Resumen

La videovigilancia es una importante fuente de datos para la informática e inteligencia urbana. La baja resolución de muchos dispositivos de videovigilancia existentes afecta la eficiencia de la informática e inteligencia urbanas. Por lo tanto, mejorar la resolución de la videovigilancia es una de las tareas importantes de la informática e inteligencia urbanas. En este artículo, la resolución del video se mejora mediante la reconstrucción de superresolución basada en un método de aprendizaje. A diferencia de la reconstrucción de superresolución de imágenes estáticas, la reconstrucción de superresolución de video se caracteriza por la aplicación de información de movimiento. Sin embargo, hasta ahora hay pocos estudios en esta área. Con el objetivo de explorar completamente la información de movimiento para mejorar la superresolución del video, este artículo propone un método de reconstrucción de superresolución basado en una red neuronal convolucional subpíxel eficiente, donde se introduce el flujo óptico en la red de aprendizaje profundo. La fusión de las características de flujo óptico entre fotogram

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Vigilancia por video; Computación urbana; Inteligencia; Resolución; Reconstrucción de superresolución; Red de aprendizaje profundo
• Keywords:Video surveillance; Urban computing; Intelligence; Resolution; Superresolution reconstruction; Deep learning network