网络摄像机的选择与困惑

网络视频监控正以惊人的速度在发展,大有取代模拟视频监控之势。同时,越来越多的客户也表现出对IP数字监控的青睐。那么在选择网络摄像机时,需要注意哪些因素呢？这便是本文所要讨论的。[编者按]     

网络摄像机的选择与困惑

网络视频监控正以惊人的速度在发展,大有取代模拟视频监控之势。同时,越来越多的客户也表现出对IP数字监控的青睐。那么在选择网络摄像机时,需要注意哪些因素呢？这便是本文所要讨论的。     

网络摄像机十二问

Q：何谓网络摄像机（IP Camera）？Q：普通网络摄像机和IP网络摄像机的差别？Q：网络摄像机需要使用多少带宽？Q：网络摄像机能否储存视频？Q：网络摄像机是否一定要连Internet？Q：是否有提供具备PoE功能的网络摄像机？     

基于IPv6的嵌入式网络摄像机

嵌入式网络摄像机是带有内置Web服务器的数字摄像和录音设备．凭借其自身功能大强大性和使用的灵活性．嵌入式网络摄像机在IPv4下得到了广泛的应用本文首先简介了IPv4下嵌入式网络摄像机及其潜在的问题，然后着重讲述了基于IPv6下嵌入式网络摄像机的整体结构和实现方式，最后展望了基于IPv6的嵌入式网络摄像机的应用前景。     

基于多媒体处理芯片的矿井网络摄像机的设计

针对煤矿井下用模拟摄像机的不足之处,文章提出了一种基于数字化技术的网络摄像机的设计方案,详细介绍了数字化网络摄像机的设计与实现。该数字化网络摄像机硬件以Z228多媒体处理芯片为核心、软件以Linux为核心,不仅实现了矿井视频监控系统的数字化、网络化和智能化,提高了矿井视频监控系统的性能及稳定性,还具有集成度高、结构简单、易于开发、成本低、使用简便等特点。     

智能网络摄像机

正IMS Research公司(现已被IHS收购)认为,CCTV将于2014年到达拐点。该公司在其新的研究报告《全球CCTV与视频监控设备市场》中预测,随着CCTV与视频监控市场的发展,网络视频(或称为"IP监控")的收入将于明年首次超过模拟视频的收入。本文中,安讯士首席技术官Johan Paulsson将进一步分析网络视频监控市场的主要发展趋势;摄像机与商务智能(Business Intelligence)进行集成,以及IP技术为物理访问控制创造全新的机遇。智能化解决方案的发展趋势,对于监控行业至关重要,必将引领行业奔向有更加光明的未来。     

网络摄像机中视频数据传递方法探讨

本文介绍了在网络摄像机(基于MPEG-4)中视频数据传递和存放的方法，并提出一种利用场消隐信号解决读取错误的方法。     

网络摄像机／视频服务器产品精选

IDRS-40xC系列网络视频服务器;242SIV智能视频服务器;N4000系列网络音视频服务器;SWC-304视频服务器;VC-W618彩色网络摄像机;AV2300e网络视频服务器;AP-VS600网络视频服务器;HTDVS网络视频服务器;     

基于SVC分层匹配度的异构网络节点选择算法

随着移动互联网和三网融合的兴起,网络带宽及终端异构性造成所选节点视频和请求节点的终端能力不匹配。为此,提出一种基于可扩展视频编码(SVC)分层匹配度的节点选择算法。在异构网络背景下,综合考虑节点带宽和链路往返时延,将SVC分层层数和网络接入类型相结合。实验结果表明,与随机选择算法相比,该算法使得所选节点的SVC视频分层数与请求节点终端处理能力有较高的匹配度(固网、无线、3G接入网络类型所对应的匹配度分别为77.8,72.2,88.9),并且具有较高的终端平均服务能力(PC为110、笔记本为78.3、手机为38.3)。     

网络摄像机的智能化发展趋势

利用网络摄像机可以方便地组成一套功能强大的安全防范系统，但这种网络视频监控系统也只是一种事后取证的系统，不能事前预/报警，因而网络视频监控系统必须智能化。     

基于边缘计算的智能视频分析算法研究

为适应摄像头在智慧城市、智能交通、自动驾驶等新兴领域应用部署愈加广泛的需求,视频分析需更高精度、更低延时地响应分析结果。然而,这种高精度的分析同时也带来了巨大的计算资源需求,计算资源受限的摄像头无法胜任分析任务。边缘计算不仅可以解决本地摄像头计算资源问题,还可以显著降低向云端传输视频流数据的时间。本文探讨了利用深度强化学习方法,在边缘节点辅助摄像头集群视频分析任务场景下,根据当前网络系统条件动态决策,卸载部分指定摄像头上的分析任务,以在满足任务响应延时的约束前提下,最大化一段时间内任务分析的精度。仿真结果表明,本文提出的方法在任务的响应延时和准确度方面获得了良好效果。     

自注意力机制的视频摘要模型

针对如何高效地识别出视频中具有代表性的内容问题,提出了一种对不同的视频帧赋予不同重要性的视频摘要算法.首先使用长短期记忆网络来建模视频序列的时序关系,然后利用自注意力机制建模视频中不同帧的重要性程度并提取全局特征,最后通过每一帧回归得到的重要性得分进行采样,并使用强化学习策略优化模型参数.其中,强化学习的动作定义为每一帧选或者不选,状态定义为当前这个视频的选择情况,反馈信号使用多样性和代表性代价.在2个公开数据集SumMe和TVSum中进行视频摘要实验,并使用F-度量来衡量这2个数据集上不同视频摘要算法的准确度,实验结果表明,提出的视频摘要算法结果要优于其他算法.     

智能摄像机技术及发展

在回顾国内外监控摄像机技术的发展历程及存在的问题的基础上,介绍了智能摄像机的功能结构和硬件需求;详细分析了智能摄像机涉及的嵌入式处理器、视频分析、视频压缩、网络通信等关键技术及解决方案.最后展望了智能摄像机的发展趋势和应用前景.     

基于异构算力节点协同的高效视频分发

算力网络通过网络连接计算节点以突破单点算力限制,近年来正快速发展应用于越来越多的业务领域. 当前流行的视频直播依赖于大量视频帧传输和转码处理,探索算力网络实现高效视频分发具有重要的现实意义. 相比于传统的大规模数据处理,视频类应用对于传输时延和带宽的保障有更高要求. 然而当前各云服务提供的节点算力各不相同,同时节点间网络链路状态经常变化不定,使选择传输和转码综合性能最优节点实现低时延、高带宽的视频分发面临很大挑战. 为此,设计基于异构算力节点协同的高效视频分发方案,包括通过强化学习规划视频传输路径并合理选取处理转码节点;对不同视频分发任务采用优先级排队调度同时自适应调整资源以降低对节点资源的突发竞争;采用分层日志同步容错机制在节点故障后快速恢复数据一致性,最终部署多云服务分布式节点实现一个完整的视频分发系统. 大量超高清视频直播实验表明,该方案性能相比现有视频分发方法有明显改进.     

基于神经网络的强化学习算法研究

BP神经网络在非线性控制系统中被广泛运用,但作为有导师监督的学习算法,要求批量提供输入输出对神经网络训练,而在一些并不知道最优策略的系统中,这样的输入输出对事先并无法得到,另一方面,强化学习从实际系统学习经验来调整策略,并且是一个逼近最优策略的过程,学习过程并不需要导师的监督。提出了将强化学习与BP神经网络结合的学习算法-RBP模型。该模型的基本思想是通过强化学习控制策略,经过一定周期的学习后再用学到的知识训练神经网络,以使网络逐步收敛到最优状态。最后通过实验验证了该方法的有效性及收敛性。     

基于联邦共识机制的多视频流带宽分配策略

针对瓶颈链路中视频带宽分配不均导致的用户QoE不公平以及带宽利用率低的问题,提出了一种基于联邦深度强化学习的分布式视频流公平调度策略。该策略能够根据客户端网络状态和视频QoE等级动态生成带宽分配权重因子,服务器端的拥塞控制算法则根据带宽分配权重因子为瓶颈链路中的每个视频流分配带宽,以保障瓶颈链路中视频流的公平传输。每个视频终端都运行一个带宽分配agent,且多个agent以联邦学习的方式周期性地训练,以便代理模型能够快速收敛。带宽分配agent通过共识机制同步联邦训练参数,实现了在异步播放请求条件下带宽分配agent模型参数的分布式聚合,并确保了agent模型参数的安全共享。实验结果表明,与最新方案相比,提出策略在QoE公平性和整体QoE效率方面分别提高了10%和7%,这表明提出策略在解决视频流带宽分配不均问题和提升用户体验方面具有潜力和有效性。     

深度强化学习算法求解作业车间调度问题

由于传统车间调度方法实时响应能力有限,难以在复杂调度环境中取得良好效果,提出一种基于深度Q网络的深度强化学习算法。该方法结合了深度神经网络的学习能力与强化学习的决策能力,将车间调度问题视作序列决策问题,用深度神经网络拟合价值函数,将调度状态表示为矩阵形式进行输入,使用多个调度规则作为动作空间,并设置基于机器利用率的奖励函数,不断与环境交互,获得每个决策点的最佳调度规则。通过与智能优化算法、调度规则在标准问题集上的测试对比证明了算法有效性。     

基于Windows平台的视频捕捉技术研究

视频图像的采集和处理在现代多媒体技术中占重要的地位,介绍了在Windows环境下,把CCD摄像头和视频卡与计算机相结合,进行视频捕获的技术细节,并将其应用到一个运动物体的识别系统中。     

基于双层贝叶斯网增强学习机制的网络认知算法

为提高网络认知的准确度,采用双层贝叶斯网络模型对网络参数进行层次化描述;采用强化学习推理算法对模型的条件概率表进行分级和学习,删除冗余信息,更准确地反映网络参数间的依赖关系,保证网络认知算法的准确度。经仿真分析,证明算法能够更好地描述网络参数的依赖信息,具有较高的推理准确度。