鲁棒性压缩感知重构技术及其在智能视频监控中应用探究.docVIP

鲁棒性压缩感知重构技术及其在智能视频监控中应用探究 　　摘 要： 在视频监控中需要进行鲁棒性压缩感知重构，降低视频丢包和时延等因素的影响，提出一种基于隐马尔科夫模型的鲁棒性压缩感知重构技术并应用在智能视频监控中。首先利用隐马尔科夫模型对智能视频监控系统中的视频帧序列进行频域特征点奇偶分裂处理；然后计算视频监控编码的标量量化码率分配系数，建立视频压缩感知重构的时空方向树，采用隐马尔科夫模型进行解码重建，实现视频帧的鲁棒性压缩感知重构；最后进行仿真测试。结果表明，采用该方法进行监控视频的压缩感知重构，能有效降低丢包率和传输时延，在智能视频监控中具有较好的应用价值 关键词： 鲁棒性压缩感知； 智能视频监控； 编码； 奇偶分裂处理 中图分类号： TN948.64?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）10?0016?04 Abstract： As the robustness compressed sensing reconstruction is required in the video monitoring to reduce the effect of video packet loss， time delay and other factors， a robustness compressed sensing reconstruction technology based on hidden Markov model is proposed， which is applied to the intelligent video monitoring. The hidden Markov model is used to deal with odd?even splitting processing of feature points in frequency domain for sequence of video frames in intelligent video surveillance system， and then the scalar quantization code rate allocation coefficient of the video monitoring encoding is calculated to establish a time?space direction tree for video compressed sensing reconstruction， conduct decoding reconstruction with hidden Markov model， and achieve the robustness compressed sensing reconstruction for video frames. The simulation test results show that the proposed method can effectively reduce the packet loss rate and transmission time delay， and has a good application value in intelligent video surveillance. Keywords： robustness compressed sensing； video monitoring； coding； odd?even splitting processing 0 引 言 智能视频监控系统在安全防卫、交通管理、环境探测等领域具有广泛的应用价值。在视频监控系统中，视频码流通过压缩帧编码进行信息传输，通过多个信道进行视频信息数据流的通信和网络传输，在视频监控的接收端，将视频信息分解为多组信息重构后的视频图像序列，在视频监控系统的接收终端显示出经过压缩编码处理后的重构图像和视频帧序列[1]。智能视频监控系统的丢包和时延是评价视频监控性能好坏的关键因素，需要通过鲁棒性压缩感知重构，重建出视觉上可以接受的视频，降低视频的丢包和实验，获得较好的视频重建和监控输出效果 1 视频帧序列的信息预处理 1.1 视频帧序的频域特征点奇偶分裂处理 为了实现对视频监控系统中传输视频的鲁棒性压缩感知重构，需要进行视频传输帧序列的信息处理，本文提出一种基于隐马尔科夫模型的鲁棒性压缩感知重构技术并应用在智能视频监控中。利用隐马尔科夫模型对智能视频监控系统中的视频帧序列进行频域特征点奇偶分裂处理。首先假设传输的单帧视频为一组图像序列[2?3]，采用三维小波变换对视频监控系统中传输