IP 视频摄像机的新曙光,解决低照性能难题

发布时间:2016-07-26 阅读量:970 来源: 我爱方案网 作者:

【导读】近年来,视频监控开始普遍应用于安防系统的各个大大小小的家庭,大到公安系统,小到家庭监控,都可以见到IP 视频摄像机的身影。然而视频清晰度不高也是IP 视频摄像机积蓄解决的难题,本文介绍TI新方案,专门应对这种低照性能难题。

视频摄像机技术的最新发展,尤其是低照降噪技术的发展,不仅增强了构成视频流的单幅静态影像或帧的质量,而且还可增强构成每帧的单个像素的保真度。改进的滤波技术支持三维工作,可消除低照视频流中的视觉异常,让影像清晰锐利。采用强大实时处理器、配备高级压缩算法的摄像机在低照条件下通常比人眼更敏锐。


理想的解决方案就是增强IP 摄像机的低照性能,使之能够在较低光线下实现更高的工作效率,提供清晰锐利的影像。

下列影像中,一个采用低照性能增强技术,另一个则没有。它们可清楚地说明这些技术增强视频监控系统等应用效果的方法。

IP 视频摄像机的新曙光,解决低照性能难题
图1:未采用低照性能增强技术拍摄的视频影像

IP 视频摄像机的新曙光,解决低照性能难题
图2:采用低照性能增强技术拍摄的视频影像

造成IP 摄像机在低照条件下影像质量下降的元凶是“噪声”。或者说是摄像机因低照条件而不当纳入影像的无关信号数据。这些摄像机信号处理中的伪像或异常数据可导致视频流质量降低、影像模糊、清晰度下降。要改善工作在低照环境中的视频IP 摄像机影像质量,需要
尽可能多地消除这种噪声。通过提高视频数据流的信噪比(SNR),摄像机可提供更加清晰的影像。噪声降低后,来自场景中实际对象的信号会增强,视频影像更清晰。噪声有几个明确的来源,每一个都必须进行某种程度的处理。

颗粒噪声

颗粒噪声理所当然来自可见光子命中视频摄像机传感器的命中率的波动。命中传感器像素的光子数量围绕与像素照度成比例的一个平均速率随机变化。

固定图形噪声

固定图形噪声由构成IP 摄像机传感器像素的小幅变动造成。每个像素在被可见光子命中时的反应不同。这些差异可能来自像素及色彩滤波器的差异,也可能来自连接像素的电路的差异。读出噪声视频摄像机光传感器采集的模拟信息必须转换为数字数据,以便摄像机处理。这项工作由模数转换器完成。读出该转换过程不完全性带来的噪声。

消除或过滤低照视频流的噪声有两种基本方法。第一种方法为空间滤波。这种方法沿着构成显示屏影像的二维、高、宽进行。第二种方法为时间滤波,可为视频流中还存在的时间增加第三维。

空间滤波

视频流由按时间顺序播放的独立静止影像或帧构成。实时视频流通常每秒显示30 帧。不过如果不要求实际动作的逼真性,也可实施其它显示速率。空间滤波是一种算法分析,独立对每帧进行检查,沿影像X 轴和Y 轴进行每像素比较,发现噪声并予以清除。

时间滤波

时间滤波算法可将时间维加入分析。这种方法不像空间滤波那样,对整个帧进行检查,而是按时间维分析每个像素。即将每个像素与后一个帧对比,判断是否有噪声存在。如果某个像素的运动方式非常类似于噪声,就予以清除。时间滤波比空间滤波更复杂,因为视频流往往
包含运动,比如物体移动或者某人走过摄像机视野。时间滤波不但必须能够分辨出摄像机需要观察的真实运动,将其保留在视频数据流中,同时还应发现像素中任何类型可能为噪声的异常运动,将其清除。为达到该目的,已经开发出两种方法,即动作自适应法和动作补偿法。

动作自适应法

可尝试确定物体动作发生的视频流区域。保留这些区域中的信号发送,其中包括这些区域中可能出现的任何噪声。分析影像其它部分的移动像素,判别是否是噪声,如果是就清除。

动作补偿分析法

比动作自适应法复杂得多。动作补充分析法将先建立基准帧,以便对物体移动形成的运动像素进行时间滤波。如果运动分析正确,动作补偿法与动作自适应法相比能够去除移动物体上更多的噪声。但动作分析在低照条件下形成的高噪声水平上容易出错,因此
可能会无法去除噪声并产生烦人的伪像。

能够在低照环境下采集高质量视频的IP 摄像机在多种应用中均具有极高的效率,尤其是在安全监控系统中,其通常在低照环境下工作,并采用可能进一步降低视频所含信息等级的压缩功能。

所有IP 摄像机均使用某种形式的视频压缩,常使用H.264 高端类(HP) 编解码器获得一流的压缩效率。视频压缩会导致信息丢失。要让压缩视频保持可接受的质量,比如能够识通过灯光昏暗街巷的轿车车牌或其驾车员面部,应让压缩视频位速率尽量保持为高。但是,存
储量及所需备份时间制约着低成本视频压缩的位速率。

高噪声视频要达到要求的视频质量,需要压缩更多的数据,因而需要更大的存储,进而可增加设备成本。如果不能增大存储,就应减少备份时间,让压缩视频保持可接受的质量。同样,如果必须跨网络传输视频,且带宽有限,更少的高噪声视频可以在可用带宽的限制范围内
以更高质量传输。这对在民宅中使用尤为重要,因为这里有多个Wi-Fi 热点争夺少量的可用频谱。H.264 等压缩技术依赖多视频帧之间的一致性来压缩所包含的信息。

噪声会造成多种帧的高度不一致性,需要更多的数据才能压缩压缩视频信息。良好的低照技术可消除不一致噪声,使用更低位速率实现可接受的视频质量。IP 摄像机的安全系统操人员可记录更高质量的视频,延长备份时间,降低存储成本或使用不变的存储容量。另外,监控低照户外门的IP 摄像机安全系统的操作人员,还可能考虑安装更多的外部照明设备来改善该区域的照明,进而提高视频流质量。由于具备低照性能的摄像机可补偿照明条件,因而无需其它照明。这样可以不必安装新的电线电灯,只需采用具备优异低照性能的IP 摄像机替代原来的安全摄像机即可。此外,还可完全避免因安装更多外部照明而产生的增量电力成本。当前许多高级监控系统还整合了自动安全分析流程,其可进一步处理视频流,为负责监控的系统操作人员带来辅助功能。这些分析功能在处理更清晰、更高清晰度的视频流时效率更高。更好的安全分析可减少操作安全监控系统的人力资源。

为了解决现在视频监控的这些问题,TI开发了低照性能解决方案。

TI 低照性能解决方案

IP 视频摄像机的新曙光,解决低照性能难题

(左)图3:无低照性能增强技术的高噪声视频影像       (右):采用TI 低照降噪后的视频影像

TI 在为视频安全处理应用提供业界领先技术方面拥有业经验证的骄人业绩,如基于IP 的视频安全监控摄像机等。达芬奇(DaVinci) 视频处理器平台是行业最高性能的视频引擎,有助于视频及图形加速器同步处理三个1080p 60fps 视频流,实现全新应用与直观的用户界面。达芬奇用户可在采用相同内核IP 的单个平台上获得可扩展产品线,为特定应用提供高性能低功耗的独特组合以及多种衍生方案.

TI方案的实现框图

IP 视频摄像机的新曙光,解决低照性能难题

TI方案的优势

TI 参考设计可实现只需六个月的快速产品开发。

除大量支持性器件外,TI 业界最佳视频处理器还一直是众多IP 摄像机的核心。近期推出的达芬奇DM385 视频处理器,集成更强大的低照性能,包括3D降噪、WDR处理以及具有业界最佳压缩效率的SVC-T H.264 高端压缩技术。

DM385 支持H.264 或SVC-T 高端编解码器,可压缩高达4 百万像素的实时视频流与二次
D1 实时视频流。

4Kx2K 或更高分辨率视频、同步多级(基本/主流/高级)压缩、面部检测、视频稳定、多重曝光以及双通道传感器支持等各种特性,可帮助摄像机制造商在市场上为其产品便捷地
实现差异化。

此外,DM385 IP 摄像机参考设计还可帮助制造商在发挥任何最普通传感器优势的同时,快速向市场推出最新低照摄像机。

相关资讯
美光Q4营收展望107亿美元超预期,AI存储需求引爆股价

美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。

三星引入三星显示为XR头显供应OLEDoS,索尼独供格局生变

三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。

先进封装驱动芯片性能革命,台积电产能扩张应对AI浪潮

台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。

算力、智能与控制的融合:英特尔4U工控机、RK3568主板、HPM伺服板的全面对比

在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。

应对AI算力激增:安森美推出全链路数据中心电源解决方案与指南

人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。