导读:本文包含了视频预处理论文开题报告文献综述及选题提纲参考文献，主要关键词:嵌入式系统,分布式监控,监控视频预处理,背景差法
视频预处理论文文献综述
孙自伟[1]（2018）在《基于嵌入式视觉的远程监控视频预处理终端设计与实现》一文中研究指出目前远程智能视频监控系统对监控视频的处理主要以监控中心后端集中处理方式为主,该方式需要监控中心处理大量的包含正常环境的监控视频。当监控所需摄像头数量较多时,集中式处理会给监控中心图像处理服务器带来较大的运算量。因此,论文设计并实现了一种基于嵌入式视觉技术的分布式监控视频预处理终端系统,该终端系统对监控区域的视频进行异常初识别,把正常的视频过滤不上传,而不确定和疑似有异常的视频上传,这样可有效地减少监控中心图像处理服务器的工作量,同时也可减少监控视频数据的传输量。论文运用Linux嵌入式操作系统技术、V4L2(Video For Linux 2)视频图像采集技术、数字图像处理技术、无线4G通信技术、步进电机控制技术,设计了基于嵌入式视觉的远程监控视频分布式预处理终端系统。系统包括视频图像采集单元、主控及数字图像处理单元、以太网转4G数据传输单元以及云台控制单元。视频图像采集单元使用ZC301 USB摄像头配合V4L2视频图像采集技术完成了对无人值守监控区域图像的采集。主控及数字图像处理单元采用了以ARM920T为构架的S3C2440处理器,对采集到的视频图像进行背景建模、前景提取、图像初识别等操作,对通信数据进行处理,同时产生控制云台步进电机所需要的信号。以太网转4G数据传输单元结合终端电路板上的以太网模块和4G路由器,将主控及数字图像处理单元分析得到的异常消息数据、异常视频图像数据以4G方式通过互联网传输到监控中心,同时负责接收监控中心传输而来的应答、命令等数据,并将其传输给主控及数字图像处理单元。云台控制单元按照主控及数字图像处理单元发送的控制信号,控制步进电机进行相应的转动实现对摄像头的云台控制。经过模块测试和实验室模拟调试,论文所设计的终端能够准确判断出异常情况并自动上传异常视频,并且也能以一定的概率检测出疑似火焰、烟雾、行人等异常情况,分担了监控中心的预处理工作,为监控中心进一步的异常识别打下基础,降低了监控中心的处理压力。系统具有灵活、可靠、结构简单、容易维护、低成本等特点,达到了减轻监控中心处理监控视频压力和减少视频数据传输量的设计目标,为嵌入式分布式预处理技术的进一步研究提供了一定的参考。(本文来源于《西南交通大学》期刊2018-05-01）
王艳纳[2]（2017）在《基于桥梁防船撞预警系统视频预处理关键技术研究》一文中研究指出在大型桥梁防船撞主动预警系统设计中,受到成像系统、车辆震动等因素的干扰,导致拍摄视频存在抖动,使得我们采集的图像并不理想。数字成像系统在拍摄过程中的抖动会造成采集视频序列的不稳定,这样会造成视频的质量和视觉效果变差,严重影响后续图像信息的处理。同时图像在采集过程中受外界降质因素的干扰而产生降质。对于大型桥梁防船撞预警系统中,如何准确地进行轮船检测与跟踪,对视频预处理技术的研究提出了挑战,本文针对视频稳像及图像的超分辨率重建进行了研究,包括:(1)针对大型桥梁防船撞主动预警系统关键技术研究系统中,视频采集过程中受外界干扰造成的抖动会影响后续船舶的标定及跟踪问题。本文研究了视频的预处理算法(视频稳像)。其中与传统的稳像方法不同的是,经典的稳像方法是采集的目标对象一般是静止的。而本文结合大型桥梁防船撞系统的实际应用场景,视频采集中目标对象为移动大型轮船,但移动的轮船对于步骤中运动估计部分造成干扰。于是本文结合实际应用场景对常见的稳像方法做了一些改进。在运动估计阶段:考虑到河岸景物是静止的,因此可以利用采集图像中静止部分特征点的提取及匹配来进行运动估计,本文的改进之处是,首先利用常见的特征点匹配思想,结合江岸及河道的边缘,采取Canny边缘检测的方法自动检测出江岸及河道的边缘,然后抹除边缘以内的区域(即轮船的移动区域)再进行特征点匹配。在特征点匹配部分,针对传统方法匹配时普遍帧率偏低,匹配率较低的问题,本文通过将FLANN算法和SURF算法两者结合起来使用,用SURF进行关键点和描述符的提取,用FLANN进行匹配。通过边缘线以外的特征点的位置变化计算全局运动矢量。该视频稳像方法能够很好的解决大型桥梁防船撞主动预警系统中预处理部分的去抖动,在一定程度上有效的防止了后续目标跟踪中出现的虚警和漏警现象。(2)图像在采集过程中受到各种因素影响而产生降质,从而对后续目标的检测与跟踪造成影响,为尽可能的减少因降质而造成的检测率低及跟踪过程中存在的漏警和虚警问题,本文首先研究了传统图像的超分辨率重建方法。针对实际应用,提出了基于高斯金字塔分层的Vandewalle配准算法的超分辨率重建技术。在亚像素配准阶段,考虑到高斯金字塔法是一种由粗到精的策略,鉴于高斯金字塔分层处理可以减少搜索时间,使得匹配精度更高的优势;以及Vandewalle配准算法是利用不走样的低频信息进行配准的,该方法的鲁棒性较强,本文提出了基于高斯金字塔分层的Vandewalle配准算法。重建结果证明,该算法可以更好的保留图像细节,提高图像重建质量。(本文来源于《山东大学》期刊2017-05-21）
姜辉[3]（2016）在《基于FPGA的双路视频预处理系统设计与实现》一文中研究指出双路视频技术就是可以满足将两路视频图像或者更多路的图像信息整合到一帧图像内的技术,其优点是可以将多个采集传感器采集到的优点数据信息进行互补,有利于克服一个单独的传感器收集图像的缺陷。由此可见,双路视频信号融合技术对于实际生活以及工程应用都有很大方便。本次课题研究用FPGA作为处理芯片,能够满足高速处理图像数据的要求,很好的实现课题要求。为了满足课题要求详细研究双路视频采集系统及各个功能模块的实现原理,设计出双路视频信号预处理系统的可行性方案。研究视频传输格式Bt.656的标准,明确数据流解码的工作原理。解决视频数据的高速缓存问题,本次课题使用两片DDR2芯片,通过交替存储可以极大的提升数据写入和读取效率。优化了图像去噪的滤波方法,最终将数据编码传输信号传至上位机。实验结果表明,该视频系统设计结构合理,更易于实现,且占用的资源较少,达到设计预期效果,最终通过上位机的界面显示情况进一步证明系统满足课题需求。(本文来源于《黑龙江大学》期刊2016-03-20）
陈陇敏[4]（2015）在《高清助视器视频预处理算法及系统分析与设计》一文中研究指出随着老龄人口的不断增加,低视力问题也越来越明显,故能提高视觉能力的电子助视器在生活中发挥着重要作用。随着FPGA技术的发展,FPGA逐渐进入数字图像处理的应用领域。因此,展开基于FPGA的电子助视器系统研究和设计具有一定的创新意义和实用价值。本文首先对助视器系统视频预处理中的图像缩放算法和变色算法进行了研究,随后利用FPGA强大的并行处理能力,设计了基于Xilinx Spartan-6平台的高清助视器系统。论文主要工作和成果归纳如下:(1)调研助视器系统、图像缩放算法和图像变色算法的国内外研究现状,对选用FPGA作为系统设计平台做了可行性论证;(2)介绍助视器系统的两大核心算法:图像缩放算法和图像变色算法。图像缩放算法方面,首先通过对比最邻近插值算法、双叁次插值算法以及分级线性插值算法等经典的图像缩放算法的优缺点,提出了一种基于行列处理的分级线性插值算法。随后从处理速度和占用内存两方面,验证所提缩放算法的有效性。图像变色算法方面,采用了运算量较小的变色算法,并分析了所采用的变色算法待优化之处以及改进方向。(3)设计了系统整体的方案与流程,采用Verilog语言实现了时钟管理、摄像头采集、片内RAM读写、LCD显示、图像缩放和变色算法处理等功能模块。(4)选用Xilinx Spartan-6平台,完成高清助视器系统的原理图设计和PCB设计,采用Siwave仿真工具进行电源完整性分析,优化PCB的布局布线,提高系统的电源完整性和抗干扰能力。最后通过调试,完成系统硬件设计。(本文来源于《浙江工业大学》期刊2015-04-19）
周文琳[5]（2014）在《视频预处理系统中背景减除技术的研究与实现》一文中研究指出随着社会与科技的进步，为了国家与个人的安全以及各种公共场所管理的需要，监控摄像头的数量每年都在成指数级的增长。当犯罪发生后，公安部门常常为了找寻线索而需要对大量的监控数据进行查看。因此，如何对海量的视频数据进行处理以方便用户的分析与查看成为近几年智能监控视频领域的热点问题。其中视频预处理作为智能监控视频的基础，其结果的好坏将直接影响后期对视频分析以及检索的准确性，所以视频预处理引起了越来越多人的关注。因此如何在保证结果准确性的前提下能够处理海量的数据成为监控视频领域的一个热点，也是本文的研究重点。在对监控视频数据和云计算技术研究的基础上，本文设计与实现的视频预处理系统的主要功能是：通过对视频的背景区域以及用户感兴趣的前景区域进行分割达到识别出视频中运动对象的目的，并将运动前景进行提取，将视频相关属性与运动对象相关属性均进行数据库存储，以便后续对行为进行分析与视频信息检索。背景减除技术作为目前主流的运动检测技术，也是本系统的核心技术。本文首先研究了背景减除技术，分析了目前大多数常用算法的特点与不足，并主要研究与实现了ViBe算法，通过与先进的混合高斯模型进行对比证明了ViBe算法的先进性，解决了运动对象识别与提取的关键问题；然后研究了MapReduce编程模式，解决了分布式计算的关键问题。最后，部署了一个搭建在Hadoop平台上的视频预处理系统应用环境，通过对算法的MapReduce实现，验证了上述关键问题的可行性。(本文来源于《西安电子科技大学》期刊2014-03-01）
田寨兴,彭宗举,蒋刚毅,郁梅,陈芬[6]（2014）在《面向HEVC的深度视频预处理》一文中研究指出通过深度相机或者深度估计软件获取的深度视频准确性差,影响深度视频的编码压缩性能。因此,本文提出了一种面向HEVC的深度视频预处理算法。首先提取深度视频的边缘获取边缘掩膜;其次根据边缘掩膜对深度序列分类进行空域平滑;再次将彩色和空域平滑后的深度视频进行时空转换,并以转换后的彩色视频为辅助对转换后的深度视频进行时域平滑,以增强深度视频的时间相关性;最后对时域平滑处理完的深度视频进行逆时空转换,获取最终的预处理深度视频。实验结果表明,提出的处理方法既可以保证虚拟视点质量基本不变,又能够节省7.00%～23.78%的码率。(本文来源于《光电工程》期刊2014年01期）
彭宗举,周浩,蒋刚毅,郁梅,邵枫[7]（2013）在《基于自适应窗口的深度视频预处理算法》一文中研究指出在自由视点视频系统中,由深度估计算法得到的深度视频并不精确,对虚拟视点的绘制质量和深度视频的编码效率有很大的影响。本文提出了一种基于自适应窗口的深度视频预处理算法来提高深度视频的压缩效率和虚拟视点的绘制质量。首先,将深度视频划分为不连续区域、连续区域中的前景区域和连续区域中的背景区域。然后,提取出深度视频各区域中的对象边界。最后对不连续区域中的非边界区域进行高斯滤波,降低深度值骤变对虚拟视点绘制质量的影响,对连续区域中的非边界区域采用自适应窗口滤波平滑处理以提高压缩效率。实验结果表明,提出的算法可以使深度视频的编码码率节省8.33～34.39%,同时可使绘制的虚拟视点质量平均提高0.21dB。和Silva的算法相比,在更具实际意义的低码率端编码效率更显着,绘制结果中对象边界得到了更好的保护。(本文来源于《光电子.激光》期刊2013年04期）
林辉,吴黎明,潘启军[8]（2011）在《弹性体工件在线检测系统中视频预处理IP核设计》一文中研究指出为了能够实时地检测弹性体工件的缺陷和尺寸,设计并实现了一种基于处理器局部总线(PLB)的视频预处理IP核。对IP核所采用的结构、卷积运算的硬件实现进行研究。用System Generator工具设计LOG滤波器,最终在现场可编程门阵列(FPGA)上实现边缘检测算法。实验结果表明:与传统用软件实现边缘检测算法的方法相比,用IP核实现时间大幅减少,仅为40 ms,满足弹性体工件在线检测系统中实时预处理视频的要求。(本文来源于《计算机应用》期刊2011年10期）
王婷,童维勤,马飞[9]（2011）在《基于FPGA的视频预处理系统的建模与仿真》一文中研究指出为了提高基于FPGA的视频处理效果,降低FPGA处理视频的开发难度,结合使用开发工具System Generator和Accel-DSP,对基于IP的系统开发方法进行了研究,构建了一种视频预处理系统模型。利用双线性插值算法进行Bayer格式图像的彩色还原,通过中值滤波器模块降低图像噪声,来提高图像整体画质。研究基于FPGA的DSP开发新方法,利用已有模块和AccelDSP开发的新模块,系统地设计整个模块。最后,以实例展示了基于System Generator的模型,验证了该方法的可行性和有效性。(本文来源于《计算机工程与设计》期刊2011年01期）
柴俊华[10]（2010）在《基于模糊理论的视频预处理技术》一文中研究指出视频预处理技术是在视频编码之前的滤波增强技术,随着视频的标准与硬件能力的提升,此项技术受到了极大的重视。本文通过深入研究与分析,提出了一种基于模糊理论的视频预处理方法,并在此基础上与编码器进行结合,通过两个部件之间参数的通信来控制两者的速度与处理的精度。模糊视频预处理方法可以有效降低脉冲噪声和混合噪声的影响。此方法包括两个部分:模糊检测和模糊滤波。模糊检测部分提出了一种通过模糊梯度计算来保证正确率和覆盖率的高命中率的检测方法。该方法是通过第一次高正确率检测来准确估计噪声模型的。模糊滤波部分是根据隶属函数来获得已检测噪声周围像素的隶属度,并通过计算权值来对目标噪声像素进行处理。该滤波方法是专为视频处理设计的,包含了帧内滤波和帧间滤波两种技术。实验结果表明:模糊视频预处理方法能够在保持视频序列细节的基础上降低噪声,与同类处理方法对比,取得了更好的正确率、检测率、峰值信噪比和主观画面质量。预处理器与视频编码器的结合主要是通过参数通信来控制两者的速度和处理噪声的精度。模糊视频预处理方法应用了模糊理论,需要设定相关的参数,其中一部分与运行速度有关,另一部分与滤波精度有关;同样,在视频编码器中,帧间搜索算法中的部分参数也直接决定了编码器的运行速度和视频处理精度。为了避免视频编码器因为预处理器的处理速度而可能出现的数据衔接不上,实时的将搜索算法中的参数反馈给预处理器是一种简单而有效的解决方案。实验结果表明:使用与预处理器结合后的编码器在处理带5%脉冲噪声的视频序列时,编码比特数据、编码时间和主观画质叁个评判标准都取得了更好的效果。(本文来源于《上海师范大学》期刊2010-04-10）
视频预处理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在大型桥梁防船撞主动预警系统设计中,受到成像系统、车辆震动等因素的干扰,导致拍摄视频存在抖动,使得我们采集的图像并不理想。数字成像系统在拍摄过程中的抖动会造成采集视频序列的不稳定,这样会造成视频的质量和视觉效果变差,严重影响后续图像信息的处理。同时图像在采集过程中受外界降质因素的干扰而产生降质。对于大型桥梁防船撞预警系统中,如何准确地进行轮船检测与跟踪,对视频预处理技术的研究提出了挑战,本文针对视频稳像及图像的超分辨率重建进行了研究,包括:(1)针对大型桥梁防船撞主动预警系统关键技术研究系统中,视频采集过程中受外界干扰造成的抖动会影响后续船舶的标定及跟踪问题。本文研究了视频的预处理算法(视频稳像)。其中与传统的稳像方法不同的是,经典的稳像方法是采集的目标对象一般是静止的。而本文结合大型桥梁防船撞系统的实际应用场景,视频采集中目标对象为移动大型轮船,但移动的轮船对于步骤中运动估计部分造成干扰。于是本文结合实际应用场景对常见的稳像方法做了一些改进。在运动估计阶段:考虑到河岸景物是静止的,因此可以利用采集图像中静止部分特征点的提取及匹配来进行运动估计,本文的改进之处是,首先利用常见的特征点匹配思想,结合江岸及河道的边缘,采取Canny边缘检测的方法自动检测出江岸及河道的边缘,然后抹除边缘以内的区域(即轮船的移动区域)再进行特征点匹配。在特征点匹配部分,针对传统方法匹配时普遍帧率偏低,匹配率较低的问题,本文通过将FLANN算法和SURF算法两者结合起来使用,用SURF进行关键点和描述符的提取,用FLANN进行匹配。通过边缘线以外的特征点的位置变化计算全局运动矢量。该视频稳像方法能够很好的解决大型桥梁防船撞主动预警系统中预处理部分的去抖动,在一定程度上有效的防止了后续目标跟踪中出现的虚警和漏警现象。(2)图像在采集过程中受到各种因素影响而产生降质,从而对后续目标的检测与跟踪造成影响,为尽可能的减少因降质而造成的检测率低及跟踪过程中存在的漏警和虚警问题,本文首先研究了传统图像的超分辨率重建方法。针对实际应用,提出了基于高斯金字塔分层的Vandewalle配准算法的超分辨率重建技术。在亚像素配准阶段,考虑到高斯金字塔法是一种由粗到精的策略,鉴于高斯金字塔分层处理可以减少搜索时间,使得匹配精度更高的优势;以及Vandewalle配准算法是利用不走样的低频信息进行配准的,该方法的鲁棒性较强,本文提出了基于高斯金字塔分层的Vandewalle配准算法。重建结果证明,该算法可以更好的保留图像细节,提高图像重建质量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频预处理论文参考文献
[1].孙自伟.基于嵌入式视觉的远程监控视频预处理终端设计与实现[D].西南交通大学.2018
[2].王艳纳.基于桥梁防船撞预警系统视频预处理关键技术研究[D].山东大学.2017
[3].姜辉.基于FPGA的双路视频预处理系统设计与实现[D].黑龙江大学.2016
[4].陈陇敏.高清助视器视频预处理算法及系统分析与设计[D].浙江工业大学.2015
[5].周文琳.视频预处理系统中背景减除技术的研究与实现[D].西安电子科技大学.2014
[6].田寨兴,彭宗举,蒋刚毅,郁梅,陈芬.面向HEVC的深度视频预处理[J].光电工程.2014
[7].彭宗举,周浩,蒋刚毅,郁梅,邵枫.基于自适应窗口的深度视频预处理算法[J].光电子.激光.2013
[8].林辉,吴黎明,潘启军.弹性体工件在线检测系统中视频预处理IP核设计[J].计算机应用.2011
[9].王婷,童维勤,马飞.基于FPGA的视频预处理系统的建模与仿真[J].计算机工程与设计.2011
[10].柴俊华.基于模糊理论的视频预处理技术[D].上海师范大学.2010