基于離散GMM-HMM的流媒體視頻識(shí)別方法研究.pdf

1、隨著寬帶網(wǎng)絡(luò)技術(shù)的發(fā)展，流媒體業(yè)務(wù)得到了越來(lái)越廣泛的應(yīng)用，其中視頻傳播是流媒體業(yè)務(wù)中的一種主要傳播形式。然而由于視頻流業(yè)務(wù)的高帶寬性及網(wǎng)絡(luò)資源的有限性，需要根據(jù)不同的傳輸質(zhì)量要求，合理管理和預(yù)測(cè)網(wǎng)絡(luò)中的各種視頻業(yè)務(wù)數(shù)據(jù)流量，其中很重要的環(huán)節(jié)就是視頻業(yè)務(wù)識(shí)別技術(shù)。
　　本文提出了一種新的基于離散混合高斯模型-隱馬爾科夫模型（Gaussian Mixture Model-Hidden Markov Model，GMM-HMM）的流媒體

2、視頻業(yè)務(wù)識(shí)別算法，主要針對(duì)目前市場(chǎng)中常見(jiàn)的三種不同空間分辨率下的視頻數(shù)據(jù)流進(jìn)行分類(lèi)，包括適用于高清晰度（High Definition，HD）電視播放的Full HD視頻流——分辨率為1920*1088的高清視頻、公共中間格式（Common Intermediate Format，CIF）視頻流——分辨率為352*288的普通視頻、四分之一通用圖像格式（Quarter Common Intermediate Format，QCIF）視頻

3、流——適用于移動(dòng)終端的分辨率為176*144的視頻。本文主要工作是提出了一種離散GMM-HMM的識(shí)別算法，選取包層次的數(shù)據(jù)包到達(dá)時(shí)間間隔統(tǒng)計(jì)特征進(jìn)行識(shí)別分類(lèi)。該算法將視頻流的分組數(shù)據(jù)包序列與隱馬爾科夫模型（Hidden Markov Model，HMM）的底層隱狀態(tài)序列對(duì)應(yīng)起來(lái)，根據(jù)未知數(shù)據(jù)流的前幾個(gè)分組數(shù)據(jù)包觀察值即可判定該未知數(shù)據(jù)流的歸屬類(lèi)別，識(shí)別實(shí)時(shí)性較好。采用離散混合高斯模型（Gaussian Mixture Model，GMM