增資料施用至在一相對應I-訊框中所含之基準線資料。
4. 如請求項1之方法，其進一步包含將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差。
5. 如請求項1之方法，其進一步包含將一次要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中經選定之該前景巨集區塊係由與該背景運動模型相關聯的巨集區塊所環繞。
6. 如請求項1之方法，其進一步包含將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中：經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差；以及一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量中之一方差。
7. 如請求項1之方法，其進一步包含將一次要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中：該經選定之前景巨集區塊(a)係由其它前景巨集區塊所環繞及(b)係與一峰相似性方差值相關聯；一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量中之一方差；以及該給定前景巨集區塊之該相似性測量取決於下列中之一或多者：在該經選定訊框中的該給定巨集區塊之一位置、由於自經擷取之該DC係數資料所推衍出之該給定巨集區塊之一灰階方差、及由於自經擷取之該運動向量資料所推衍出之該給定巨集區塊之運動。
8. 如請求項1之方法，其中一給定巨集區塊之該特徵映射取決於在該經選定訊框內的該給定巨集區塊之一位置、與該給定巨集區塊相關聯的運動向量資料、及該給定巨集區塊之一相似性方差。
9. 如請求項1之方法，其中：群組化該等前景巨集區塊之該子集進一步包含將一標記分派給一給定前景巨集區塊，其係相當於一鄰近前景巨集區塊之一標記；以及該鄰近前景巨集區塊及該給定前景巨集區塊具有一特徵映射殘差，其係小於其它前景巨集區塊鄰近該給定前景巨集區塊之一特徵映射殘差。
10. 如請求項1之方法，其進一步包含將與該背景運動模型 相關聯的一巨集區塊添加至經群組化的該等前景巨集區塊之子集，其中經添加之該背景巨集區塊具有超過一預定臨界值之一相似性方差。
11. 如請求項1之方法，其進一步包含：將與該背景運動模型相關聯的一巨集區塊添加至經群組化的該等前景巨集區塊之子集，其中經添加之該背景巨集區塊具有超過一預定臨界值之一相似性方差；以及合併經群組化的該等前景巨集區塊之二或多個相鄰子集，其中(a)經群組化之該等二或多個相鄰子集係以不大於一個巨集區塊之一距離所分開及(b)針對經群組化之該等二或多個相鄰子集中之各者的一個別成本度量係高於一預定臨界值。
12. 一種用於在一經壓縮之視訊串流中追蹤一移動物件之系統，該系統包含：一位元串流剖析器經組配以自一經編碼之視訊串流擷取運動向量資料及DC係數資料而未解碼該經編碼之視訊串流，其中該經編碼之視訊串流的一給定訊框包含多個巨集區塊；一物件檢測子模組經組配以區別相對應於一移動物件之多個前景巨集區塊與一背景運動模型；一巨集區塊群組化子模組經組配以基於經擷取之該等運動向量資料及DC係數資料而群組化該等多個前景巨集區塊之一子集；以及 一物件驗證子模組經組配以基於該經給定訊框與一時間相鄰訊框間之一成本度量之一比較，而驗證經群組化的該等前景巨集區塊之子集，該成本度量取決於經群組化的該等前景巨集區塊之子集的訊框對訊框運動及方差。
13. 如請求項12之系統，其中該成本度量進一步取決於經群組化的該等前景巨集區塊之子集之一面積。
14. 如請求項12之系統，其進一步包含一物件精製子模組，該物件精製子模組經組配以將一標記分派給一給定前景巨集區塊，其係相當於一鄰近前景巨集區塊之一標記，其中：該鄰近前景巨集區塊具有相對於該給定前景巨集區塊之一特徵映射殘差，其係小於針對相對於該給定前景巨集區塊的其它鄰近前景巨集區塊之一特徵映射殘差；以及該等特徵映射殘差係基於個別前景巨集區塊之特徵映射，該等個別前景巨集區塊係取決於與個別巨集區塊相關聯的經擷取之該等運動向量資料及DC係數資料。
15. 如請求項12之系統，其進一步包含一巨集區塊標示子模組，該巨集區塊標示子模組經組配以將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差。
16. 如請求項12之系統，其進一步包含一巨集區塊標示子模組，該巨集區塊標示子模組經組配以進行下列動作：將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差；以及將一次要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中相對應於該次要獨特前景標記的經選定之該前景巨集區塊係由與該背景運動模型相關聯的巨集區塊所環繞。
17. 如請求項12之系統，其進一步包含一巨集區塊標示子模組，該巨集區塊標示子模組經組配以進行下列動作：將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差；以及將一次要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中相對應於該次要獨特前景標記的經選定之該前景巨集區塊(a)係由其它前景巨集區塊所環繞及(b)係與一峰相似性方差值相關聯。
18. 一種具有指令編碼於其上之非暫時性電腦可讀取媒體，當其由一或多個處理器所執行時，致使針對一經編碼之視訊串流的一物件追蹤處理要被進行，該處理包含： 剖析一經壓縮之視訊串流以針對該經壓縮之視訊串流之一經選定訊框擷取運動向量資料及DC係數資料，該經選定訊框包含多個巨集區塊；使用經擷取之該運動向量資料以識別多個前景巨集區塊，其相對應於可與一背景運動模型區別的運動；基於一特徵映射而群組化該等多個前景巨集區塊之一子集，取決於經擷取之該等運動向量資料及DC係數資料，該特徵映射係與經群組化的該等前景巨集區塊之子集相關聯，其中經群組化的該等前景巨集區塊之子集相對應於在該經選定訊框內之多個移動物件中之一者；以及基於經群組化的該等前景巨集區塊之子集而定義一物件遮罩，該物件遮罩含括有在該經選定訊框內之該等移動物件中之一者。
19. 如請求項18之非暫時性電腦可讀取媒體，其中一給定巨集區塊之該特徵映射取決於該給定巨集區塊在該經選定訊框內部之一位置、與該給定巨集區塊相關聯的運動向量資料、及該給定巨集區塊之一相似性方差。
20. 如請求項18之非暫時性電腦可讀取媒體，其進一步包含將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中：經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差；以及一給定前景巨集區塊之一相似性方差相對應於在 該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量中之一方差。
21. 如請求項18之非暫時性電腦可讀取媒體，其進一步包含將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中：經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差；一給定前景巨集區塊之一相似性方差相對應於在該給定前景巨集區塊及與該給定前景巨集區塊相接的前景巨集區塊中之一相似性測量中之一方差；以及該給定前景巨集區塊之該相似性測量取決於下列中之一或多者：在該經選定訊框中的該給定巨集區塊之一位置、如由於自經擷取之該DC係數資料所推衍出之該給定巨集區塊之一灰階方差、及由於自經擷取之該運動向量資料所推衍出之該給定巨集區塊之運動。
22. 如請求項18之非暫時性電腦可讀取媒體，其進一步包含將一主要獨特前景標記分派給該等多個前景巨集區塊中之一選定者，其中經選定之該前景巨集區塊具有針對前景巨集區塊之一特定連續群簇的一最小相似性方差。
23. 如請求項18之非暫時性電腦可讀取媒體，其中該處理進一步包含基於該經選定訊框與一時間相鄰訊框間之一成本度量之一比較而驗證經群組化的該等前景巨集區塊之子集，該成本度量取決於經群組化的該等前景巨集區塊之子集之訊框對訊框運動及方差。
24. 如請求項18之非暫時性電腦可讀取媒體，其中：該經壓縮之視訊串流包含含有基準線資料之多個I-訊框及含有遞增改變資料之多個P-訊框；以及該經壓縮之視訊串流係經剖析而不將在一給定P-訊框中所含之遞增資料施用至在一相對應I-訊框中所含之基準線資料。
25. 如請求項18之非暫時性電腦可讀取媒體，其中使用經擷取之該運動向量資料以識別該等多個前景巨集區塊進一步包含基於在一給定維度內之一最為數眾多的運動向量分類而計數運動向量及定義該背景運動模型。