-
题名网络数字实时监控系统视频数据传输的设计及实现
被引量:9
- 1
-
-
作者
黄文涛
熊磊
毕笃彦
-
机构
空军工程大学工程学院四系信号与信息处理实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2002年第11期191-192,247,共3页
-
文摘
针对网络数字实时监控系统,给出了用网络进行实时视频数据传输及控制的方案和用软件具体实现的方法。在软件实现过程中,充分利用Windows多线程机制,采用了Windows套接字网络编程API,综合使用TCP和UDP多播通信方式;通过合理地选择及处理网络I/O模型,进行异步数据的接收和发送;并采用了循环内存缓冲队列进行了数据的收发控制。
-
关键词
网络数字实时监控系统
视频数据传输
设计
I/O模型
计算机网络
-
Keywords
Video data;Network transmission; Winsock;Multicast;I/O model
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应可变模式搜索算法
被引量:3
- 2
-
-
作者
张明
毕笃彦
-
机构
空军工程大学工程学院四系信号与信息处理实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2008年第7期26-28,共3页
-
基金
国家"863"计划基金资助项目(2006AA701121)
-
文摘
充分利用运动矢量的时空相关性,提出一种新的块匹配运动估计算法,称为自适应可变模式搜索算法。该算法充分利用搜索起点预测、中止准则、自适应搜索模板、辅助点搜索等一系列技术。H.264编码平台上的实验表明,该算法可以保持高信噪比和低比特率,其计算复杂度只有UMHexagonS的16%~33%和EPZS的30%~50%。
-
关键词
运动估计
搜索起点预测
中止准则
自适应搜索模板
-
Keywords
motion estimation
prediction of initial search point
half-stop criteria
adaptive search pattern
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于能量最小化的运动阴影检测方法
被引量:1
- 3
-
-
作者
杨源
查宇飞
毕笃彦
-
机构
空军工程大学工程学院四系信号与信息处理实验室
-
出处
《光电工程》
CAS
CSCD
北大核心
2008年第7期68-72,94,共6页
-
文摘
针对传统方法经常将运动阴影也检测为前景的问题,本文将检测问题表示为能量函数,通过最小化能量函数来检测运动阴影。这种方法先用传统的背景对消方法分别得到静态背景和含有真实前景和运动阴影的运动目标,然后在运动目标中,利用阴影的颜色不变性和纹理不变性,以及阴影和前景的时空一致性,构造出能量函数,最后通过最小化能量函数,将真实前景从运动目标中准确地分割出来,从而达到消除运动阴影的目的。我们在包含运动阴影的视频中,对本文方法进行测试,并和其它方法比较。实验结果表明,本文的方法无论在室内场景,还是在室外场景都可以很好地分割前景和阴影。
-
关键词
阴影检测
能量最小化
背景对消
-
Keywords
shadow detection
energy minimization
background subtraction
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于多尺度判别模型的复杂背景学习
- 4
-
-
作者
杨源
许悦雷
钟小刚
毕笃彦
-
机构
空军工程大学工程学院四系信号与信息处理实验室
[
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2009年第24期7809-7812,7820,共5页
-
文摘
智能监控系统中的一个关键问题是在图像序列中准确检测前景目标,但在复杂背景中,这仍然比较困难。将前景检测作为标记问题来处理,提出一种基于多尺度的判别模型,用来学习复杂背景。首先,通过基于像素的方法得到静态背景和运动目标;然后利用一组高斯滤波器组作用于不同的图像空间得到一系列的响应,在图像序列中估计这些响应的概率密度作为特征池,运用AdaBoost算法在特征池中挑选弱分类器组成强分类器,通过分类器获得运动目标中每个像素属于真实前景的置信度;最后,结合前景和背景的时空一致性,利用图分割求解马尔可夫随机场,获得准确的前景。实验结果表明提出的方法能很好地适应各种复杂背景。
-
关键词
智能监控
背景对消
多尺度
核密度估计
马尔可夫随机场
-
Keywords
automated surveillance
background subtraction
multi-scale
kernel density estimation
Markov random fields
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-