监控视频编码的基于块的全局和多参考方案

提出了一种利用多个图像特征的曝光过度区域检测学习算法。该算法利用像素的亮度和颜色特征以及光的新特征-色度和边界邻域来构造特征向量。 采用L2正则化的一次逻辑回归方法获得最优分类器mod-e1。 实验结果表明，与直接强度阈值法和其他基于亮度和色彩特征的方法相比，该算法在区域连通性方面能更好地检测出过度曝光区域。

Windows环境，谷歌浏览器，根据示例配置好参数即可实时查看视频，文件包里有已修改好的示例，页面内配置好参数打开页面后自动登录、打开播放控件显示视频实时视频画面。

由于目前监控视频所拍摄的人脸图像目标较小、难以辨识, 图像超分辨处理已成为亟待解决监控视频图像实际应用问题的技术和手段。提出了一种针对室外监控视频人脸图像的超分辨技术,利用先验知识设置图像训练集, 并进行图像空间转化、去噪等预处理操作; 设计八层卷积神经网络并对各层类型及连接方式进行设定, 同时设定激活函数类型及各层间传递方式函数; 初始化参数并根据训练集训练网络; 根据损失函数反向调整卷积核和偏置参数, 完成图像输出。经过大量实际监控视频图像测试, 并将本文方法和现有其他方法做对比, 实验结果表明,本文方法在图像超分辨效果和处理速度上均有一定的优势。

Unity 流媒体播放插件：https://blog.csdn.net/qq_26318597/article/details/100700315

使用videojs和vue-video-palyer两种方式实现视频播放，监控播放。

视觉跟踪技术作为计算机视觉领域的热门课题之一，是对连续的图像序列进行运动目标检测、提取特征、分类识别、跟踪滤波、行为识别，以获得目标准确的运动信息参数（如位置、速度等），并对其进行相应的处理分析，实现对目标的行为理解。 视觉跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。

视觉是人类认知世界的重要途径之一，人类获取外部信息的80%来自视觉系统。计算视觉就是在了解人类视觉基础上，用成像系统代替人类视觉器官，用计算级代替人脑完成对输入图像的处理与理解。同时，随着信息技术与智能科学的发展，计算机视觉是人工智能领域热门学科之一和物联网感知层重要技术之一。

基于android系统的视频监控程序源码，亲测可用！Android实时采集视频流推送到后台观看。

海康网络摄像头 通过WEB访问海康网络摄像头在线展示监控视频