机场场面超分辨率视频的快速编码算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    U1433112
  • 项目类别:
    联合基金项目
  • 资助金额:
    40.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F01.电子学与信息系统
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

With the rapid development of China's civil aviation industry, the security of air port scene becomes more urgent, especially when the small and medium-sized airports lack the necessary airport apron surveillance equipments. Therefore it is necessary to develop a airport scenes monitoring system with high efficiency to meet the needs of small and medium-sized airports. Enhanced Vision System(EVS) is developed by the CAAC. The solution aims at solving the problems of airport surface surveillance based on video processing technology. The programs compress and save high-resolution video sequences in real time. Because of the feature of high-resolution and the complexity of vedio coding , fast coding algorithms in airport apron environment are in urgen needs. This project uses the current HEVC coding standards. In view of specific characteristics of airport scenes, encoding is divided into three phases as stationary, inside movement and inner coding. Inside movement phase contains two states of leaving and arrival. By studying the distribution of units,modes and partitions in these regional and state units, and combined with temporal degree and spatial degree to predict the possibilities of units,modes and partitions. At the end of the project, we study the conditions needed for early termination corresponding to various regions and states. Results show the algorithmn can improve encoding speed which would promote the applicion of the system in the small and medium-sized airports..
随着我国民用航空的快速发展,机场场面安全保障的要求愈加迫切,尤其是中小型机场还缺乏必要的机场场面监视设备。因此有必要开发一套能满足中小机场场面监视需求,同时具有高性价比性能的场面监视系统。增强视景监视系统(EVS)是民航二所研发的用于解决机场场面监视问题的基于视频处理技术的专业解决方案,该方案对超分辨率视频序列进行实时压缩和保存,由于视频序列分辨率很大并且视频编码复杂,迫切需要研究基于机场环境的超分辨率视频的快速编码算法。本项目采用HEVC编码标准,针对机场场景的功能特性,编码时分割为静止、运动内部和内部编码三种区域,运动内部又包含起飞和达到两种状态。研究这些区域和状态的单元、模式和划分的分布规律,然后对各个区域和状态结合时间和空间相关性程度预测单元、模式和划分的可能性程度,最后对各个区域研究相应的提前终止判断条件。该算法的研究成果可以较大地提高编码速度,而推动整个系统在我国中小机场的应用

结项摘要

随着我国民用航空的快速发展,机场场面安全保障的要求愈为迫切,尤其是中小型机场还缺乏必要的机场场面监视设备。因此有必要开发一套能满 足中小机场场面监视需求,同时具有高性价比性能的场面监视系统。增强视频监视系统 (EVS)是民航二所研发的用于解决机场场面监视问题的基于视频处理技术的专业解决方案,该方案对超分辨率视频序列进行实时压缩和保存。而项目主申请单位清华大学深圳研究生院和民航第二研究所共同协作,主要研究内容是针对视频内容进行如下处理:一、高效视频编码即HEVC下视频编码技术,2、 机场场面的场景识别,如飞机起飞、降落和静止区域等,从而对不同场景的视频进行处 理和高效视频压缩;三、对各区域的目标进行识别和监控。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(8)
专利数量(6)
基于卷积神经网络的多标签图像自动标注
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    黎健成;袁春;宋友
  • 通讯作者:
    宋友
Nuclear Norm-Based 2DLPP for Image Classification
用于图像分类的基于核规范的 2DLPP
  • DOI:
    10.1109/tmm.2017.2703130
  • 发表时间:
    2017-11
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Yuwu Lu;Chun Yuan;Zhihui Lai;Xuelong Li;Wai Keung Wong;David Zhang
  • 通讯作者:
    David Zhang
Projective robust nonnegative factorization
投影鲁棒非负因式分解
  • DOI:
    10.1016/j.ins.2016.05.001
  • 发表时间:
    2016-10
  • 期刊:
    INFORMATION SCIENCES
  • 影响因子:
    8.1
  • 作者:
    Lu Yuwu;Lai Zhihui;Xu Yong;You Jane;Li Xuelong;Yuan Chun
  • 通讯作者:
    Yuan Chun

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

发热伴血小板减少综合征患者病情严重程度关联因素分析
  • DOI:
    10.13705/j.issn.1671-6825.2020.08.141
  • 发表时间:
    2021
  • 期刊:
    郑州大学学报(医学版)
  • 影响因子:
    --
  • 作者:
    王博昊;易志杰;黄雨馨;袁春;李懿;贺志权;田诚;陈艳萍;王海峰;马红霞;郭万申;黄学勇
  • 通讯作者:
    黄学勇
74例发热伴血小板减少综合征临床特征分析
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    天津医药
  • 影响因子:
    --
  • 作者:
    贺志权;袁春;崔宁;黄学勇;杜燕华;李懿;苏佳;许汴利;郭万申
  • 通讯作者:
    郭万申
脑白质疏松与认知功能障碍
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    中国卒中杂志
  • 影响因子:
    --
  • 作者:
    石庆丽;韩利坤;黄恩雨;袁春;王春雪;张玉梅
  • 通讯作者:
    张玉梅
一个新的甲醇氧化简化化学动力学机理
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    燃烧科学与技术
  • 影响因子:
    --
  • 作者:
    刘训标;袁春;王刚;廖世勇
  • 通讯作者:
    廖世勇
利用可分离卷积和多级特征的实例分割
  • DOI:
    10.13328/j.cnki.jos.005667
  • 发表时间:
    2019
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    王子愉;袁春;黎健成
  • 通讯作者:
    黎健成

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

袁春的其他基金

机场场面监视中复杂目标检测与实时跟踪关键深度学习技术研究
  • 批准号:
    U1833101
  • 批准年份:
    2018
  • 资助金额:
    38.0 万元
  • 项目类别:
    联合基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码