论文部分内容阅读
近年来,在嵌入式和网络通信等技术飞速发展的推动下,无线传感器网络不再满足于简单的标量数据采集,开始逐步转向复杂的多媒体数据的获取。视频传感器网络作为无线传感器网络的最新应用实例,具有安装方便、成本低、能动态组织等优点而被广泛地应用于智能视频监控的各个领域,如智能交通、公共安全、环境监测、紧急救援等。视频传感器网络在帮助人们获得丰富的视频信息资源的同时,也产生了海量的数据,不利于视频的传输和存储。一般的视频压缩方法只注重压缩后数据量的大小,而忽视了监控视频的特点及最终应用目的。本文从视频传感器网络自身的特点和监控视频的应用出发,使用基于对象的视频压缩方法对监控视频进行压缩。首先,分析和对比了几种最常见的运动目标检测方法,选择了实时性和效果都很好的背景差分法。由于背景模型的好坏对背景差分法检测起着决定性的作用,所以本文对常用的几种背景建模方法进行了分析,重点研究了混合高斯背景模型,并针对传统高斯建模方法的不足进行了分析与改进。其次,为了提高运动检测的速度和降低噪声对检测结果的影响,采用了改进的基于宏块分类的检测方法。通过假设检验和背景噪声模型来实现宏块的准确分类,并利用分类结果来提取运动目标和建立纯背景图像,实现了运动目标和背景区域的分离。最后,对运动目标和背景分别进行压缩。分析了基于对象编码的MPEG-4标准的关键技术及编码框架,选择了压缩功能强大并开源的XviD作为本文实验的编码器。根据视频监控的目的,分别对运动目标和背景进行不同的压缩。其中,运动目标是主要研究对象,压缩时要尽量保持不失真,采用形状编码、纹理编码、运动编码对其进行压缩;而背景不是主要研究对象,可以进行大幅度的压缩。实验表明,本文采用的编码方法的压缩方法具有比MPEG-4更好的压缩效率,并且解压缩后重建的视频图像具有良好的视觉效果,能满足视频传感器网络对视频压缩的需求。