视频会议中视频分割合成的研究

视频会议系统正在吸引越来越多在地域上分散的人们的注意。随着多媒体信息处理和通信技术的飞速发展，虚拟视频会议系统越来越成为可能。和传统的基于二维图像表述的视频会议系统比较，三维虚拟会议系统能为人们提供更好的以人为中心的交流。在这两种情况下，高效精确的视频分割和视图合成都是关键问题。就以下3方面的主要技术进行了研究：背景分离、视差估计以及视图合成。     

一种融合ViBe与多特征提取的微动目标检测算法

为实现前景微动目标的准确提取,克服提取过程中的高误检率等难题,对CbCr分量、RGB和SILTP特征建立背景模型,提出一种融合多特征的ViBe背景建模改进算法。首先引入LBSP算子,改进LBP-TOP纹理编码方式,利用得到的纹理特征计算当前帧的时/空域前景概率,从而建立起接近真实背景的CbCr背景模型;然后结合局部像素复杂度和3种特征的变化情况改进ViBe判别与更新方法,利用背景减除和形态学处理得到完整的前景目标进行背景替换。实验结果表明,所提算法能有效分割视频图像中的微动目标并实现背景替换。     

视频会议：谁在向统一品牌说不？

近年来，经过一系列灾难事件的洗礼，人们对传统的办公方式的安全性产生了彻底的反思，由此促进了视频会议市场的快速增长。加之各大厂商的大力宣传，视频会议的概念在中国已经深入人心。谈起视频会议，大家往往习惯于选择同一品牌的终端和后台的控制单元，认为这样更有利于整个系统的搭建、使用和维护。正是由于客户一直的使用和认知习惯，让视频会议更为重要的一个方面——兼容性，长期以来得不到应有的重视。     

从天涯到咫尺：视频会议系统小记

随着计算机网络的飞速发展,计算机应用软件的不断发展,人们已经不满足于只通过电子邮件、聊天的方式进行通讯。由此而产生的传输视频、音频数据的视频会议系统已经成为目前计算机网络应用的主要发展方向之一。 视频会议系统(Videoconferencing)是集通信、计算机技术、微电子技术于一体的远程异地通信方式,该系统是一种典型的图像通信。在通信的发送端,将图像     

一种改进的基于背景差分的运动目标检测方法（英文）

文中在介绍运动检测方法的基础上,阐述了背景差分运动检测算法的优缺点。文章为实现高效的运动检测目的,提出了改进的基于背景差分的检测方法,体现在改进的基于帧间差分实现的背景建模算法以及改进的自适应背景更新算法,综合实现了基于背景差分的运动目标检测。针对背景差分受环境约束较大的缺点,改进措施能够很好地完成效果较理想的运动检测。实验结果表明,使用文中改进的背景差分进行运动目标检测,能够趋近于得到真实的没有运动目标的背景,其次实现了背景能够很好地自适应更新以适应环境的变化,使得最终的运动目标检测取得了良好的实验效果。     

一种改进的基于背景差分的运动目标检测方法

文中在介绍运动检测方法的基础上,阐述了背景差分运动检测算法的优缺点。文章为实现高效的运动检测目的,提出了改进的基于背景差分的检测方法,体现在改进的基于帧间差分实现的背景建模算法以及改进的自适应背景更新算法,综合实现了基于背景差分的运动目标检测。针对背景差分受环境约束较大的缺点,改进措施能够很好地完成效果较理想的运动检测。实验结果表明,使用文中改进的背景差分进行运动目标检测,能够趋近于得到真实的没有运动目标的背景,其次实现了背景能够很好地自适应更新以适应环境的变化,使得最终的运动目标检测取得了良好的实验效果。     

视频序列中的一种微动目标提取与背景替换算法

为了实现视频图像中微动目标的背景替换,需要解决微动目标准确提取这一难题。首先利用Adaboost分类器训练肤色样本库,获得肤色与非肤色数据,并确定肤色的阈值范围,得到肤色检测二值图;然后将肤色检测二值图和Otsu分割的微动目标二值图融合得到微动目标序列图像的粗二值图;经过形态学、孔洞填充等处理过程得到完整的二值图模板,最后完成视频图像的背景替换。仿真实验表明,所提出的算法可以较好地分割出微动目标并实现背景替换。     

基于发言权转移互操作的视频会议系统研究

随着视频会议和仿真技术的快速发展,分布交互仿真环境下的视频会议系统的研究体现出较高的价值.为了解决视频会议中的发言权调度问题,深入讨论了视频会议中发言权的转移和视频会议传输,提出了调度系统的结构框架和衡量发言权调度算法效率的两个指标:发言丢失率和发言平均延误时间;同时,提出了一种发言权的调度算法,算法介绍了RTI的视频会议系统的总体设计框架,并详细叙述了通过HLA的交互类和RTI的服务进行视频和音频数据的传输方法.实验结果表明,发言权调度算法的使用基本达到了预期的目标,数据传输方式扩展了HLA的应用,为基于RTI的大数据量数据的传输方式提供了理论的依据和实践的参考.     

一种基于高斯混合模型的分块背景更新算法研究

随着经济建设的快速发展,城市交通问题成为了人们亟待解决的问题。在智能交通系统领域中,背景提取和背景更新成为近年来计算机视觉领域的研究热点[1]。提出了一种应用于智能视频监控中的背景更新方法。在视频图像中,通过利用高斯混合模型获取背景图像,通过分块背景更新的方式提高背景更新的速度。     

改进混合高斯模型的运动目标检测算法

针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性。经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测。     

通过HiBench基准测试比较Hadoop与Spark的性能

Hadoop MapReduce和Apache Spark都适用在大型集群上以并行和分布式模式有效地处理大量数据。为了比较这两个框架的性能,作者使用HiBench基准套件基于执行时间和内存消耗两个标准进行测试。测试结果表明,这些框架的性能根据用例实现的不同而有很大差异。从而可以得出结论:在一般情况下,Spark能够比Hadoop更有效地处理大量数据。但是,因为Spark要将待处理数据加载到内存中,并在缓存中保留一段时间,所以Spark需要更高的内存占用。     

基于自适应背景模型运动目标检测

随着城市化速度的加快,机动车日益普及,人们在享受机动车所带来的巨大便利的同时,也面临着交通拥挤的困扰。随着计算机硬件技术和计算机视觉技术的发展,基于计算机视觉的交通监控系统成为可能。从一个交通视频序列中识别出运动物体是许多交通监控系统应用系统的重要任务,针对该问题,提出了一种建立在对视频序列中的整个背景情景的统计描述基础上的运动目标的检测的有效方法,该方法能够适应变化的背景,具有较强的鲁棒性和较好的实时性。     

一种有效的运动物体检测方法

为了从监控视频中检测出较高质量的运动物体,文章提出了一种基于帧间差分和背景差分相结合的运动目标的检测方法,并且采用像素级和帧级背景更新相配合的一种背景更新策略。算法求取各像素点处的最大概率灰度,从而提取出连续视频的背景图像;相邻帧则利用帧间差分法以及背景差分法得到两幅运动区域图像;将两幅运动区域图像相与,提取出较为准确的运动目标。实验证明,该算法对光线的变化鲁棒性较高,运算速度较快,且能够及时的响应监控视频的实时变化,提高运动目标的检测质量。     

一种新的基于统计的背景减除方法

提出了一种有效的彩色视频背景减除的新方法。首先对彩色视频采样得到图像序列,统计序列中各像素的RGB值并归类,用出现概率最高类的RGB均值来构建背景模型;然后根据颜色差异和亮度范围综合条件,结合形态学处理进行背景减除。实验结果表明,此法可以很好地克服灰度视频背景减除中很难识别与背景灰度相近目标的缺陷,同时比传统的彩色视频背景建模快速,且样本中允许运动目标存在。对背景减除的准确性和实时性有一定程度地改进。该文还针对光照和背景变化提出了一些有效的背景更新策略。     

视频图像中运动目标检测算法的提高

基于士兵对抗射击系统,研究复杂环境下运动目标检测算法的提高,从提高算法处理效率和降低外界干扰对算法准确性影响两方面进行讨论. 对士兵对抗射击系统中大尺寸的视频流图像,先在下采样图像中判断运动目标的位置,再根据运动目标的位置,到原图中进行精确分析,从而提高算法的处理速度. 通过背景融合方法更新图像背景,用不断更新的图像背景结合背景差分法获取运动目标,可以有效消除场景光线变化和相机抖动等因素对检测结果的影响,提高算法的准确性.     

基于像素背景可信度的背景建模算法的研究分析

随着数码产品的不断普及,人们对于视觉效果的数码分析越来越深入,背景建模是整个视频分析过程中不可缺少的重要环节,也是各种图像及视频应用的前提。视频的拍摄可以分为静止拍摄和运动拍摄两种,基于像素背景可信度的算法研究,主要是静止拍摄的定视角视频,首先介绍了一种背景建模算法—codebook算法,其次描述了影响像素背景可信度的因素和背景建模。背景建模算法的研究对解决实际视频问题具有积极的作用。     

非结构化数据存储管理研究

非结构化数据通常指相对于关系数据而言没有固定的显式结构的数据,比如视频、音频、图像、文档等非结构化数据。根据权威数据咨询机构或研究机构的预测报告显示,近 5～10年的数据量将呈指数级增长,而其中的非结构化数据占到当前数字信息总量的70%～85%。面对如此庞大的数据量和信息量,如何有效管理非结构化数据、获得有价值的信息或知识显得迫在眉睫。(非结构化) 数据管理可以简单化为3个目标,即:实现数据的“存得下、管得了、用的上”。本文将主要围绕前两个基本目标介绍目前的非结构化数据存储管理的研究情况。同时介绍中国人民大学非结构数据管理(Unstructured DataManagement,UDM)研究小组基于“自由表”数据模型和BUD(Bank of Unstructured Data)参考体系模型在这一个问题上所作的初步研究与探索工作,以及在原型平台myBUD中的若干存储管理技术。     

工业场景中背景特征的建模要素分析

随着现代制造业对产品质量、生产效率和操作安全性要求的提高,视频监控在现代制造业中的应用越来越广泛,对视频处理的精度与速度要求也越来越高.运动目标检测是视频理解和分析的基础,因此面向工业场景的运动目标检测算法一直是一个研究热点.作为算法的重要组成部分,运动目标检测所用到的背景特征在以往并没有受到足够的重视.为此本文,从像素数据和已有算法中获取背景特征,给出相关特征和数据的可视形态表示,支持更直观的方式辅助获取这些背景特征之间的关系,进一步给出背景特征模型,同时本文得到的背景特征关系可以指导算法设计.     

Service-Oriented E-Learning Platforms: From Monolithic Systems to Flexible Services

The learning management system (LMS) has dominated Internet-based education for the past two decades. However, the traditional LMS is failing to keep pace with advances in Internet technologies and social interactions online. To support technological diversity, current frameworks such as the e-learning framework (ELF), the IMS abstract framework, and the open knowledge initiative (OKI) have defined the initial steps toward service-oriented e-learning platforms. Next-generation platforms will be based on these service-oriented visions. The authors discuss LMS evolution and present core challenges that must be addressed to achieve information interoperability in next-generation e-learning platforms     

背景重建在视频监视系统中的应用

利用FPGA和USB控制芯片实现了实时视频监视采集系统,根据视频监视和传输特点,将采集得到的图像数据先做背景重建,然后利用重建得到的背景进行视频对象分割,最后将重建的背景、视频对象以及视频对象在视频图像中的位置保存,作为后续视频检测分析的依据。实验结果表明本文给出的背景重建算法能够较好地重建背景,得到较精确的运动目标,同时能够大幅度的提高实时视频对象分割速率。