智能家居远程视频监控系统的设计与实现

针对传统模拟视频监控中图像质量差、无法联网、不可移植等不足,设计了一种基于嵌入式Linux的智能家居远程视频监控系统。远程视频监控系统以ARM（Advanced RISC Machines）处理器S3C2440和Linux操作系统为核心平台。在内核中添加了各种所需的驱动程序,基于V4L2的应用程序对USB摄像头进行图像视频采集,采用TCP/IP网络协议,进行视频数据传输。主机端采用跨平台开发工具Qt开发应用程序,接收图像视频数据并显示图像视频。实验结果显示,能在远程端看到清晰流畅的视频流,系统运行稳定可靠。     

智能视频监控中运动目标检测的研究

针对某武器试验中背景复杂,现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,以及对近地目标提取检测困难的问题,提出一种改进的背景差分法。该算法采用结合邻域信息的背景差分法和最大方差阈值法,能够在一定程度上减小背景滞后更新引起的运动目标检测误差,且使目标边缘提取更加明确,从而提高了系统的运行速度,实现复杂背景下的运动目标检测。在Visual C＋＋6.0中用OpenCV实现了相关算法的设计,并给出了完成系统任务所需的部分关键代码,实现了运动目标和试验场景的分离与提取。仿真实验验证了该算法的有效性以及实时性。     

分布式信源编码在视频编码中的应用研究

分布式视频编码对编码器的功耗、复杂度、存储能力和传输能力都有较高的要求,而分布式信源编码理论正好适应了这一需求。为了使人们对这一技术有所了解,首先阐述了分布式视频编码的基本原理与其应用研究现状。并针对多视点分布式视频编码的Wyner—Ziv编解码器设计、虚拟“相关信道”建模、辅助边信息生成等几项关键技术存在的问题及最新研究进展进行分析和实验,最后总结了分布式信源编码理论在多视点视频编码的发展与研究方向。     

基于改进的蚁群算法的组播路由问题的研究

目前,蚁群算法在路由协议上已有广泛应用。通过研究蚁群算法的特性和目前在路由协议上的应用,发现其在加快运行时间、局部最优解等问题上还有改进的空间。为此文中提出一种蚁群优化算法,使蚁群算法更好地应用在路由协议上。针对蚁群算法容易出现局部最优解的问题,文中提出一种链表随机选择法,该方法能有效地减小蚁群算法出现局部最优解的几率。同时为了减少蚁群算法在选择路径上的时间,提高运行速率,文中还提出了一种雅克比迭代收敛准则,此方法很好地减短了算法时间。     

基于OpenH323视频会议音频处理技术研究

随着社会经济的进步,很多公司都建立了自己的网络视频会议系统。建立这些网络视频会议系统的初衷是为公司工作提供方便,但是又有多少系统真正给公司的工作带来了便利呢。终其原因,其中一个重要的问题就是音频处理技术不过关,导致在开会过程中语音断断续续,听不清楚,会议效果不好,最终很多公司花大价钱够买的系统只能是花瓶一个。本文就是针对这种现象从音频处理的根源上解决这个问题,采用OpenH323与DirecShow相结合的方式,来处理音频同步,最后通过测试数据说明该方案的有效性。     

Hadoop在VOD系统中的应用研究

首先对当前VOD系统进行简单介绍,指出当前VOD系统存储架构的不足,接着介绍Hadoop,分析HDFS的存储机制和特点,指出将HDFS用于存储视频文件的优势。通过将Hadoop和当前VOD系统融合,提出基于Hadoop的VOD原型系统设计方案。最后总结将Hadoop用于VOD系统的优势,给出进一步研究计划。     

基于地理信息的视频监控系统设计

介绍了地理信息系统的总体结构设计,并对地理公用框架建设、专题地理数据库建设、摄像头监控点的规划与建设、与应用系统的集成、系统的部署与应用方面阐述了系统的设计方案。     

精品课程教学录像的建设现状分析与建议

教学录像是精品课程建设的重要内容之一。为了开发集教学性、科学性、技术性与艺术性于一体的精品课程教学录像,针对精品课程教学录像的性质,参照其上网技术指标及网上浏览的特点,对其建设现状进行分析,并提出了精品课程教学录像建设的建议。     

异构网络视频监控系统中间件技术的应用研究

本文建立一个能与各种网络视频监控设备互联互通、基于SIP数据传输协议(同时兼容H.323)互联互通的基础中间件;进而深入应用软件的资源层、业务层和表现层建立应用中间件;最终面向具体应用领域建立领域应用框架(或平台),从而全方位支撑网络的视频监控系统的综合集成。该系统已经应用于国家高考网络视频监控系统,取得了良好的效果。     

基于组反馈融合机制的视频超分辨率模型

视频超分辨率（video super-resolution,VSR）的目的是利用多个相邻帧的信息来生成参考帧的高分辨率版本。现有的许多VSR工作都集中在如何有效地对齐相邻帧以更好地融合相邻帧信息,而很少在相邻帧信息融合这一重要步骤上进行研究。针对该问题,提出了基于组反馈融合机制的视频超分辩模型（GFFMVSR）。具体来说,在相邻帧对齐后,将对齐视频序列输入第一重时间注意力模块;然后,将序列分成几个小组,各小组依次通过组内融合模块实现初步融合。不同小组的融合结果经过第二重时间注意力模块;然后,各小组逐组输入反馈融合模块,利用反馈机制反馈融合不同组别的信息,最后将融合结果输出重建。经验证,该模型具有较强的信息融合能力,在客观评价指标和主观视觉效果上都优于现有的模型。