导读:本文包含了多视频论文开题报告文献综述及选题提纲参考文献，主要关键词:智能转换,分辨率,ITU,SMPTE
多视频论文文献综述
[1]（2019）在《多视频协议自动识别及智能转换方法》一文中研究指出持有单位中国航空工业集团有限公司第六叁一研究所知识产权基本信息(1)ZL201310682894.2多视频格式向ITU656协议PAL制式的自动转换方法;(2)ZL201310680996.0多视频格式向SMPTE274协议1080i分辨率视频的自动转换方法;(3)ZL201310682689.6多视频格式向BT.656协议NTSC制式视频的自动转换方法;(4)ZL201310681501.6多视频格式向VESA协议(本文来源于《军民两用技术与产品》期刊2019年06期）
范天岳[2]（2019）在《基于多视频关联的车辆追踪与识别》一文中研究指出智能交通及道路智能监控系统是目前信息技术的研究热点之一,随着我国车辆保有量的增加以及交通问题日益凸显,得到了广泛的应用和关注。车辆追踪识别作为相关领域中的重要基础技术,随着图像处理相关技术的逐渐发展成熟,也受到了越来越多研究人员的关注。本文以道路环境下的车辆追踪识别问题为研究对象,通过理论研究和实验分析的手段,致力于更深入彻底的研究车辆追踪识别问题,力求提升车辆追踪识别的准确率及鲁棒性。本文综合分析了国内外车辆追踪识别技术的研究进展,从目标追踪和目标识别两个方面阐述了现有的技术及其对应特点。重点分析了现有目标追踪方法中的候选目标搜索问题,以及由于局部搜索距离产生的目标遗漏、目标形变不适应的问题;论文针对基于单一摄像头方法在道路场景中的局限性,提出了以下基于多摄像头的车辆追踪识别改进方案。首先,针对局部搜索丢失目标、对形变不鲁棒的问题,提出了基于目标检测思路的全局搜索方法。该方案融合一阶和二阶深度目标检测方法的思想,结合追踪目标信息,在当前帧全局信息中搜索候选目标,以提高搜索精度。其次,针对单一摄像头无法处理车辆角度变化的缺点,本文提出基于多摄像头的车辆追踪方法,利用多摄像头追踪结果在线更新分类器,从而保证分类器可以学习到追踪目标多角度的特征信息,提高追踪准确度。在多摄像头追踪的基础上,提出了一种空间/尺度抑制方法,利用极短时间内目标运动规律的平滑性对非目标对象进行抑,消除了相似车辆的干扰。、最后,针对车辆识别问题中不同型号车辆相似度过高的问题,提出了一种细粒度车辆识别算法,并结合多摄像头追踪得到的车辆多角度信息,利用加权投票的方法,消除了单一摄像头中错误识别的影响。实验结果表现,本文提出的方法虽然牺牲了一定的时间效率,但可以达到更好的追踪及识别准确率。(本文来源于《北京交通大学》期刊2019-06-01）
冀中,熊凯琳,马亚茹,何宇清[3]（2018）在《基于重要性感知稀疏自编码器的多视频摘要》一文中研究指出如何有效地管理和查询海量视频数据是大数据时代亟待解决的问题.基于查询的多视频摘要技术可提供全面且简洁的查询内容的相关信息,是解决此问题的重要途径之一.然而,多视频内容具有多样性,且包含较多的噪音和冗余,从这些复杂信息中找出最具代表性的信息极具挑战性.针对这一挑战,提出一种基于稀疏自编码器,并将网络查询图像内容作为正则项的多视频摘要模型.该模型不仅满足代表性和简洁性的要求,还具有依赖查询进行重要性感知的能力.大量的实验验证了本文模型的有效性与先进性.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2018年11期）
朱浩楠,许明敏,沈瑛[4]（2018）在《基于Mean Shift的多视频车辆跟踪研究》一文中研究指出为了提高多视频下目标车辆跟踪的准确率,提出了一种基于Mean Shift结合视觉词袋的车辆跟踪方法。该方法采用Mean Shift提供的轮廓和颜色信息进行初匹配,并进行跟踪;针对车辆在不同视频下车辆视角、环境不同的情况,提出了尺度不变的识别方法,即利用视觉词袋特征作为车辆特征进行再次匹配。该方法能够利用高速路网中摄像机拍摄的视频确定目标车辆的具体位置。实验表明,基于Mean Shift的多视频车辆跟踪方法能够有效提高车辆跟踪的准确率。(本文来源于《计算机科学》期刊2018年S1期）
马亚茹[5]（2017）在《基于稀疏编码算法的多视频摘要研究》一文中研究指出在线视频的爆炸性增长使得快速准确浏览和管理感兴趣的视频内容变得越来越急迫。视频摘要旨在通过将一个或多个视频转换为紧凑的摘要,是解决此问题的一种有效技术。不同于单视频摘要,多视频摘要具有内容多样性、重迭性且有较多的冗余和噪音信息,从这类复杂信息中找到具有代表性的重要视觉信息构成摘要是一项充满挑战性的任务。传统的多视频摘要方法忽略了用户的搜索意图,产生的结果并不理想。为了使摘要结果更加符合用户的需求,本文对面向查询的多视频摘要技术进行深入的分析与研究。首先,提出一种基于稀疏编码的查询感知多视频摘要框架(Query-Aware Sparse Coding for Multi-Video Summarization,简称为QUASC),可提供全面且简洁的待查询内容的相关信息,还可有效地提供在线视频的管理和浏览。具体地,本文设计了一种基于稀疏编码框架的多视频摘要的新型查询感知方法,将查询搜索到的网络图像作为重要的用户偏好信息来揭示查询意图。为了提供用户友好的摘要,本文通过使用无监督的多图融合方法来实现与查询相关的特定事件组的检测,提供了一种事件关键帧呈现方式。其次,提出一种基于稀疏自编码器的多视频摘要方法(Multi-Video Summarization with Importance-Aware Sparse Auto-Encoder,MVS-IASAE)。其将基于查询的网络图像信息作为重要性约束添加到稀疏自编码器中用于指导重要视频内容的获取,提出了一种重要性感知的稀疏自编码器的多视频摘要框架,同时考虑了生成摘要的重要性、代表性和稀疏性。此外,还提出了一种自下而上排序算法呈现多视频摘要,提高摘要的可读性。最后,构建了一个名为MVS1K的大规模多视频摘要数据集,其包含十个查询事件下的约一千个视频及其视频标签、人工标注和关联网络图像。本文提出的QUASC和MVS-IASAE算法在MVS1K数据集进行了实验验证,通过与先进的多视频摘要方法进行比较,验证了所提摘要方法的有效性和先进性。(本文来源于《天津大学》期刊2017-11-01）
范强[6]（2016）在《铁路货车装载监控多视频回放同步的研究》一文中研究指出针对铁路货车装载监控多视频回放不同步的现状,通过深入研究视频不同步的原因,利用H.264视频编解码技术,有效控制录像文件源同步和播放同步,最终实现多视频回放同步,解决了现场实际问题。该技术使用纯软件方式,相比其他硬件实现方式,改造难度小、成本低,在类似问题上具有很好的应用前景。(本文来源于《中国铁路》期刊2016年09期）
李慧宇,陈雄斌,李洪磊,毛旭瑞,陈弘达[7]（2016）在《基于可见光通信的一对多视频广播系统》一文中研究指出利用自主研发的软硬件搭建了基于可见光通信(VLC)的一对多视频广播系统。通过传输流(TS,transport stream)音视频数据流解决了通信信道不可靠的问题,通过广播流量控制算法和控制指令的设计解决了多媒体数据广播传输时服务器和客户端速率不匹配带来的超大缓存需求问题。可见光收发模块采用荧光型LED和PIN探测器作为光源和探测器。系统拥有蜂窝网络结构,每个蜂窝可以有多个用户,客户可以同时接收广播信号且不会相互干扰。通过实验实验证了系统的可行性。测试结果表明,本文系统支持1对多的1080P视频数据光学无线广播传输,每个用户的接收带宽为2 Mbit/s,传输距离为2 m。(本文来源于《光电子·激光》期刊2016年09期）
江勇[8]（2016）在《LED/LCD视频拼接器的多视频源系统设计》一文中研究指出为了在大尺寸LED/LCD拼接显示系统中实现多视频源灵活接入、显示窗口管理等功能,设计了基于32位嵌入式处理器、专用视频交换芯片和大规模FPGA硬件平台的视频拼接处理器,提出了拼接处理器各个模块软硬件的设计思路。按照这种思路设计的LED/LCD拼接处理器产品已经在行业中取得了良好的口碑,获得了良好的经济效益。(本文来源于《单片机与嵌入式系统应用》期刊2016年07期）
王斌[9]（2016）在《巧借Edius“批量输出”实现多视频“无人”渲染》一文中研究指出通常我们在使用会声会影、Premiere或是Edius之类的"非线编"软件进行视频剪辑处理时,最终的一步都是渲染输出为自己需要的各种视频格式文件(比如MP4)。前期的剪辑处理需要仔细耐心地对原始视频素材段进行各种处理(比如添加字幕和转场特效等),后期的渲染就显得没什么技术含量——设置好文件的保存路径及名称,等待一段时间之后就能渲染生成我们想要的视频。有时候我们会在短时间内接到好几个类似的编辑任务,比如要对十节课堂教学实录进行多余片段的剪辑及添加片头片尾等操作,如果按照常规的方式进(本文来源于《电脑知识与技术(经验技巧)》期刊2016年06期）
齐霁[10]（2016）在《多视频监控系统中行人再识别技术研究》一文中研究指出无重迭视域的监控系统被广泛应用于各个大小型的公共场所中,对于日常人流量大的公共区域如:商场、医院、公园、火车站以及机场等,公共安全的监测十分重要。在无重迭视域的监控系统下,由于行人图像包含视角变化、光照变化、复杂背景以及遮挡,这些复杂情境加大了行人再识别的困难。本文基于现有的行人再识别研究背景下,对经典的再识别算法进行研究分析,并且进一步探索在不同应用场景下的行人再识别。本文主要进行了以下研究:首先,综合叙述了前人的研究现状。常用的行人再识别一般被分为两类:一类是利用提取行人的代表性特征来对行人进行再识别,另一类就是通过度量的学习来行人再识别。分别对每一类的多种方法描述数学释义和算法过程,并对其中较有效的方法进行详细解释。然后,在此基础上,研究分析了集合与集合之间的距离的计算方法。通过对比几种不同的方法,选取最具代表性的集合距离计算方法。结合选取的集合距离计算方法以及度量学习算法,得到一个集合间度量学习的行人再识别方法。最后,本文通过将行人序列(即集合)作为处理元素,提出了一个监控系统下行人再识别的新方法。度量选取相对距离比较方法(RDC),在此基础上扩展,学习得到集合间相对距离比较方法。这个方法结合了外貌特征将行人再识别问题转化成了集合间的距离学习问题。我们将我们的方法与现有的较好的算法在NLPR_MCT数据集和i-LIDS MCTS数据集上进行比较,实验结果表明我们的方法具有更突出的表现,不但提高了匹配率,也消除了一些错误匹配,同时还具有可推广性。(本文来源于《华中科技大学》期刊2016-05-01）
多视频论文开题报告
（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：
智能交通及道路智能监控系统是目前信息技术的研究热点之一,随着我国车辆保有量的增加以及交通问题日益凸显,得到了广泛的应用和关注。车辆追踪识别作为相关领域中的重要基础技术,随着图像处理相关技术的逐渐发展成熟,也受到了越来越多研究人员的关注。本文以道路环境下的车辆追踪识别问题为研究对象,通过理论研究和实验分析的手段,致力于更深入彻底的研究车辆追踪识别问题,力求提升车辆追踪识别的准确率及鲁棒性。本文综合分析了国内外车辆追踪识别技术的研究进展,从目标追踪和目标识别两个方面阐述了现有的技术及其对应特点。重点分析了现有目标追踪方法中的候选目标搜索问题,以及由于局部搜索距离产生的目标遗漏、目标形变不适应的问题;论文针对基于单一摄像头方法在道路场景中的局限性,提出了以下基于多摄像头的车辆追踪识别改进方案。首先,针对局部搜索丢失目标、对形变不鲁棒的问题,提出了基于目标检测思路的全局搜索方法。该方案融合一阶和二阶深度目标检测方法的思想,结合追踪目标信息,在当前帧全局信息中搜索候选目标,以提高搜索精度。其次,针对单一摄像头无法处理车辆角度变化的缺点,本文提出基于多摄像头的车辆追踪方法,利用多摄像头追踪结果在线更新分类器,从而保证分类器可以学习到追踪目标多角度的特征信息,提高追踪准确度。在多摄像头追踪的基础上,提出了一种空间/尺度抑制方法,利用极短时间内目标运动规律的平滑性对非目标对象进行抑,消除了相似车辆的干扰。、最后,针对车辆识别问题中不同型号车辆相似度过高的问题,提出了一种细粒度车辆识别算法,并结合多摄像头追踪得到的车辆多角度信息,利用加权投票的方法,消除了单一摄像头中错误识别的影响。实验结果表现,本文提出的方法虽然牺牲了一定的时间效率,但可以达到更好的追踪及识别准确率。
（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。
多视频论文参考文献
[1]..多视频协议自动识别及智能转换方法[J].军民两用技术与产品.2019
[2].范天岳.基于多视频关联的车辆追踪与识别[D].北京交通大学.2019
[3].冀中,熊凯琳,马亚茹,何宇清.基于重要性感知稀疏自编码器的多视频摘要[J].天津大学学报(自然科学与工程技术版).2018
[4].朱浩楠,许明敏,沈瑛.基于MeanShift的多视频车辆跟踪研究[J].计算机科学.2018
[5].马亚茹.基于稀疏编码算法的多视频摘要研究[D].天津大学.2017
[6].范强.铁路货车装载监控多视频回放同步的研究[J].中国铁路.2016
[7].李慧宇,陈雄斌,李洪磊,毛旭瑞,陈弘达.基于可见光通信的一对多视频广播系统[J].光电子·激光.2016
[8].江勇.LED/LCD视频拼接器的多视频源系统设计[J].单片机与嵌入式系统应用.2016
[9].王斌.巧借Edius“批量输出”实现多视频“无人”渲染[J].电脑知识与技术(经验技巧).2016
[10].齐霁.多视频监控系统中行人再识别技术研究[D].华中科技大学.2016