是在初始化過 程中預先設置的），則確定存在突發成組噪聲。在確定存在突發成組噪聲時，進入步驟208， 否則進入步驟210。突發成組噪聲可能是抖動的樹葉，其對應的運動矢量數據之間也具有相 似性，但矢量長度較短，去除送些突發成組噪聲可避免將該區域識別為運動目標的錯誤，從 而提高運動目標的檢測準確率。
[0039] 步驟208,去除突發成組噪聲。
[0040] 步驟210,使用高通濾波器過濾隨機噪聲，該高通濾波器采用自適應的闊值。該闊 值可W是非零運動矢量的平均運動矢量數據與預設值的乘積。
[0041] 下面結合圖3詳細說明圖1中的步驟108的具體處理過程的一個示例。
[0042] 步驟302,定義兩個運動矢量之間的關系。
[0043] 在任一運動矢量組中，根據每兩個相鄰運動矢量之間的夾角燈虹，n])，計算每兩 個相鄰運動矢量之間的相似值（SV虹，n])。
[0044] 根據相似值的大小和夾角的大小與匹配度劃分范圍的對應關系，確定每兩個相鄰 運動矢量之間的匹配度等級（RT虹，n])，其中，每一匹配度劃分范圍對應一個匹配度等級。
[0045] 其中，在兩個運動矢量之間的夾角小于等于90度時，其相似值為：
[004引
？其中，m,n表TK兩個不同的運動矢量 符號，r表示運動矢量的長度，MV表示運動矢量。在角度大于90度時，其相似值是-1。
[0047] 下面表1描述了根據角度和相似值兩個參數如何確定兩個運動矢量之間的關系 標識。
[0048] 陽049] 表1
[0050] 在上述表1中"SP"表示強匹配，"AP"表示中度匹配，"BP"表示一般匹配，"N"表 示不匹配，"Z"表示兩個運動矢量相互垂直。
[0051] 如果夾角小于10度且相似值大于0. 5,則匹配度等級標記為SP(最高級）；否則：
[0052] 如果夾角小于45度且相似值大于0,匹配度等級標記為AP;如果夾角大于45度且 小于90度，相似值大于0,匹配度等級標記為BP;如果相似值為0,匹配度等級標記為Z;女口 果夾角大于90度，匹配度等級標記為N(最低級）。
[0053] 步驟304,在確定兩個運動矢量之間的關系之后，需要對運動矢量進行空間修正。
[0054] 針對每一運動矢量，根據參考運動矢量判斷是否對每一運動矢量進行修正，參考 運動矢量是與該每一運動矢量相鄰的運動矢量，判斷是否對每一運動矢量進行修正的方法 包括：
[00巧]若參考運動矢量中任意兩個相鄰運動矢量的匹配度等級（表1中所示的"SP"、 "AP"、"BP"即表示匹配度等級）大于預設等級，且每一運動矢量與任一參考運動矢量的匹 配度等級小于預設等級，則將運動矢量修正為任一參考運動矢量。也就是說，如果一個運動 矢量與其周圍的運動矢量均不匹配，而其周圍的運動矢量之間均匹配，說明該運動矢量是 不正常的，需要將其修正為與周圍的運動矢量相同。
[0056] 需說明的是，例如對于運動矢量MVc,其參考運動矢量可W是該運動矢量MVc的上 (MVO)、下（MV2)、左（MV3)、右（MVl)四個運動矢量，如圖4所示。
[0057] 步驟306,將匹配度等級屬于最高等級的兩個相鄰運動矢量作為一個強特征對。
[0058] 對于任意一個運動矢量，如果其屬于至少一個強特征對，則將其貢獻值（P巧設為 第一值（例如1)，否則將其貢獻值設為第二值（例如0)。
[0059] 步驟308,根據運動矢量組中的強特征對的數量、每兩個相鄰運動矢量的相似值及 匹配度等級、每個運動矢量的貢獻值計算局部相似值。
[0060] 下面W 2X2運動矢量組為例來說明局部相似值的計算過程，但不僅限于下面的 例子。
[0061] 如圖5所示，四個運動矢量為一組，首先按順時針方向依次計算4個相鄰運動矢量 對的相似值及匹配度等級。假設該運動矢量組中的強特征對的數量為1，進一步的：
[0062] 如果4個相鄰運動矢量對中有3個匹配度等級為Z，在局部相似度值為0;
[0063] 如果4個相鄰運動矢量對中有2個匹配度等級為Z，則有如下處理方案：
[0064] 若等級為N或BP的運動矢量對的數量之和不小于1，且所述4個運動矢量的貢 獻值之和是3,局部相似度值是-1，否則，局部相似度值是4個相鄰運動矢量對的相似值之 和；
[0065] 如果4個相鄰運動矢量對中有1個或0個匹配度等級為Z，則有如下決策：
[0066] 若等級為N或BP的矢量對的數量之和不小于2,且所述4個運動矢量的貢獻值之 和不小于3,在局部相似度值為-1;否則，局部相似度值為4個相鄰運動矢量對的相似值之 和。
[0067] 當前局部運動矢量組中的強特征對的數量為0、2, 3或4時，局部相似度值將根據 類似的列舉方式判斷，預設的參數會有所差別，在此不一一舉例說明。
[0068] 步驟310,為了進一步提高檢測準確率，對計算出的局部相似值進行修正，從而得 到準確的局部相似值圖。
[0069] 修正方法為：
[0070] 針對每一運動矢量組，根據前一編碼頓中的局部相似值修正當前編碼頓的局部相 似值。
[0071] 具體的，對于前一編碼頓中的每個運動矢量組，根據運動矢量組中全部運動矢量 的平均值，預測運動矢量組在當前編碼頓中的位置，該位置上的局部相似值是在當前編碼 頓中所計算的局部相似值與所述前一編碼頓中的局部相似值的加權和，加權系數是預設 值。
[0072] 在獲取局部相似值圖之后，對局部相似值圖進行二值化，在經過二值化的局部相 似值圖中分割出多個獨立的連通域，將每一獨立的連通域作為一個運動目標，完成運動目 標的檢測。
[0073] 最后，在完成運動目標檢測之后進行運動目標跟蹤。跟蹤方法為：
[0074] 如圖6所示，根據W下公式計算出在當前編碼頓的運動目標與前一編碼頓中的各 目標對象的匹配率：
[00巧]
其中，Mw是匹配率，Sw是所述運動目標與所述目標對象 的重合區域（即圖6中的覆蓋區域）大小，Sc是所述運動目標的區域大小，Sp是所述目標 對象的區域大小，L是當前編碼頓中的第L個運動目標，K是前一編碼頓中的第K個目標對 象。
[0076] 在當前編碼頓中的每個運動目標，選擇其與前一編碼頓中匹配率值最大的目標對 象為最優匹配目標；若最大匹配率大于預設的匹配率闊值，則確定運動目標為最優匹配目 標在當前編碼頓中的跟蹤目標；若未發現大于匹配率闊值的目標對象，則確定所述運動目 標為新的目標對象。
[0077] 最后，更新運動目標的信息W用于下一頓的運動跟蹤，并且運動軌跡數據可W被 用于后端應用，來實現一些智能功能例如入侵檢測和目標計數。
[0078] 如圖7所示，根據本發明的實施例的視頻編解碼系統702包括視頻編解碼專用集 成電路704。視頻編解碼系統702中運動目標檢測和跟蹤的計算過程由視頻編解碼專用集 成電路704中的處理器來完成。視頻編解碼專用集成電路704中的視頻編解碼器將運動數 據輸出至處理器，W供進行運動目標檢測和跟蹤。
[0079] 如圖8所示，根據本發明的實施例的運動目標檢測系統802被應用在監控系統的 后端設備，運動目標檢測系統802主要包括H個部分，候選運動目標檢測部分8022、運動目 標跟蹤部分8024W及運動目標信息W及運動軌跡信息的存儲部分8026。
[0080] 圖7是根據本發明的運動目標檢測系統的硬件實施示意圖，圖8是根據本發明的 運動目標檢測系統的結構框架示意圖，結合圖7和圖8可知，根據本發明運動目標檢測系統 使用原視頻編解碼器的處理器來完成運動目標檢測和跟蹤，相比于現有技術無需增加額外 的硬件資源，節約硬件成本。另外，從圖8中也可看出，該運動目標檢測系統實施在前端設 備，相比于實施在后端應用的技術，實時性好，從編解碼器中直接獲取運動矢量數據，因此 在編碼的同時就可W實行運動目標的檢測，檢測速度快，沒有時間延遲。此外，在檢測運動 目標的過程中，采用基于運動矢量組的局部相似值計算方法W及提出了突發成組噪聲的檢 測和去除方法，因此檢測的精度也被大大提高。<