融合带宽范文

融合带宽范文（精选3篇）

融合带宽 第1篇

1 Mean Shift目标跟踪算法

Mean Shift目标跟踪算法首先需要确定目标区域,然后初始化目标模型,计算核函数加权的颜色直方图概率分布,以及每一帧中计算候选区域目标模型的直方图分布;计算目标模型和候选模型的Bhattacharyya相似性系数,求得最大相似度的Mean Shift向量,并不断迭代,最终收敛到目标的真实位置。

1.1 目标模型

假设目标区域的中心为x0,xi表示第i个像素点,n为目标区域的像素数,目标模型的概率分布为

undefined

式中:C是常数,使undefined,即undefined,k( )为核函数的轮廓函数。在本文中,核函数为Epanechnikov核函数(见式(2)),h表示核函数的带宽,决定了候选目标的尺度,σ( )是Kronecker delta函数,是特征值μ=1,2,,m。k(x)函数为

undefined

1.2 候选目标模型

候选目标区域以y为中心,核函数的轮廓函数和目标模型相同,候选目标的概率分布为

undefined

式中:xi表示第i个像素的位置,Ch为归一化系数,undefined。

1.3 Bhattacharyya系数

目标模型和候选目标模型对应的颜色直方图的相似性用Bhattacharyya系数来衡量。Comaniciu[2]论述了Bhattacharyya系数优于其他的相似性函数,其定义为

undefined

式中:ρ(pu(y),qu)的值越大,表示越匹配,使其最大的候选目标区域即是当前帧中目标的所在位置。对其泰勒级数展开求导为零,推导出Mean Shift向量为

undefined

式中:y0是前一帧中的中心位置,不断迭代,计算出最终位置为

undefined

2 改进的Mean Shift目标跟踪算法

2.1 背景和运动区域的颜色特征

结合式(1)和式(3),分别可以得到边缘特征的目标模型分布和候选目标模型分布

undefined

undefined

式中:undefined,undefined。颜色特征的相似性系数为

undefined

2.2 边缘特征

首先对图像进行色彩空间变换,转为灰度图像,然后用Canny算子进行边缘检测。当目标区域和背景的颜色很接近时,颜色特征就达不到理想的效果,边缘特征却很适用,公式为

undefined

式中:Gh(x,y),Gv(x,y)分别是水平和垂直梯度分量,为了降低噪声对边缘检测的影响,引入阈值T,得到

undefined

结合式(1)和式(3),分别可以得到边缘特征的目标模型分布和候选目标模型分布为

undefined

undefined

式中:undefined,undefined。 边缘特征的相似性系数为

undefined

2.3 特征融合相似度

不同情景下颜色特征和边缘特征对跟踪效果的影响是不同的,需要综合考虑二者的偏移值y1c和y1e,进而得到下面的公式

y1=γcy1c+γey1e (15)

式中:undefined,undefined,γc+γe=1。y1c和y1e分别是单独用颜色特征和边缘特征计算出来的目标位置,γc和γe分别是相应的权重,所以当场景不同时,影响较大的特征其计算出来的位置也具有较大的权重系数。

2.4 目标模型更新

运动目标的旋转、背景变化和光照变化等,候选目标模型的颜色特征和目标模型的颜色特征相似度会越来越小,并导致跟踪失败,对目标模型进行更新可以有效避免这种情形。本文尝试在对核函数带宽进行自适应更新的同时,对目标模型进行更新,不过没取得明显效果。本文采用的更新方法是当Bhattacharyya系数大于0.95时,对颜色特征和边缘特征进行下面的更新

undefined

式中:t表示第t帧,α代表更新速度,本文中取值0.1。

2.5 跟踪窗口更新[2]

hprev是前一帧的核函数带宽,以hopt=hprev,hopt=hprev+Δh和hopt=hprev-Δh,Δh=0.1hprev,计算这3个窗口下的候选目标模型和目标模型之间的Bhattacharyya系数,取最大系数的hopt,通过下面的公式来更新带宽

hnew = βhopt + (1-β)hprev (17)

式中:更新速度β取值0.1。

3 实验结果

利用Visual Studio 2008在Windows XP,Intel Pentium Dual 1.8 GHz,1.5 Gbyte内存机器上用C语言对经典Mean Shift算法和上述算法进行实验,采用CAVIAR序列[7]中的视频序列,在第510帧时选取目标,选取3434大小的窗口,取出4帧图像,分别是第512,718,824和918帧。经典Mean Shift算法的结果见图1,融合边缘特征的改进算法的结果见图2,融合边缘特征的核函数带宽自适应算法的结果见图3,融合边缘特征的目标模型自适应更新、核函数带宽自适应算法的结果见图4。对比图1和图2,经典Mean Shift算法逐渐偏离目标的真实位置,改进算法跟踪得非常准确,在第912帧时,目标颜色特征和背景颜色特征非常接近,经典Mean Shift算法已经跟踪失败,而融合颜色、边缘特征的改进算法依然准确跟踪目标,具有非常好的稳健性。通过对比图3和图2可以看到,核函数自适应算法由于少了背景信息的干扰,能更精确地跟踪目标。

图5～图7的横轴表示帧数,纵轴表示Bhattacharyya系数,从图5可以发现,在目标背景边缘特征不明显的情景下,边缘特征的Bhattacharyya系数远大于颜色特征的系数。一方面由于边缘特征的存在,另一方面,由于核函数自适应消除了多余的背景,所以从图6可以看到改进算法的Bhattacharyya系数明显高于经典算法。通过图4和图7不难发现,在本文算法的基础上,对目标模型进行更新,其Bhattacharyya系数比本文算法更趋平稳,但跟踪效果在很多地方却没有本文算法更新得准确。

4 结论及展望

基于颜色特征的Mean Shift算法容易在目标颜色特征和背景颜色特征相似的情形下失效,本文在前人提出的融合边缘特征的基础上进一步进行了核函数带宽自适应的研究,取得了不错的效果,使得跟踪效果更精确。对目标模型进行更新的效果不是特别好,将在今后进一步探索在保证跟踪效果的前提下如何对目标模型进行有效更新。

摘要：传统Mean Shift跟踪算法在目标颜色特征和背景颜色特征相近、尺度变化等情景下效果不理想。提出了一种特征融合且核函数带宽自适应的改进跟踪算法,针对颜色直方图容易受背景区域影响,融合了边缘直方图,并对核函数带宽进行自适应更新。另外,对目标模型的更新进行了相关探索并给出比较结果。结果表明,该算法可以对目标实现更稳定的跟踪,对目标颜色和背景颜色相近、尺度变化等场景具有很好的适应性。

关键词：目标跟踪,Mean Shift,颜色直方图,边缘直方图,核函数带宽

参考文献

[1] CHENG Y. Mean Shift, mode seeking and clustering[J]. IEEE Trans. Pattern Analysis and Machine Intelligence,1995,17(8):790-799.

[2] COMANICIU D,RAMESH V,MEER P. Kernel-based object tracking[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(5):564- 577.

[3] BABAEIAN A,RASTEGAR S,BANDARABADI M,et al. Mean Shift-based object tracking with multiple features[C]//Proc. 41st Southeastern Symposium on System Theory,2009. Tullahoma,TN:[s.n.],2009:68-72.

[4] ZHANG Xiang,DAI Yuanming,CHEN Zhangwei,et al. An improved Mean Shift tracking algorithm based on color and texture feature[C]//Proc. 2010 International Conference on Wavelet Analysis and Pattern Recognition (ICWAPR).Qingdao,China:[s.n.],2010:38-43.

[5] COLLINS R T. Mean-Shift blob tracking through scale space[C]//Proc. 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.[S.l.]:IEEE Press,2003:18-20.

[6]YILMAZ A.Object tracking by asymmetric kernel Mean Shift with auto-matic scale and orientation selection[C]//Proc.IEEE Conference onComputer Vision and Pattern Recognition,2007.[S.l.]:IEEE Press,2007:1-6.

融合带宽 第2篇

助力广电三网融合

2013年将是UHD电视的元年!UHD TV的出现将彩电厂商的重点再次挪到电视的本质, 即画质上来, 技术的更迭不仅为消费者带来更加清晰的临场感和沉浸式体验, 也将为电视行业带来新的市场增长点。

近些年, “三网融合”成为整个通信行业最大热点之一。三网融合包含业务融合, 终端融合, 网络融合等诸多方面。三网融合是个循序渐进、逐步完善的过程。其中, “网络”的融合作为三网融合的根基所在, 至关重要。上海贝尔遵循广电网络建设“高起点、高水平、高效益”的指导思想以及业务牵引、突出重点、统筹规划和分段实施的原则, 在原有三重播放业务架构的基础上, 提出高效能网络 (High Leverage Network) 的演进解决方案。从接入、汇聚、边缘、核心等各个层面实现广电网络技术的端到端提升, 为广电打造一张高性能、高可控的多业务承载网络, 为整个“三网融合”奠定基石。

高效能网络解决方案为广电提供端到端整网平滑升级改造和融合的最佳路径。在接入侧, 利旧现有同轴电缆, 提供双向、高带宽的无阻塞接入, 满足用户各种业务的体验;在边缘汇聚, 融合的边缘网关实现统一的用户管理;核心层面, T比特级的核心路由器以及基于贝尔实验室创新技术的100G长距传输, 提供面向未来的流量承载, 充分满足广电各个阶段业务发展的需要。

融合多种接入技术

首先, 在接入侧, PON+Eo C解决方案, 光纤更靠近用户, 海量带宽轻松获得。作为第三代具有应用使能机制的OLT系统, 7360 ISAM FX可满足多种接入技术融合的要求, 支持包括GPON、EPON、10G GPON、10G EPON、P2P (点到点) 等多种接入技术。同时, 该款OLT可提供更强大的处理能力、更高密度的线卡和端口, 每槽位最多可提供16个PON口, 单机框最高可提供256个PON口, 每槽位带宽高达160Gbit/s, NT矩阵交换能力高达2Tbit/s, 都是业界首屈一指。同时该平台, 配备内置OTDR功能, 支持高效经济的接入网网络运维。此外, 7360 ISAM FX设备内嵌AE业务使能处理芯片, 为广电不断提供创新的商业模式。上海贝尔Eo C解决方案是采用低频调制, 基于Home Plug AV技术的Eo C接入方案。可通过局端设备接入CATV信号和IP数据信号, 输出混合信号到同轴电缆分配网, 配合Eo C终端设备 (CNU) , 组成最后一百米高速互联接入网解决方案。该方案可以实现有线电视用户宽带接入的同时, 便于进行有线电视网络宽带、双向化改造, 有效发挥有线电视网频带宽、成本低、易普及的优势。

打造高效灵活的光传送

在传送层面, 未来广电网络主要承载高清电视、数字音频节目、新型互动节目、高速数据接入和话音等“三网融合”业务, 无论是从更大容量颗粒度、Qo S能力、还是数据处理能力上都提出了全新的承载需求, 上海贝尔端到端高效能传输网络解决方案是针对广电现网的实际情况, 从新技术、优化的网络层次的角度为广电打造一个全新的、安全可靠、高效灵活的下一代光传送网络。

在国家干线以及省内干线, 100G高速波分系统的应用将会成为主流。上海贝尔100G 1830 PSS相干光波分平台, 最先选择了业界优选的100G调制格式PDM-QPSK, 将波特率减半至25~28G, 实现2bit/Hz的几无损伤的传输。通过采用相干光检测技术并配合采用贝尔实验室独创的DSP独特算法、以及一流的FEC纠错技术, 有效提高光信噪以及接收端灵敏度, 抑制系统各种非线性效应, 在大大提高系统整体传输性能的同时, 也确保了网络从10G向100G的平滑演进。在城域网络, 我们建议采用OTN+PTN的方式建设城域网。

在汇聚接入层, 分组化趋势日臻显著, 分组内核的PTN技术已是业界普遍认可的主要的技术选择。而在核心层面, 传统Gbit级别的容量将成为主要的带宽瓶颈, 需要更大容量的Tbit级别的业务处理能力、以及更灵活的调度交换能力。上海贝尔端到端1850 TSS PTN解决方案, 全系列产品全面覆盖核心层到接入层, 2005年发布全球首款PTN设备, 目前已在国内外各大运营商网络中得到广泛的部署。

构建差异化IP网络

在业务控制层面, 我们将“尽力而为”的单一服务转变为每用户/每业务可控的差异化服务随着公众用户的VOIP话音和视频 (如IPTV) 类新型宽带业务融合到IP网络的需要, IPo E的承载模式比PPPo E更加适合这样的业务需求, 同时面向多业务的双向层次化Qo S对网关设备提出了更高的控制能力要求, 传统BRAS上对单一Internet上网业务的简单的QOS机制以及性能的限制已不能满足要求。宽带网络论坛的TR101架构提出了网络边缘业务控制设备从单一支持PPPo E的设备 (国内运营商主要为BRAS) 向宽带网络业务网关-BNG设备 (同时支持PPPo E和IPo E) 演进。7750 SR是一款真正意义上的BNG设备, 能够同时支持PPPo E和IPo E, 打破了传统SR和BRAS的设备差异, 从硬件上统一用一台设备实现了BRAS和SR的所有功能。

除此之外, 上海贝尔提供下一代IP核心路由器平台, 7950 XRS。该系列路由器平台体积小、效率高, 是面向未来的平台。作为该系列的旗舰产品, 7950 XRS-40支持高达32Tbit/s的交换容量, 整机可支持多达160个100GE端口, 其端口密度是当前常规核心路由器的5倍, 7950 XRS的背板及光接口被设计成可支持2Tbit/s的单槽容量和支持多机箱集群, 使得整个平台在未来最大可扩容至240Tbit/s, 并且支持400GE和1Tbit/s等超高速接口。依托最新的芯片技术 (FP3) 及先进的系统设计, 7950 XRS将能耗降低至仅需1瓦/Gb。使用7950 XRS将100G甚至400G, 1000G等高速链路引入到IP传输网络中, 将大大推动和简化核心网络演进, 从而帮助运营商轻松地应对日益增长的客户需求。

广泛部署NGB项目

融合带宽 第3篇

和Infiniium 90000 X系列示波器一起推出的最新测试探头可提供30 GHz的点测探头附件, 其它附件则具有28GHz的带宽, 若一开始仅购买16GHz带宽的探头, 工程师可在未来任何需要的时刻将他们升级到更高的带宽。此外, 90000 X系列示波器提供了40多个针对特定测量的应用软件包, 包括抖动分析、InfiniiScanPlus触发、雷达脉冲信号分析工具以及完整的一致性认证测试套件。

从事高能物理、新兴有线通信标准和高速串行数据链路 (例如USB、SAS、PCI Express) 相关工作的工程师经常需要使用示波器捕获快速或偶发事件和单次事件, 并进行关键的测试与测量 (例如抖动测试) , 从而确保产品符合行业互操作性标准。由于数据传输速率有望在未来数年内突破10Gbit/s, 因此工程师对于示波器带宽的要求越来越高。