数位家庭:技术与应用.ppt

  1. 1、本文档共20页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数位家庭:技术与应用

2004/11/18 數位家庭:技術與應用 報告人 資訊工程學系 嚴力行 副教授 計畫內容 數位家庭之基礎設施 數位家庭無線網路技術 無線家庭網路之媒體資料流管理 家庭網路與IPv6網際網路之介接 數位家庭影音內容版權管理 彩色數位影像浮水印技術 MPEG-4視訊授權認證與浮水印技術 應用回音編碼法於數位音樂浮水印之技術 數位家庭的潛在應用 數位家庭異常事件偵測系統。 子計畫一:數位家庭無線網路技術 目的:IEEE 802.11無線區域網路無線擷取點的負載平衡機制 子計畫一:數位家庭無線網路技術 目的:Bluetooth MAC排程 子計畫二:無線家庭網路之媒體資料流管理 目的:行動裝置(手機,PDA,電腦)的軌跡追蹤及預測 子計畫三:家庭網路與IPv6網際網路之介接 雖然某些商業化的網路產品已開始慢慢支援IPv6協定中的功能,卻始終無法完全取代目前的網際網路通訊協定IPv4 家庭網路可以沿用IPv4之通訊協定 再利用Network Address Translator (NAT) 方式以完成家庭式網路與IPv6網際網路之介接 子計畫四:彩色數位影像浮水印技術 目的: 加入浮水印資料於彩色數位影像中 子計畫五: MPEG-4視訊授權認證與浮水印技術 目的: 嵌入浮水印資料於MPEG-4視訊串流中 子計畫六:應用回音編碼法於數位音樂浮水印之技術 目的: 嵌入回音於音樂次頻帶中 雙極性回音訊號之kernel 子計畫七:數位家庭異常事件偵測系統 目的:在傳輸之壓縮視訊(Mpeg Video)中做人的異常行為偵測,如暈倒、遺棄物(爆裂物)放置等 人的動作分析 於壓縮視訊中所擷取之運動資特徵,我們利用極座標與質方圖將此特徵轉換為一特徵向量 人的動作分析 五種動作分析:走路、跑步、跌倒、跳躍、蹲下 動作偵測之正確率分析 團隊研究成果統計-94/8迄今 * IEEE VTC2006-Spring, May 2006. RR FCFS Packet arrives Queue empty IEEE AINA 2005, Mar. 2005. Journal of Mobile Multimedia, Sept. 2005. 基地台依據軌跡資訊對行動裝置之預留頻寬 行動裝置之基地台切換 Home IPv4/IPv6 Gateway IPv6 Internet IPv4 Home Network IPv4 Address as IPv6 Option IPv6 Header Network Address Translator (NAT) IPv6 Address as IPv4 Option IPv4 Header Journal of Information Technology and Applications, Jan 2006. Mobile User’s Forwarding Server Mobile User’s Home Network Current Address Mobile User Roaming Current Address FTTP (BPON) ICHBNT, Apr. 2006. 加入浮水印法之流程圖 Original Image KPR Watermark Embedding Watermark Watermarked Image DWT H RSA 取出浮水印法之流程圖 Verified Image KPU Watermark Extraction Extracted Watermarked DWT H RSA 浮水印嵌入機制流程圖 浮水印偵測機制流程圖 系統方塊圖 2005 Symposium of Digital Life and Internet Technology 運動資訊之極座標分佈圖 運動資訊之質方圖 Five kinds of human actions are identified by using the HMM method. (a) Walking. (b) Running. (c) Tumbling down. (d) Jumping. (e) Crouching. 87% 2 15 Tumbling down 87% 2 15 Crouching 80% 3 15 Jumping 93% 1 15 Running 80% 3 15 Walking The correct recognition rate The number of false action classification The number of test video clips Actions *

文档评论(0)

叮当文档 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档