监控视频行业面临着数据存储和分析处理的巨大挑战，亟需针对监控视频的高效表示和编码处理方法。目前基于块的预测/变换编码框架不利于监控视频的检索分析处理，同时也面临着效率瓶颈问题，而实际上监控视频的很多先验知识特性还没有充分挖掘，比如前背景结构信息、场景对象特征信息等，利用这些信息能够进一步消除监控视频内部存在的背景冗余、知识冗余，提高编码效率。为此本项目提出研究基于结构信息特征的监控视频编码，即提取监控视频场景中的结构信息，包括前背景信息、对象特征信息如SIFT特征等，研究基于背景建模和对象特征的监控视频编码方法，通过分离前背景区域提高背景帧预测精度，编码对象特征提高对监控视频的检索分析支持，突破监控视频编码效率瓶颈，显著提高监控视频编码效率和处理效率。项目围绕基于结构特征的视频编码技术与原理开展研究，主要成果包括：针对监控视频内容的前背景结构特征、对象特征，提出了基于码率-准确率的优化编码方法，建立了一种面向行人检测的监控视频编码框架；针对视频内容的结构特性，提出非局部结构相似滤波、自适应预测划分和自适应运动矢量精度预测等编码技术，显著提升了编码效率；针对监控视频智能处理，提出一种视频纹理/特征联合编码方法，提高了视觉特征的编码效率以及视频检索分析效率。项目部分研究成果被AVS2国家标准采纳，与前一代AVS1标准相比，AVS2编码效率提升一倍，已广泛应用于数字电视广播、安防监控等领域。项目共发表论文39篇，其中IEEE Transactions on Image Processing, IEEE Transactions on Multimedia, IEEE Multimedia等重要国际期刊论文12篇，申请发明专利21项。项目获得IEEE VCIP 2016 前10%最佳论文奖、ICIP2018最佳学生论文奖。