基于HEVC的監控視頻動態背景模型

胡國慶

摘要：高效視訊編碼（HEVC）是新一代編碼標準，在編碼效率上有明顯優勢。監控視頻結構特點是背景幾乎不變，HEVC并沒有考慮這種情況。使用動態背景模型（DBM）生成動態背景幀，作為HEVC幀間預測的參考幀，可以提高視頻壓縮效率。然而，運動緩慢的前景區域有時會被認為是背景區域，為此提出多層差值（MDM）算法，根據多層像素塊差值更新背景，提高背景幀的質量。實驗結果表明，與高效視訊編碼測試模型HM14.0相比，在幾乎不增加計算復雜度的情況下，采用該算法壓縮效率平均提高了2%，最高提高了5.2%。

關鍵詞關鍵詞：監控視頻；動態背景模型；分層差值算法；HEVC；幀間預測

DOIDOI：10.11907/rjdk.161259

中圖分類號：TP302文獻標識碼：A文章編號文章編號：16727800（2016）007003003

0引言

監控視頻在交通安全和電子會議等領域得到越來越廣泛的應用，H.264/AVC標準逐漸暴露出自身的不足。HEVC是新一代視頻編碼標準，與H.264/AVC相比，在相同視頻壓縮質量下，HEVC可以提高50%左右的壓縮效率。HEVC的編碼框架和H.264相同，兩者都是混合編碼框架。

監控視頻大多由靜止的攝像機捕獲，它們往往擁有固定背景。為此，可以考慮利用監控視頻特殊的結構特點來處理監控視頻。已有關于監控視頻的研究可以分為兩大類：一類是基于模型的編碼方法，這類方法對感興趣的目標建模，然后對它們編碼；另一類是基于塊的編碼方應用層：該層是模型的最高層，是面向用戶的一層，主要實現統計結果的發布和統計決策的可視化。該層包含算法池、數據挖掘模塊，主要是根據不同的數據來源，使用相應的統計算法和數據挖掘算法，如聚類、分類關聯規則挖掘、序列模式挖掘、智能推薦等，從海量數據中提取有用的信息特征，有效地收集樣本數據，挖掘知識，并將信息及時提供給相關部門決策。

基于大數據的統計分析工作，統計的對象往往是一些結構化和非結構化混合的數據，諸如文本、圖像、音視頻等，本文設計模型基本思想就是采用底層挖掘收集，通過中間件的數據管理，實現上層處理分析，篩選和整理出有價值的數據和信息，最終達到可視化統計結果的要求。

3結語

大數據時代，數據即樣本，也就不存在統計樣本概念。掌握了大數據處理技術，也就實現了海量數據的統計分析。海量數據的處理分析和知識挖掘工作，往往離不開大數據的統計處理。如果數據挖掘是為了給決策者提供深度有價值的信息，那么統計分析工作可以看成是數據的預處理，兩者都是大數據處理方式。而在復雜的大數據環境下，面臨復雜的網絡結構和異構的數據，建立合理的統計分析模型非常必要。

參考文獻：

欒爽.省以下統計體制改革問題的研究.長春：吉林大學，2008.

王珊，王會舉，覃雄派，等.架構大數據：挑戰、現狀與展望 [J].計算機學報，2011（10）：17411752.

程開明，莊燕杰.大數據背景下的統計——第十七次全國統計科學討論會綜述 [J].統計研究，2014，8（1）：106112.

孟小峰，慈祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013（1）：146169.

劉剛，侯賓，翟周偉.Hadoop 開源云計算平臺.北京：北京郵電大學出版社，2011.

許琴.淺談大數據背景下的統計信息化建設策略 [J].商場現代化，2015，9（11）：287288.

許春玲，張廣泉.分布式文件系統Hadoop HDFS與傳統文件系統Linux FS的比較與分析[J].蘇州大學學報：工科版，2010，30（8）：59.

謝桂蘭，羅省賢.基于Hadoop MapReduce 模型的應用研究[J].微型機與應用，2010（8）：47.