SkySat卫星的系统创新设计及启示

介绍了美国天空盒子成像公司的新型微小商业遥感卫星系列——"天空卫星"(SkySat)的性能、产品及系统运行情况。简述了此卫星系列的高分辨率图像和高清视频数据产品指标、应用定位及设计和研制中的新理念。描述了其天地一体化的系统运行模式,并重点分析了其独特的系统设计思想,以及数字延迟积分成像、谨慎商业现货应用、动态任务规划等技术创新。最后,在此基础上总结出其在遥感卫星应用模式多样化、卫星系统设计一体化、低成本小卫星星座化等方面对微小卫星研制及应用的相关启示。     

基于HTTP自适应流媒体传输的3D视频质量评价

3D视频网络服务的关键在于提高用户的体验质量（QoE）,而体验质量往往会由于网络环境的变化及视频内容的不同而受到影响。传统的2D视频传输可以采用基于HTTP的自适应流媒体（HAS）速率自适应机制有效地利用网络带宽,提高用户体验质量。因此对于如何利用动态自适应流媒体技术实现至少需要传输两路视频流的3D网络视频服务已经越来越被关注。HAS技术的关键在于媒体质量级别的动态转换策略,主要研究了3D视频中不同视点比特率的变化对用户观看体验质量的影响。首先,建立一个主观数据库探讨块级客观质量与3D视频的视觉体验质量之间的关系,块级客观质量将随着比特率的变化而变化。其次,提出了一种基于卷积神经网络（CNN）的QoE模型,该模型可以通过块级客观质量有效地评估QoE,模型预测值和平均意见分（MOS）的皮尔森线性相关系数（PLCC）为0.906,可在自适应流媒体应用中为3D视频传输中不同视点的码率调整提供指导。      

基于同步处理的机载视频实时记录技术研究

在机载航电系统中,为了能够实时、无损地记录显控子系统传来的实时视频数据,最大程度地保留原始视频的图像质量,研究了基于多任务同步处理的机载视频实时记录技术。通过详细阐述接收任务和存储任务的设计方法以及分析两者的同步策略,直观展示了基于同步处理的机载视频实时记录技术的实现架构。同时依托多核处理器平台来设计真实的测试场景,并在实际机载嵌入式系统中部署运行,其结果证实了基于同步处理的机载视频实时记录技术的正确性。     

民航驾驶舱图像记录器相关技术和发展

近年来多起民航飞行事故的调查结果表明,飞行数据记录器和舱音记录器已无法为事故调查提供足够的情景信息,因而大大阻碍了事故调查的顺利进行。为解决这一问题,相关专家们提出在飞机驾驶舱内安装摄像头,并将捕获的视频/图像数据存储于有坠机保护能力的黑匣子中。该建议受到各国调查部门的推崇,却因飞行员的抵制而搁浅。最近几年,驾驶舱图像记录器的推广终于有了新进展。本文对驾驶舱内图像     

基于帧差和背景建模的卫星视频目标检测

传统单一的目标检测方法运用在卫星视频时不能得到理想的检测效果,特别针对一些目标纹理特征匮乏,背景变化明显的卫星视频来说适用性更差。文章提出一种结合背景模型更新的混合高斯背景建模和多帧差分的算法,通过抽取吉林一号卫星视频中某2帧的2个不同场景,对比了多帧差分法、单高斯背景建模法和本文提出的算法,较好地解决了卫星视频微小目标检测中易产生检测率低、虚警率高的问题,提高了检测的正确度、完整度和质量,在遥感卫星视频运动目标检测中具有良好的应用潜力。     

基于FPGA＋DSP线性结构的某型飞机电子侦察视频处理系统

简要叙述了FPGA＋DSP的线性处理系统结构,并以此为基础结构,设计了一种飞机电子侦察视频处理系统,并说明了该视频处理系统的基本实现方法。     

基于光照方向一致性的换脸视频检测

光照条件是视频外部成像环境的重要因素,可反映视频成像时的客观物理条件,即使采用复杂的计算机图形学模型,也难以完全反映光照的真实场景。针对大部分Deepfake换脸视频与真实视频在外部成像环境上的差异,提出一种基于光照方向一致性的换脸视频检测方法。本文利用Lambert光照模型逐帧计算待测视频的二维光照方向,通过判断整段待测视频二维光照方向的角度变化是否平滑确定视频真伪。实验结果表明该方法在公开的测试数据库TIMIT和FaceForensics⁺⁺上具有较好的检测性能,可以有效区分真实视频和换脸视频。由于不需要训练检测模型,该方法具有计算复杂度低、实时性好的优点。     

基于PoolNet显著性和SURF-VIBE模型的林火视频烟雾提取算法

烟雾的实时视频探测可用于早期森林火灾的预警,然而,由于烟雾具有飘动、扩散、闪烁等特性,通过实时视频提取烟雾区域具有极大挑战。本文根据人眼视觉注意力机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,提出了一种基于显著性检测和SURF-VIBE模型的疑似烟雾区域提取算法。首先采用一种基于PoolNet的显著性检测方法获得烟雾显著性图谱,通过VIBE运动检测算法获得视频中运动前景,并使用SURF特征匹配算法消除相机抖动等对运动前景带来的干扰,再由计算出的运动前景构造运动能量函数,对显著性谱进行估计,最终提取出疑似烟雾区域。实验验证结果表明:该算法检测准确率为91.3%,每帧检测速度为0.028 s,可用于实时视频烟雾探测。     

基于步行周期聚类的视频行人重识别关键帧提取算法

视频行人重识别旨在不同摄像头拍摄的视频中检索特定行人。但是,它面临着数据量庞大和视频数据存在时间冗余的问题,即视频数据耗费大量的存储空间且不同帧之间存在极强的相关性。因此,使用所有的帧进行识别会带来查询效率的下降,而且视频中大量的干扰和噪声也会给准确率带来不利影响。本文提出了基于步行周期聚类的视频行人重识别关键帧提取算法,首先利用行人步行时双脚距离变化的周期性规律提取候选步行周期,然后利用聚类的方法从候选步行周期中选出关键步行周期作为关键帧。最后,将该算法应用在视频行人重识别中,仅使用关键帧的信息进行识别以减少时间冗余的影响,从而提高准确率,并且在查询前对视频进行处理,减少视频数据量以提高查询效率。在视频行人重识别数据集MARS和DukeMTMC-VideoReID上的实验表明,本文算法能够减少59%~82%的视频数据量,并且累积匹配曲线Rank-1提高了1.1%~1.4%,平均精度均值提高了0.2%~5%。     

一种基于语义分析的大数据视频标注方法

提出一种基于Spark计算框架的海量视频语义标注方法。将存储在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的海量视频部署到若干计算节点上,依据分形特征实现镜头快速分割。提取样本关键帧的颜色、纹理和分形特征向量,进行元学习策略训练,进而形成视觉词典。根据视觉词典对检测视频内容进行分析,产生一系列能表征视频内容的视觉单词。根据重要程度,通过马尔科夫链按重要程度对视频的视觉单词进行排序,并将排列结果作为该视频的标注。最后,从检测正确率、平均运行时间和扩展效能方面与传统分布式计算模型进行了对比。