《视频监控系统中基于子带dct的h.264编码及hmm人脸识别研究》由会员分享，可在线阅读，更多相关《视频监控系统中基于子带dct的h.264编码及hmm人脸识别研究（40页珍藏版）》请在金锄头文库上搜索。
1、信号与信息处理专业毕业论文信号与信息处理专业毕业论文 精品论文精品论文 视频监控系统中基于视频监控系统中基于子带子带 DCTDCT 的的 H.264H.264 编码及编码及 HMMHMM 人脸识别研究人脸识别研究关键词：视频监控系统关键词：视频监控系统 智能监控智能监控 数据压缩数据压缩 人脸识别人脸识别 H.264H.264 编码编码 子带子带 DCTDCT摘要：近年来，数字化、网络化的视频监控系统优势愈发明显，其高度的开放 性、集成性和灵活性，为整个安防产业的发展提供了更加广阔的发展空间，而 智能视频监控则是网络化视频监控领域最前沿的应用模式之一。 所谓“智能” 是相对传统监控方式而言，系
2、统可以自动对拍摄到的图像序列进行分析，对监 视场景中出现的异常目标或现象及时做出反应，并根据当前状态对将要发生的 事件进行预测，提醒值守人员注意相关监控画面以提前做好相应准备，将损失 降到最小。智能视频监控系统克服了传统监控方式中需靠人力日夜值守、被动 录像事后处理等诸多不足，充分发挥了其实时、主动、全天候、可防范于未然 等优势，从而可以协助人甚至代替人来完成监视或控制任务，大大减轻了工作 人员的负担，同时也降低了监控成本。因此，智能视频监控系统在安全防范、 交通控制、军事安全、火灾报警、人群控制等诸多领域都有着广泛的应用前景。在智能视频监控系统中，包含着五种关键技术，分别是：数字视频压缩技术
3、、 数字视频网络传输技术、高效的大容量视频存储和检索技术、监控场景中运动 检测与告警信息处理技术以及监控场景中物体识别与跟踪技术。国内外大批学 者也对该领域进行了广泛而深入的研究，并取得了大量的成果。本文是在这些 成果的基础上，针对智能监控系统中的数字视频压缩技术和人脸识别技术进行 研究。主要工作如下： 1.在视频数据压缩方面，研究和分析了新一代视频编 码标准 H.264 技术，并根据 H.264 中 44 块残差系数的分布特征及 DCT 系数的 能量分布特性，提出一种基于 DCT 系数子带划分的快速算法。该算法提出划分 DCT 系数子带的判断标准，在 DCT 和量化前预判出为零的 DCT 系
4、数，仅计算非 零的 DCT 系数，相应地也减少量化(Q)，反 DCT(IDCT)，反量化(IQ)的计算。实 验结果表明，本算法在保持图像质量和码率的同时，极大地节省了 DCT，Q，IQ，IDCT 的计算量，提高了 H.264 的编码效率。 2.在人脸识别方 面，提出一种基于提升小波和隐马尔可夫模型的人脸识别算法。该算法利用 D9/7 提升小波对归一化人脸图像进行变换，分别提取低频平滑，水平细节和垂 直细节三个子图的小波特征，将提取的小波特征聚类为观察向量，使用一维离 散隐马尔可夫模型进行训练，并把优化后的模型参数用于人脸识别。该算法充 分地利用人脸小波子图的判别信息.对于光照、姿态和表情均具有
5、良好的鲁棒性。 在 ORL 人脸库中的实验结果表明本文算法运算复杂度低，识别效率高。 本文 对智能视频监控中的两大关键技术进行研究，对改善监控系统性能、提升监控 系统功能，提高视频监控系统的智能化水平和网络化程度作了有益的尝试。正文内容正文内容近年来，数字化、网络化的视频监控系统优势愈发明显，其高度的开放性、 集成性和灵活性，为整个安防产业的发展提供了更加广阔的发展空间，而智能 视频监控则是网络化视频监控领域最前沿的应用模式之一。 所谓“智能”是 相对传统监控方式而言，系统可以自动对拍摄到的图像序列进行分析，对监视 场景中出现的异常目标或现象及时做出反应，并根据当前状态对将要发生的事 件进行预
6、测，提醒值守人员注意相关监控画面以提前做好相应准备，将损失降 到最小。智能视频监控系统克服了传统监控方式中需靠人力日夜值守、被动录 像事后处理等诸多不足，充分发挥了其实时、主动、全天候、可防范于未然等 优势，从而可以协助人甚至代替人来完成监视或控制任务，大大减轻了工作人 员的负担，同时也降低了监控成本。因此，智能视频监控系统在安全防范、交 通控制、军事安全、火灾报警、人群控制等诸多领域都有着广泛的应用前景。 在智能视频监控系统中，包含着五种关键技术，分别是：数字视频压缩技术、 数字视频网络传输技术、高效的大容量视频存储和检索技术、监控场景中运动 检测与告警信息处理技术以及监控场景中物体识别与跟
7、踪技术。国内外大批学 者也对该领域进行了广泛而深入的研究，并取得了大量的成果。本文是在这些 成果的基础上，针对智能监控系统中的数字视频压缩技术和人脸识别技术进行 研究。主要工作如下： 1.在视频数据压缩方面，研究和分析了新一代视频编 码标准 H.264 技术，并根据 H.264 中 44 块残差系数的分布特征及 DCT 系数的 能量分布特性，提出一种基于 DCT 系数子带划分的快速算法。该算法提出划分 DCT 系数子带的判断标准，在 DCT 和量化前预判出为零的 DCT 系数，仅计算非 零的 DCT 系数，相应地也减少量化(Q)，反 DCT(IDCT)，反量化(IQ)的计算。实 验结果表明，本
8、算法在保持图像质量和码率的同时，极大地节省了 DCT，Q，IQ，IDCT 的计算量，提高了 H.264 的编码效率。 2.在人脸识别方 面，提出一种基于提升小波和隐马尔可夫模型的人脸识别算法。该算法利用 D9/7 提升小波对归一化人脸图像进行变换，分别提取低频平滑，水平细节和垂 直细节三个子图的小波特征，将提取的小波特征聚类为观察向量，使用一维离 散隐马尔可夫模型进行训练，并把优化后的模型参数用于人脸识别。该算法充 分地利用人脸小波子图的判别信息.对于光照、姿态和表情均具有良好的鲁棒性。 在 ORL 人脸库中的实验结果表明本文算法运算复杂度低，识别效率高。 本文 对智能视频监控中的两大关键技术
9、进行研究，对改善监控系统性能、提升监控 系统功能，提高视频监控系统的智能化水平和网络化程度作了有益的尝试。 近年来，数字化、网络化的视频监控系统优势愈发明显，其高度的开放性、集 成性和灵活性，为整个安防产业的发展提供了更加广阔的发展空间，而智能视 频监控则是网络化视频监控领域最前沿的应用模式之一。 所谓“智能”是相 对传统监控方式而言，系统可以自动对拍摄到的图像序列进行分析，对监视场 景中出现的异常目标或现象及时做出反应，并根据当前状态对将要发生的事件 进行预测，提醒值守人员注意相关监控画面以提前做好相应准备，将损失降到 最小。智能视频监控系统克服了传统监控方式中需靠人力日夜值守、被动录像 事
10、后处理等诸多不足，充分发挥了其实时、主动、全天候、可防范于未然等优 势，从而可以协助人甚至代替人来完成监视或控制任务，大大减轻了工作人员 的负担，同时也降低了监控成本。因此，智能视频监控系统在安全防范、交通 控制、军事安全、火灾报警、人群控制等诸多领域都有着广泛的应用前景。 在智能视频监控系统中，包含着五种关键技术，分别是：数字视频压缩技术、 数字视频网络传输技术、高效的大容量视频存储和检索技术、监控场景中运动 检测与告警信息处理技术以及监控场景中物体识别与跟踪技术。国内外大批学 者也对该领域进行了广泛而深入的研究，并取得了大量的成果。本文是在这些 成果的基础上，针对智能监控系统中的数字视频压
11、缩技术和人脸识别技术进行 研究。主要工作如下： 1.在视频数据压缩方面，研究和分析了新一代视频编 码标准 H.264 技术，并根据 H.264 中 44 块残差系数的分布特征及 DCT 系数的 能量分布特性，提出一种基于 DCT 系数子带划分的快速算法。该算法提出划分 DCT 系数子带的判断标准，在 DCT 和量化前预判出为零的 DCT 系数，仅计算非 零的 DCT 系数，相应地也减少量化(Q)，反 DCT(IDCT)，反量化(IQ)的计算。实 验结果表明，本算法在保持图像质量和码率的同时，极大地节省了 DCT，Q，IQ，IDCT 的计算量，提高了 H.264 的编码效率。 2.在人脸识别方
12、面，提出一种基于提升小波和隐马尔可夫模型的人脸识别算法。该算法利用 D9/7 提升小波对归一化人脸图像进行变换，分别提取低频平滑，水平细节和垂 直细节三个子图的小波特征，将提取的小波特征聚类为观察向量，使用一维离 散隐马尔可夫模型进行训练，并把优化后的模型参数用于人脸识别。该算法充 分地利用人脸小波子图的判别信息.对于光照、姿态和表情均具有良好的鲁棒性。 在 ORL 人脸库中的实验结果表明本文算法运算复杂度低，识别效率高。 本文 对智能视频监控中的两大关键技术进行研究，对改善监控系统性能、提升监控 系统功能，提高视频监控系统的智能化水平和网络化程度作了有益的尝试。 近年来，数字化、网络化的视频
13、监控系统优势愈发明显，其高度的开放性、集 成性和灵活性，为整个安防产业的发展提供了更加广阔的发展空间，而智能视 频监控则是网络化视频监控领域最前沿的应用模式之一。 所谓“智能”是相 对传统监控方式而言，系统可以自动对拍摄到的图像序列进行分析，对监视场 景中出现的异常目标或现象及时做出反应，并根据当前状态对将要发生的事件 进行预测，提醒值守人员注意相关监控画面以提前做好相应准备，将损失降到 最小。智能视频监控系统克服了传统监控方式中需靠人力日夜值守、被动录像 事后处理等诸多不足，充分发挥了其实时、主动、全天候、可防范于未然等优 势，从而可以协助人甚至代替人来完成监视或控制任务，大大减轻了工作人员
14、 的负担，同时也降低了监控成本。因此，智能视频监控系统在安全防范、交通 控制、军事安全、火灾报警、人群控制等诸多领域都有着广泛的应用前景。 在智能视频监控系统中，包含着五种关键技术，分别是：数字视频压缩技术、 数字视频网络传输技术、高效的大容量视频存储和检索技术、监控场景中运动 检测与告警信息处理技术以及监控场景中物体识别与跟踪技术。国内外大批学 者也对该领域进行了广泛而深入的研究，并取得了大量的成果。本文是在这些 成果的基础上，针对智能监控系统中的数字视频压缩技术和人脸识别技术进行 研究。主要工作如下： 1.在视频数据压缩方面，研究和分析了新一代视频编 码标准 H.264 技术，并根据 H.
15、264 中 44 块残差系数的分布特征及 DCT 系数的 能量分布特性，提出一种基于 DCT 系数子带划分的快速算法。该算法提出划分 DCT 系数子带的判断标准，在 DCT 和量化前预判出为零的 DCT 系数，仅计算非 零的 DCT 系数，相应地也减少量化(Q)，反 DCT(IDCT)，反量化(IQ)的计算。实 验结果表明，本算法在保持图像质量和码率的同时，极大地节省了 DCT，Q，IQ，IDCT 的计算量，提高了 H.264 的编码效率。 2.在人脸识别方 面，提出一种基于提升小波和隐马尔可夫模型的人脸识别算法。该算法利用D9/7 提升小波对归一化人脸图像进行变换，分别提取低频平滑，水平细节
16、和垂 直细节三个子图的小波特征，将提取的小波特征聚类为观察向量，使用一维离 散隐马尔可夫模型进行训练，并把优化后的模型参数用于人脸识别。该算法充 分地利用人脸小波子图的判别信息.对于光照、姿态和表情均具有良好的鲁棒性。 在 ORL 人脸库中的实验结果表明本文算法运算复杂度低，识别效率高。 本文 对智能视频监控中的两大关键技术进行研究，对改善监控系统性能、提升监控 系统功能，提高视频监控系统的智能化水平和网络化程度作了有益的尝试。 近年来，数字化、网络化的视频监控系统优势愈发明显，其高度的开放性、集 成性和灵活性，为整个安防产业的发展提供了更加广阔的发展空间，而智能视 频监控则是网络化视频监控领域最前沿的应用模式之一。 所谓“智能”是相 对传统监控方式而言，系统可以自动对拍摄到的图像序列进行分析，对监视场 景中出现的异常目标或现象及时做出反应，并根据当前状态对将要发生的事件 进行预测，提醒值守人员注意相关监控画面以提前做好相应准备，将损失降到 最小。智能视频监控系
