視頻監(jiān)控系統(tǒng)中一些關(guān)鍵技術(shù)的研究.pdf

1、視頻監(jiān)控系統(tǒng)作為人類(lèi)視覺(jué)功能的延伸，在許多應(yīng)用中發(fā)揮著越來(lái)越重要的作用，有著十分重要的價(jià)值。近年來(lái)，隨著電子信息技術(shù)特別是計(jì)算機(jī)視覺(jué)與多媒體技術(shù)、通信技術(shù)的興起與發(fā)展，視頻監(jiān)控領(lǐng)域的研究取得了許多重大突破，視頻信息的智能分析與處理、視頻信息的壓縮與傳輸是最活躍的兩個(gè)方面，其中值得研究的問(wèn)題是開(kāi)放和無(wú)止境的。本文對(duì)視頻監(jiān)控系統(tǒng)中的人臉識(shí)別、視頻增強(qiáng)和視頻編碼優(yōu)化三個(gè)基本問(wèn)題進(jìn)行了較為深入的研究，并提出了一些新的方法。
　　第一，人臉

2、識(shí)別在視頻監(jiān)控系統(tǒng)中扮演著關(guān)鍵的角色。雖然自動(dòng)人臉識(shí)別（Automatic Face Recognition，AFR）技術(shù)發(fā)展到今天已經(jīng)非常成熟，但是在非可控環(huán)境下仍然存在許多問(wèn)題，尤其是光照條件發(fā)生變化時(shí)，識(shí)別效果會(huì)明顯下降。視頻監(jiān)控系統(tǒng)全天候工作的特點(diǎn)使得采集的人臉圖像無(wú)法避免光照的影響，因此克服光照變化對(duì)人臉識(shí)別的影響在視頻監(jiān)控應(yīng)用中就尤為重要。本文首先深入研究了人臉識(shí)別中的光照問(wèn)題，然后基于人類(lèi)視覺(jué)系統(tǒng)的人臉光照模型，提出了一種

3、新的光照不變?nèi)四樚卣髅枋龇椒?，主要原理是采用輪廓波變換（ Contourlet Transform，CT）處理對(duì)數(shù)域的人臉圖像，分解得到低頻子帶和高頻子帶，然后利用輪廓波去噪模型，保持低頻系數(shù)不變，改變高頻系數(shù)后使用輪廓波逆變換（Inverse Contourlet Transform，ICT）重構(gòu)圖像，進(jìn)而估計(jì)光照模型中的光照不變成分。本文還提出一種基于混合投影函數(shù)的人臉特征描述方法，該方法對(duì)人臉圖像進(jìn)行分塊處理并利用混合投影函數(shù)和圖

4、像熵構(gòu)建特征矩陣，由于混合投影函數(shù)對(duì)光照變化和隨機(jī)噪聲不敏感，圖像的分塊處理能減弱人臉圖像局部變化的影響，因此是一種良好的光照魯棒性人臉特征描述方法。實(shí)驗(yàn)表明，這兩種方法均能有效提高光照變化條件下的識(shí)別率。
　　第二，視頻增強(qiáng)是視頻監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)之一。通常視頻監(jiān)控系統(tǒng)要求能夠24小時(shí)工作，由于夜間亮度不足造成監(jiān)控視頻質(zhì)量低下，給后續(xù)的分析與識(shí)別帶來(lái)很多困難，因此提高夜間視頻的視覺(jué)質(zhì)量就非常重要。本文提出一種使用小波變換（Wa

5、velet Transform，WT）的夜間視頻增強(qiáng)算法，該方法首先結(jié)合色彩空間轉(zhuǎn)換和小波變換來(lái)分離視頻的光照成分，并對(duì)監(jiān)控視頻作運(yùn)動(dòng)檢測(cè)和背景估計(jì)，借助相同場(chǎng)景的白天高質(zhì)量視頻，提出一種新的融合規(guī)則來(lái)進(jìn)行視頻增強(qiáng)，最后重構(gòu)彩色的圖像和視頻。實(shí)驗(yàn)表明，該方法能非常有效的提高夜間視頻的視覺(jué)質(zhì)量。
　　第三，視頻編碼優(yōu)化在視頻監(jiān)控系統(tǒng)中也非常重要。新一代視頻編碼標(biāo)準(zhǔn)H.264/AVC及可伸縮視頻編碼（Scalable Video Co

6、ding，SVC）的提出使得視頻數(shù)據(jù)的壓縮格式越來(lái)越先進(jìn)，但這是以提高計(jì)算復(fù)雜度為代價(jià)的。視頻監(jiān)控系統(tǒng)中海量的視頻數(shù)據(jù)與有限的存儲(chǔ)和網(wǎng)絡(luò)資源的矛盾，實(shí)時(shí)性處理的需求與嵌入式設(shè)備有限的計(jì)算能力和能耗的矛盾，成為視頻監(jiān)控系統(tǒng)的瓶頸，這就使得提高視頻的編碼速度非常必要。本文首先提出一種適宜于H.264/AVC的幀間快速視頻編碼算法，該方法首先利用運(yùn)動(dòng)和紋理預(yù)測(cè)可能的編碼模式，排除可能性較小的模式，然后利用時(shí)間和空間的相關(guān)性預(yù)測(cè)各種模式的可能性