智能監(jiān)控中幀內(nèi)預(yù)測算法及背景更新技術(shù)的研究.pdf

1、隨著計算機技術(shù)和通信技術(shù)的飛速發(fā)展，多媒體通信已經(jīng)由最初的語音通信發(fā)展到今天的視頻通信。視頻通信在生活中的應(yīng)用隨處可見，典型的如智能視頻監(jiān)控。在視頻通信的發(fā)展歷程中，國內(nèi)的具有自主知識產(chǎn)權(quán)的AVS標準，已經(jīng)在性能上越來越接近國際標準H.264，在應(yīng)用中也占據(jù)了一席之地。本文在“支持AVS標準的智能視頻監(jiān)控系統(tǒng)”項目的支持下，對AVS標準中的各算法模塊在DSP 平臺上的實現(xiàn)及優(yōu)化進行深入研究，尤其是針對AVS的幀內(nèi)預(yù)測算法，對框架進行優(yōu)化

2、，對算法流程進行調(diào)整，結(jié)合監(jiān)控系統(tǒng)這一特殊應(yīng)用，裁剪算法，采取快速算法。同時利用CCS工具，用內(nèi)聯(lián)函數(shù)、線性匯編等對代碼優(yōu)化，優(yōu)化后的系統(tǒng)，能夠?qū)1 格式的視頻數(shù)據(jù)進行實時編碼。
　　 本文另外的一個研究重點是，背景差分法中的背景更新技術(shù)。運動目標檢測作為智能視頻處理中的核心技術(shù)，是后續(xù)高級處理，如目標行為分析、行為識別等視頻處理的關(guān)鍵。背景差分法是運動目標檢測最常用的方法之一。本文對背景差分法中的背景更新技術(shù)作了深入的研究。

3、首先介紹了基于卡爾曼濾波的背景更新、基于光流法的背景更新、以及基于混合高斯模型的背景更新技術(shù)，比較了其優(yōu)缺點。接著，分析了混合高斯背景模型以及現(xiàn)有更新機制中存在的不足?，F(xiàn)有的算法，只對首先匹配的高斯分布的參數(shù)更新，包括權(quán)值、均值和方差，而不考慮其他的幾個分布是否匹配以及是否需要更新。本文提出了一種改進的更新策略，找出所有匹配的高斯分布，對匹配的分布，其權(quán)值按照一定的比例增加，同時更新其他參數(shù)。實驗表明，該算法在幾乎不增加計算復(fù)雜度的情況