視頻監(jiān)控系統(tǒng)是現(xiàn)代數(shù)字視頻技術(shù)的一個(gè)新的應(yīng)用,是視頻技術(shù)和互聯(lián)網(wǎng)技術(shù)不斷發(fā)展過(guò)程中經(jīng)過(guò)融合而成的信息系統(tǒng)。隨著社會(huì)發(fā)展,視頻監(jiān)控系統(tǒng)的應(yīng)用逐步深入各行各業(yè),在交通、公共安全和大數(shù)據(jù)分析等領(lǐng)域都起著重要的作用。但是,隨之產(chǎn)生的海量監(jiān)控視頻數(shù)據(jù)給存儲(chǔ)和傳輸都帶來(lái)了極大的挑戰(zhàn)。相比于傳統(tǒng)的自然視頻圖像,監(jiān)控視頻具有背景相對(duì)固定的特點(diǎn),大量的背景信息造成了背景冗余。傳統(tǒng)的視頻編碼標(biāo)準(zhǔn)已經(jīng)難以滿(mǎn)足監(jiān)控視頻對(duì)壓縮率的需求。因此,監(jiān)控視頻編碼的研究成為了目前國(guó)內(nèi)外的研究熱點(diǎn)之一。針對(duì)監(jiān)控視頻具有穩(wěn)定背景的特點(diǎn),進(jìn)行了基于背景預(yù)測(cè)的監(jiān)控視頻編碼研究,研究?jī)?nèi)容主要包括:第一,利用監(jiān)控視頻中存在固定場(chǎng)景的特點(diǎn),提出了基于動(dòng)態(tài)背景模型的監(jiān)控視頻編碼方案。該方案構(gòu)建背景圖像并將其作為長(zhǎng)期參考幀加入預(yù)測(cè)編碼過(guò)程,從而提高編碼效率。首先,提出了基于編碼塊分類(lèi)的動(dòng)態(tài)背景模型,該模型使用視頻序列第一幀初始化背景圖像,并在更新過(guò)程中對(duì)每一編碼塊進(jìn)行判斷,將屬于背景區(qū)域的塊用于背景幀的更新。為了提高背景更新的準(zhǔn)確性,提出了基于編碼塊劃分的背景優(yōu)化算法,該算法將固定大小的編碼塊進(jìn)行劃分,使用不同大小的塊進(jìn)行背景更新。最終,在HEVC編碼框架下實(shí)現(xiàn)了基于背景預(yù)測(cè)的編碼方案。實(shí)驗(yàn)結(jié)果表明,相比于標(biāo)準(zhǔn)HEVC,此方案在監(jiān)控視頻序列上提高了2.51%的編碼效率。第二,為了得到更高質(zhì)量的背景幀,提出了基于雙背景幀的監(jiān)控視頻編碼算法。該方案主要思想是使用視頻序列的原始輸入圖像訓(xùn)練得到原始背景幀,將原始背景幀編碼后用于監(jiān)控視頻編碼過(guò)程。傳統(tǒng)的背景幀編碼方案多是基于幀內(nèi)編碼進(jìn)行的,導(dǎo)致在提高背景幀質(zhì)量的同時(shí)也帶來(lái)了大量的碼率增加。雙背景幀編碼方案使用重建背景幀對(duì)原始背景幀進(jìn)行預(yù)測(cè)編碼,并選擇較小的量化參數(shù)以提高背景幀的質(zhì)量。實(shí)驗(yàn)結(jié)果表明,雙背景幀編碼方案在保證背景幀質(zhì)量的情況下減少了編碼背景幀的代價(jià),同時(shí),相比于HM14.0,監(jiān)控視頻的壓縮率提升了28.21%。
【學(xué)位單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TN948.6;TN919.81
【部分圖文】：

(a) 序列第 1 幀 (b) 序列第 n 幀圖 1-1 會(huì)議監(jiān)控視頻序列Figure 1-1 Conference video sequence(a) 序列第 1 幀 (b) 序列第 n 幀圖 1-2 交通監(jiān)控視頻序列Figure 1-2 Traffic video sequence對(duì)于監(jiān)控視頻，如何通過(guò)消除背景冗余以提高編碼效率無(wú)疑是一個(gè)值得研究的問(wèn)題 考慮到前景物體的遮擋，某一圖像中的背景區(qū)域可能很難在其參考幀中找到相似參考 但由于監(jiān)控視頻中的背景是相對(duì)穩(wěn)定的，利用背景建模算法可以

(a) 序列第 1 幀 (b) 序列第 n 幀圖 1-2 交通監(jiān)控視頻序列Figure 1-2 Traffic video sequence對(duì)于監(jiān)控視頻，如何通過(guò)消除背景冗余以提高編碼效率無(wú)疑是一個(gè)值得研究的問(wèn)題 考慮到前景物體的遮擋，某一圖像中的背景區(qū)域可能很難在其參考幀中找到相似參考 但由于監(jiān)控視頻中的背景是相對(duì)穩(wěn)定的，利用背景建模算法可以得到背景圖像，進(jìn)而當(dāng)前幀的背景區(qū)域可直接在背景幀中匹配到更好的預(yù)測(cè)參考 因此，基于背景模型的預(yù)測(cè)編碼可有效地減少背景冗余帶來(lái)的影響，從而提高監(jiān)控視頻的壓縮率 在基于背景模型的預(yù)測(cè)編碼中所面對(duì)的主要問(wèn)題有：用什么樣的背景模型構(gòu)建背景圖像 如何編碼背景幀以及如何將背景幀高效地用于預(yù)測(cè)編碼過(guò)程 本課題將基于 HEVCτHighEfficiencyVideoCodingυ的編碼框架，使用背景幀預(yù)測(cè)編碼的方法來(lái)解決監(jiān)控視頻中的背景冗余問(wèn)題，并進(jìn)一步深入研究高效的背景模型以及背景幀的壓縮方案

圖 1-3 H.264/AVC 編碼框架Figure 1-3 Coding framework of H.264/AVCHEVC 作為新一代編碼標(biāo)準(zhǔn)，是對(duì) H.264/AVC 的缺陷和問(wèn)題進(jìn)行不斷優(yōu)化所發(fā)展而來(lái)的 一方面，HEVC 支持更高分辨率的視頻，另一方面也改進(jìn)了并行處理的模式 相比于 H.264/AVC，HEVC 在編碼性能上提高了 50%左右，為人們提供了更高清 更流暢的視覺(jué)體驗(yàn) 基于 HEVC 的編碼技術(shù)的優(yōu)化和創(chuàng)新也成為了研究者們關(guān)注的焦點(diǎn) 相比于 H.264/AVC，HEVC 編碼的高效源于一些革命性的變化[13]-[17]，主要技術(shù)內(nèi)容如下：第一，采用更靈活的編碼結(jié)構(gòu) HEVC 不再使用舊的編碼標(biāo)準(zhǔn)中宏塊的概念，而是使用了新提出的樹(shù)形編碼單元τCodingTreeUnit，CTUυ結(jié)構(gòu) 這種編碼單元的大小通過(guò)編碼器確定，而且可以進(jìn)一步劃分為多種不同尺寸的結(jié)構(gòu)，最大可達(dá) 64×64 HEVC 中的 CTU 可進(jìn)一步劃分為樹(shù)形編碼塊τCoding Tree Block，CTBυ，包括一個(gè)亮度 CTB 和兩個(gè)色度 CTB 其大小一般可以是 16×16~64×64，而較大的分塊也有利于編碼效率的提升 在編碼過(guò)程中，CTB 將被以四叉樹(shù)分割
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏榮;吳彬;袁文勤;;監(jiān)控視頻恢復(fù)技術(shù)研究[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2017年02期

2 馬元元;李向偉;劉艷飛;;海量監(jiān)控視頻分級(jí)摘要生成系統(tǒng)研究[J];現(xiàn)代電子技術(shù);2017年13期

3 王嘉陳;周瑞;凌啟尉;倪洋;趙明明;;不同監(jiān)控視頻角度同一姿態(tài)的同一性研究[J];科技視界;2016年12期

4 魏聚山;;基于內(nèi)容的監(jiān)控視頻特征提取和檢索技術(shù)研究[J];科技展望;2016年24期

5 李子川;;監(jiān)控視頻時(shí)間信息調(diào)查與分析[J];中國(guó)刑警學(xué)院學(xué)報(bào);2015年02期

6 陳炫波;;方圓合一[J];湖南教育(D版);2017年01期

7 張維;;獲獎(jiǎng)之后[J];喜劇世界(下半月);2017年01期

8 亦諾;;你是將軍,他是兵[J];女子世界;2017年02期

9 鄭歡歡;薛朝玉;;“大學(xué)生‘飛踹’女童事件”作文導(dǎo)寫(xiě)[J];高中生學(xué)習(xí)(作文素材);2017年Z2期

10 謝素軍;;你必須是那個(gè)兇手[J];微型小說(shuō)選刊;2014年06期

相關(guān)博士學(xué)位論文 前8條

1 費(fèi)風(fēng)長(zhǎng);監(jiān)控視頻中人群異常事件檢測(cè)方法的研究[D];江西財(cái)經(jīng)大學(xué);2018年

2 高立青;治安監(jiān)控視頻大數(shù)據(jù)中的行人行為識(shí)別方法[D];大連理工大學(xué);2017年

3 張賢國(guó);基于背景模型的監(jiān)控視頻編碼研究[D];北京大學(xué);2013年

4 馬浚誠(chéng);面向葉部病害識(shí)別的設(shè)施蔬菜監(jiān)控視頻關(guān)鍵幀提取方法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

5 朱烽;跨視域攝像頭網(wǎng)絡(luò)下的監(jiān)控視頻結(jié)構(gòu)化與檢索[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

6 聶婕;人體生理活動(dòng)監(jiān)控視頻中的關(guān)鍵事件檢測(cè)[D];中國(guó)海洋大學(xué);2011年

7 王亦民;面向監(jiān)控視頻的行人重識(shí)別技術(shù)研究[D];武漢大學(xué);2014年

8 張興國(guó);地理場(chǎng)景協(xié)同的多攝像機(jī)目標(biāo)跟蹤研究[D];南京師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 崔鑫鑫;基于稀疏組合學(xué)習(xí)的監(jiān)控視頻異常檢測(cè)技術(shù)研究[D];北京工業(yè)大學(xué);2018年

2 李浩然;基于雙背景幀的監(jiān)控視頻編碼研究[D];北京工業(yè)大學(xué);2018年

3 劉李啟明;監(jiān)控視頻異常事件檢測(cè)方法研究[D];杭州電子科技大學(xué);2018年

4 李文博;面向監(jiān)控視頻的視覺(jué)增強(qiáng)和行為分析研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

5 胡飛;監(jiān)控視頻中目標(biāo)檢測(cè)與追蹤算法的應(yīng)用研究[D];吉林大學(xué);2018年

6 武琦;監(jiān)控視頻中低分辨率人臉識(shí)別研究與應(yīng)用[D];長(zhǎng)安大學(xué);2018年

7 李振;基于Hadoop集群的監(jiān)控視頻中人—車(chē)多目標(biāo)并行檢測(cè)與跟蹤算法研究[D];云南師范大學(xué);2018年

8 何華門(mén);基于監(jiān)控視頻的行人再識(shí)別算法研究[D];哈爾濱工業(yè)大學(xué);2018年

9 許錦婷;基于監(jiān)控視頻的人物檢測(cè)與跟蹤技術(shù)研究[D];南京航空航天大學(xué);2018年

10 陳寧寧;監(jiān)控視頻信息特征的存儲(chǔ)及其索引方法研究[D];武漢理工大學(xué);2017年

本文編號(hào)：2857500