计算机网络技术在视频监控联网中应用探究

《计算机网络技术在视频监控联网中应用探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、计算机网络技术在视频监控联网中应用探摘要：近几年中，网络技术不断发展，并广泛运用于安防领域中。当前安防技术，正朝着数字化、集成化及网络化方向发展中。无论在经济发达沿海城市，亦或是有待开发西部各大城市，监控系统已经遍布每一建筑、小区，甚至是每一个广场与路口中。本文从网络技术相关背景出发，详细分析了计算机的网络技术对于视频监控中的联网技术，并分析了其在日常生活中的具体运用。关键词：计算机；网络技术；视频监控中图分类号:TP277随着当前中国的经济日益发展，人民的生活条件及水平也在不断得到提高，计算机联网技术及视频联网

2、技术等，以及进入到一个快速发展的时期。而就另一方面来说，当前国内外的恐怖活动日益猖撅，突发事件地不断发生，促使现在国民的安防及自我保护的意识也随之不断得到加强，这些都促使安防行业需求空间进一步提升。1计算机网络技术相关背景分析当前学校操场、教室中，银行的营业厅、储蓄所、金库及取款机等，社会治安监控，车站、机场及高速公路，大型超市、商场、购物中心，库房、生产线及厂区监控中，为维持这些部门的正常运转，许多工作都需要采取远程监控的方式。计算机的网络技术普及，为当前视频监控工作提供重要的技术支撑，大型视频监控的联网系统迅

3、速在全国各地建设起来不同部门中监控联网的系统虽然差别很大，然而它们存在最基本共同点，也就是通过计算机的网络技术做支撑。计算机的网络可分成局域网、广域网这两种，网络基本单元为节点，不同节点都为一个完整且独立单元，可独立工作。而当许多节点连接在一起时，就可以实现数据通讯及资源的共享，构成一个有机联合的网络。视频监控的联网系统中，通常采用的是很清晰的上下级树型架构，所有节点皆为可独立进行工作的监控系统。2网络在视频监控系统中的技术分析2.1数字视频的压缩技术分析视频监控的过程中，首先应当存储数字视频的所有数据，然而因为

4、没有经过压缩，存储量相对巨大。所以，建设监控联网系统时，在进行数据存储的流程时，需要对数据进行检索，并确保在数据的上传、下载顺利完成基础上进行。如果数字视频没有事先进行压缩，这项工作就很难顺利完成操作。2.2视频监控联网系统中的传输技术分析视频监控的联网系统中，广域网的网络环境和局域网的网络环境中，数据的传输操作存在许多问题。这些问题，包含定序的数据包、视频数据的同步和传输、音频、视频编码的数据包能否得到可靠高效的传输等，此外还包含实时数据的解码、无延迟、低延迟数据的传输、低码率数据的传输等等。其实，除了这些问题

5、以外，还需要充分的考虑其他传输网络压力，只有这样才能避免当存在较多用户时网络环境会加剧网络的承载压力。因而，视频传输的过程中，为确保网络传输实效性，可以采取IP的组播技术及QOS的控制技术等。因而，为进一步促使网的传输水平提高，需要不断提升视频数据的信息传输效率，以确保监控系统质量［1］。2.3监控数据的存储与检索技术分析为确保视频监控的系统质量，还必须完善视频数据的信息存储及检索方案。只有视频数据的信息可以得到大规模有效存取，才可以为日后的工作开展奠定有效的基础。而有的时候，数据信息存储量非常庞大，只是通过手动

6、的检索方式,很难完成这巨大的检索工作量。同时，手动的检索方式存在一定风险，容易出现错误，并增强检索工作人员的工作量，且对于视频监控的系统建立不利。因此，还需要完善数据的检索查询技术。只有这样才可以确保计算机的各流程顺利完成。2.4监控现场的物体识别及跟踪技术分析随着当前科技迅猛的发展，视频监控的联网系统也得到不断的完善与发展。视频监控的联网系统增加了许多新功能，如计算机的智能识别、跟踪功能；自动影响与捕捉功能等，这些功能可以自动识别并监控变化中的人与物，同时可以适时锁定，并追踪特定监控对象。同时，将监控信息数据通

7、过网络技术，及时进行传输与存储。通过这些功能，可以促进监控识别的准确度、监控效率、实用性等进一步提升。首先，可以对运动目标进行分类。视频监控的场景差异很大，运动目标变化区域也是存在差异的。如风吹过的树枝、行人、电梯上下的人群、车辆、云彩等，在视频监控过程中变化轨迹也不一样。可以通过视频监控的联网系统，准确进行分析与预测，并加强对于运动中的人与物的监控，从而准确给运动目标分类。通过运动的特性分类、形状数据分类及时间共生的矩阵井下分层进行分类，都是计算机视频监控联网系统中，经常使用的分类方法。其次，通过视频监控联网系

8、统，可以对运动目标展开有效跟踪。针对运动目标速度、位置、位移及色彩等因素，加强对于连续视频监控的图像帧间管理。如动态的贝斯网络、卡尔曼滤波等技术，都是最常使用的计算机技术。最后，是进行行为的理解与描述。在物体运动模式的识别与描述时，以典型行为作为预先标注基础，针对于测试序列等采取理解及描述，不断匹配。如马尔科夫、神经网络等模型、动态实际的规整技术等，都是普遍运用的匹配方法