[01244872]视频监控大数据的自适应感知方法研究

视频构成非结构化数据的最大部分，是最具挑战性的大数据类型之一。在视频监控大联网、高清化和4K超高清化趋势推动下，视频监控大数据规模以更快指数级别增长。

由于视频监控的数据规模大，必然需要耗费很高的数据压缩率、很大的传输带宽和很大的存储空间，所以视频监控大数据的存储和传输就成为一个瓶颈问题。目前视频编码研究大都是在H.264/AVC标准的基础上添加新技术提高编码效率，以有利于视频的存储或传输。

针对监控视频大数据存在的海量视频、难于存储和传输以及编码复杂度高的问题，开展了监控视频的自适应感知方法研究。首先，基于视频图像的二维稀疏变换，提出了一种视频或图像的稀疏性定量估计方法。同时，基于块匹配运动估计技术，提出了监控视频场景内容变化特性的一种定量检测方法。进而，根据稀疏性和场景内容变化特性的检测，实现了监控视频自适应压缩采样与CS量化编码。最后通过多级预测并行重构完成视频的高精度快速重构。

项目研究过程中解决了两个主要问题：视频自适应压缩采样以及快速高精度重构。监控视频自适应压缩感知实现成本低、数据量少、存储和带宽需求低，是解决MVV系统海量视频存储与传输瓶颈的有效方法。

这些研究成果将在自动驾驶、远程医学诊疗、无线多媒体传感器网络、视频监控系统、军事监控等领域有重要应用。