信息确定度自适应的监控视频高效编码研究

不同于传统的面向电影电视的娱乐视频，每天24小时连续采集的监控视频中，往往只有包含特定语义信息的视频片段才会提供用户需要的信息。根据特定语义事件发生的概率-信息确定度，有效地去除监控视频中用户不感兴趣的信息冗余，将大大提高监控视频的整体编码效率。本项目以申请人在视频编码与传输、智能监控等方向的前期研究工作为基础，基于现代信息论、统计认知理论与视频编码方法，探索监控系统信息确定度感知的监控视频高效编码理论与方法。拟通过研究监控视频基于低层特征上下文的语义提取、信息确定度的贝叶斯网络建模感知、确定度自适应的多维度可伸缩编码、信道空域-时域资源最优化分配的多流封装，有效去除蕴涵在监控视频信号中用户不感兴趣的信息冗余，获得监控视频编码效率的突破性提升，为提高我国监控视频编码的基础研究水平起到积极的作用。

不同于传统的面向电影电视的娱乐视频，每天 24 小时连续采集的监控视频中，往往只有包含特定语义信息的视频片段才会提供用户需要的信息。根据特定语义事件发生的概率--反映用户感兴趣程度，有效地去除监控视频中用户不感兴趣的信息冗余，将大大提高监控视频的整体编码效率。在本项目的支持下，我们针对监控视频中存在的大量用户不感兴趣视频片段的信息冗余，提出了信息确定度的概念，并通过监控视频基于低层特征上下文的语义提取、信息确定度的贝叶斯网络建模感知、确定度自适应的多维度可伸缩编码、信道空域-时域资源最优化分配的多流封装，建立了信息确定度自适应的压缩编码体系，取得了监控视频编码效率的提升。具体而言，项目在如下三个方面进行了研究：.1).监控视频底层特征提取及其语义化。我们借鉴MPEG-7中有关底层特征的定义，通过建立底层特征（颜色、纹理、形状等）到语义概念之间的映射关系，提出了监控视频目标语义描述方案，开发了监控视频特征与语义提取描述软件一套。.2).信息确定度感知建模。通过对信息确定度的规范化定义：即异常事件发生的概率，确定以异常事件检测为目的进行建模。借鉴概率统计领域的研究成果，提出并建立了基于贝叶斯网络（Bayesian Network）模型和跨层推理（Cross-Layer HMM）的隐马尔科夫模型等两种监控事件检测模型，取得了高于传统方法的异常事件检测效率。.3).信息确定度自适应编码与多流封装。结合监控视频对于异常事件与特定区域更为关注这一特点，设计了一种异常事件及ROI（Region Of Interesting）区域信息确定度自适应的多流编码方案，同时设计了基于效用函数的多流编码与传输优化方法，并在JSVM平台上实现了信息确定度自适应编码算法实现与仿真试验，从主观与客观两方面对所得视频序列进行评价，验证了信息确定度自适应编码算法的可行性与效用函数模型的正确性。.通过上述三个方面的研究，建立了信息确定度感知的视频高效压缩方法，有效去除蕴涵在监控视频信号中用户不感兴趣的信息冗余，获得监控视频编码效率的较大提升，为提高我国监控视频编码的基础研究水平起到积极的作用。