基于异常检测与双流编码的视频监控系统设计

介绍了一种基于异常检测与双流编码的无线智能视频监控系统的设计方案。该系统首先基于对采集视频的分析,实现非法入侵等异常事件的自动检测,同时通过对同一路视频采用两个编码器进行双流编码,产生两路不同质量和码率的视频流。在此基础上,基于异常事件检测的结果,在有异常事件时触发高质量图像的本地保存和低码率图像的实时无线传输。在蜂窝网络的有限带宽下,该系统在同时实现视频监控所需的实时浏览和事后调阅功能基础上,通过异常事件检测触发存储与传输,实现了无线带宽资源和存储资源的高效利用。

基于双流增强编码和注意优化解码的图像篡改定位算法

主流图像篡改定位方法通常通过简单操作融合不同流的不一致特征,导致特征冗余且篡改区域的像素误检。基于此,本文提出基于双流增强编码和注意优化解码的图像篡改定位框架。首先,提出双流增强编码分别对图像和频域特征进行基于噪声和通道注意力的自增强和基于特征映射的交叉注意权重的交互增强。随后,引入多级感受野策略探索多尺度上下文信息,设计邻阶特征聚合模块融合多尺度相邻特征。最后,利用篡改区域和非篡改区域协同增强模型的篡改定位能力,提出注意优化解码模块,消除初始篡改区域预测中边缘像素的错误预测,逐步精确细化篡改定位。在4个主流公共基准数据集NIST16、Coverage、Columbia、CASIA和两个现实挑战数据集IMD20、Wild上与主流篡改定位方法进行对比,本文算法在无微调模型和微调模型两个设置下,在6个数据集上的性能最优,证明本文提出的篡改定位网络能够充分利用多种篡改线索,在不同的篡改数据集上实现篡改区域的有效定位,具有更高的定位精度和更强的鲁棒性。

基于记忆引导双流时空编码网络的视频异常检测

由于监控视频异常事件的不可知性和异常环境的复杂性,视频异常检测备受关注。当前,视频异常检测往往利用无监督的方法获取视频信息,但在特征提取过程中缺乏时空信息的获取,导致时空特征不一致的问题。为此,提出一种基于记忆引导的双流时空编码器网络(MSTAE)模型,设计了一种双流时空特征提取网络,分别以连续的视频帧序列和光流图为输入,空间流获取视频的运动特征,时间流获取视频的时序特征,同时,引入注意力机制改进编码器,降低因数据冗余导致的风险误差。在3个公开标准数据集(Ped2、Avenue和ShanghaiTech数据集)上进行了广泛的实验,结果表明,模型的AUC精度优于目前大多数的方法。

一种抗金属伪影干扰的双流自注意力分割网络

金属伪影导致计算机断层扫描(computed tomography,CT)影像质量降低,针对金属伪影严重干扰CT影像分割结果的问题,提出了一种抗金属伪影干扰的分割网络。该网络采用复合连接的双流编码器结构,双主干分别对受干扰和未受干扰的CT影像进行特征提取。复合连接结构整合了两条主干上编码器提取的特征。设计了基于Transformer的焦点自注意力(self-attention,SA)机制模块提升网络对全局多尺度信息的编码能力。混合损失和辅助监督被用于优化网络的训练过程。实验表明,该网络在金属伪影干扰下分割结果的平均Dice系数、MIoU和Recall分别为86.40%,93.11%和90.76%。该网络在面向CT影像语义分割时具有很好的抗金属伪影干扰效果,无需伪影去除的情况下可获得较高的分割精度。

基于云技术的远程信号传输系统设计

在高山台站，信号一般借助微波与光纤同步传送。由于微波易受冰灾等极端气候影响，信号出现中断，而光纤也容易受土建开挖、山火、偷盗等影响而中断，其中任一种中断时，另一种方式就不可或缺：加之不能在短暂时间内修复，单一的传输方式给安全播出带来隐患。尤其是在宣传特护期以及极端自然灾害时，