《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