电视视频图像帧的监测和识别技术,该文是技术研究毕业论文范文跟识别技术研究和图像和监测方面在职毕业论文范文.
技术研究论文参考文献：
摘 要 随着电视视频质量越来越高,借助于智能化技术来鉴别视频图像帧异常,来改善画面清晰度.如OPENCV 函数工具库提供的视频图像比对匹配处理算法,可以根据不同视频画面要求进行快速、准确、高效比对匹配.现从技术原理探析视频图像帧的监测与识别方法,并结合软件对其实现方法进行探讨.
关键词 电视；视频图像处理；帧监测与识别
中图分类号 TN94 文献标识码 A 文章编号 1674-6708（2018）225-0075-02
现代电视技术的发展,推动电视内容、画面的更加丰富与多样,特别是数字电视、3D 电视、高清电视等已经走进千家万户.从电视画面质感、高保真声效所带来的独特的视听享受来看,必蕴含着高尖端视频图像处理技术.从技术层面上,对于过去的电视视频画面的监测与识别,多采用人工方式,而现代TB 级数据量的增长,迫切需要智能化技术来确保电视视频、声音等信号的良好、稳定、可靠.如画面不能有彩条、彩场、黑场等.为此,引入现代电视视频图像帧监测与识别技术,对电视画面进行自动鉴别、提高电视信号传输稳定性,对可能存在的电视码流进行判断与处理就显得尤为重要.
1 电视视频图像帧的监测与识别技术
在电视信号传输、视频图像播出中,如果出现静帧、黑场、彩条等异常图像,都需要进行快速准确处理,以保障高质量、连续不断的视频输出.不过,在电视视频图像中,对于台标,以及各类视频模板,需要局部或全部、定点或不定点的显示,这些视频图像的识别,就需要通过另一中处理方法来解决.通常,在技术原理上,主要有两种技术手段,来实现视频图像帧的监测与识别判断.
1.1 基于场景的视频图像帧的监测
在视频图像领域,场景图像是最基本的概念,可以是全幅画面,或者整幅画面.如一些黑场、彩场、彩条等特定场景图像,如果在电视信号播出中出现,则可能定性为播出事故.国家根据相关技术规范,对各省级、卫星电视频道都提出了具体的要求.为此,采用不同的视频图像帧监测软件,来对整个电视图像帧图像画面进行监测、识别与判断,来提高对特定场景图像的识别率,减少和杜绝播出事故.从技术层面上,对于电视视频图像帧的监测与识别,主要从场景图像的监测判断来处理.首先,根据不同场景图像的特征进行监测与识别.如特定场景中黑场、彩场、彩条等画面,其图像结构相对单一,在处理方法上较为容易.可以结合电视图像帧中出现黑场画面、持续时间等进行判断,来完成识别并处理.黑场画面,其信号、图像具有显著的特征,通常具有低电平或零电平,导致信号画面丧失而黑场.在监测方法上,只要对视频图像信号电平进行监测,如果出现低电平或零电平,且超过某一规定的时长,则将判断为黑场.当然,在技术上,对于黑场的表征,也非完全的没有图像,而是出现低于某一低电平.另外,对于视频中断、码流为零,也会出现黑场.所以说,在参照电平判断模式上,还要对信号的有无、信号是否中断进行判断,来减少黑场监测的误差.
根据电平来进行判断,无论是模拟信号还是数字信号,对所需硬件设备都提出较高的灵敏度,利用现代视频监测技术,可能快速、准确分辨有无视频信号、电视信号电平的高低变化.利用视频信号监测系统,从黑场波形规律上,表现为某一时钟参考下的电平为低电平或零电位直线,也可能是无信号.在视频像素点定义上,黑场画面表示为“0”或“F”.因此,利用监测系统,可以对黑场画面进行准确定位,甚至可以对某一像素点进行精确定位和识别与判断.
针对电视视频图像帧的监测与判断,在场景图像基础上,以前后两帧图像是否出现一样或近似一样,在视觉感官上呈现画面静止不动.该类情况如果出现的时间超过规定值,则判断为画面静帧.动态画面的监测,可以从图像层前后帧的像素值大小或图像矩阵特性来分析,采用的帧差算法是对前后两帧差值是否大于某一阀值,当大于该阀值时,则被判定为有运动物体.否则,当前后两帧图像像素点差值小于某阀值,则可以判定为静帧画面.借助于OPENCV 工具库,可以通过专门的函数对前后两帧像素点的像素值进行差值判定,当差值为零或近似为零,则表示为理想状态；当差值超过某阀值,则可以判定视频图像画面是否存在静帧.
1.2 基于图像模板进行图像帧识别与判断
在电视视频输出中,角标、台标的悬挂往往成为视频编辑的基本模式,而对于这些模板图像,如何在播出中进行有效监测、识别和判定,就需要从模板图片与视频画面图像进行对比匹配.比对匹配是图像帧监测、识别判断的重要方法,也是视频图像处理的难点.与现代数字图像技术相比,指纹识别、面部打卡、手机指纹开锁等软件,所采用的图像处理技术,多是通过图像的比对匹配来进行.同样,在电视信号图像帧的监测与识别中,对于图像模板信号也是采用比对匹配方法来实现.
通常,针对特定的图像模板,利用视频图像中某一段视频或某一帧图像,与之相类似的图像进行比对,当匹配图像比对一样或大于某一区域则比对成功.如对一些监控视频、视频图像中的镜头、内容进行检索多采用比对匹配技术.不过,考虑到当前视频数据、容量的几何级增长,在对某一视频图像进行比对匹配时,单凭人工审查方式是难以为继的,且准确率也不高.因此,引入OPENCV 函数工具库中的相关图像比对匹配算法,如cvMatchTemplate、Sift 函数算法等,借助于函数算法来完成图像的比对匹配处理,既能够提升准确率,还能提高处理效率.
2 OPENCV 视频工具库图像帧监测与识别的实现方法
在OPENCV 软件视频监测工具库中,其多种视频图像处理函数及算法,为实现图像帧的监测、识别提供了可能.从技术上,OPENCV 工具库所采用的是基于C 语言、C++ 语言平台,根据电视视频监测与识别需要,配置不同的软件调试版本和运行环境.如VC2010+OpenCV2.x.x,可以实现对视频图像的强大处理,提高电视视频视效.
2.1 OPENCV 运行环境
OPENCV 是Open Source Computer VisionLibray 的简称,主要采用C 语言、融入C 函数,以及C++ 类构成免费的跨平台视频视觉工具函数库,由于其开源性特征,可以在Mac OS、Linux,以及Windows 等平台运行,且具有轻量、高效图像数据处理优势.另外,该工具库还能够与MATLAB 等进行对接,实现图像处理与计算机视觉呈现的多种应用.如提供的多种视觉函数接口,可以为提高视频画面帧的监测、识别及不同处理提供方便.
2.2 Windows 下的视觉处理设计
在Windows 系统环境下,引入OPENCV 视频处理软件,可以利用MFC 调试窗口,来实现对C 语言函数库的调用和设计,特别是在MFC 窗体下,便于调用VC6.0 与OPENCV 两者的视频代码及接口配置,来完成对视频检错、纠错等功能.如在某视频图像帧监测与识别判断中,可以对图像边缘化、反色、人脸识别等进行处理,还可以在视频处理与运算中,引入视频流功能,通过视频函数来实现对前帧、后帧数据的处理.考虑到电视视频播速为25 帧/秒,对每一帧的播放时长不能超过40ms,如果高于40ms,则进行计算处理.
当然,该时长限定仅对实时图像的处理有要求,而对于非实时图像,则需要从画面的每一帧进行顺序处理即可.以电视台视频中台标模板的监测与识别为例,对于视频中的台标信息,需要从给定模板进行比对匹配.利用OPENCV 工具库中cvMatchTemplate 函数,通过对给定模板图像信息与整幅视频图像信息进行比对匹配,其方法为：利用模板图像信息,使其平移方式滑过整个待匹配图像,当模板图像与待匹配图像中的模板图像一样,或者说模板图像与待匹配图像中的相同大小的图像区域重叠,则显示红色方框,说明匹配成功.反之,如果在进行平移匹配中没有成功,则不显示红色标记框.不过,由于函数cvMatch Template 算法仅适合较小的、且固定的角标、台标图像,对于相对较大的图标,则无法进行准确监测与识别.
利用另一函数cvMatch Shape,则可以根据图像结构大小进行适当比例的缩放处理,借助于视频图像特征值的抽取比对,来判断匹配结果.如对于图像中的的彩条模板,可以与待匹配图像进行比对,当出现与彩条图像相似的区域时,利用红色框来标记.该函数的特点在于能够对模板图片进行与之相似的视频检索,且满足对任一区域视频图像的比对匹配.不过,由于在图像特征值的抽取上进行检测,存在一定误报率,还需要与其他算法进行组合,来提高视频图像帧的监测与识别准确性.
3 结论
从数字视频图像处理技术的发展来看,图像帧的监测与识别,需要从不同软件设计上,借助于函数、算法,来提高视频图像帧的监测成功率.当然,不同视频图像处理软件在实施中,还要对其运行环境、函数算法、代码调试等进行挖掘,来制定相对完善、周全的视频处理模式.
参考文献
[1]于居新.浅谈广播电视数字图像相关测量技术的应用[J].数字通信世界,2018（3）：223.
[2]花逢春.电视视频图像帧的检测与识别研究[J].科技创新与应用,2017（18）：83.
点评，上文是一篇适合识别技术研究和图像和监测论文写作的大学硕士及关于技术研究本科毕业论文，相关技术研究开题报告范文和学术职称论文参考文献.
学生课堂行为视频图像采集和识别系统
目前,国内外还未对学生课堂行为形态进行广泛研究,学生因为上课注意力不集中而遗漏重要知识点的情况时有发生,而教师只能通过考试了解学生掌握知识点的情况,教学效果没有得到实时反馈 因此,课堂教学评估及学.
如何实现视频图像高动态范围？
摘要各种类型的广播应用（特别是直播）的图像捕获需要考虑众多变化和新的因素,确保设备可以显示HDR高动态范围的影像 随着广播行业转向4K UHD广播,许多话题都围绕如何最好地传输和展现4K信号,使得高动.
基于图像识别技术的云报纸
文杨建方摘 要在信息技术飞速发展的今天,互联网新媒体作为一种新兴传播方式,如雨后春笋般迅速崛起 互联网新媒体凭借着多元化、及时性、快速性、互动性、广泛性……特点,不断冲击传统纸媒的发展 本文主要介绍.
我国专家研发出步态识别技术
中国科学院自动化所的专家日前介绍了一种新兴的生物特征识别技术——步态识别只看走路的姿态,50米内,眨两下眼睛的时间,摄像头就准确辨识出特定对象 自动化所副研究员黄永祯介绍,虹膜.