2024年4月13日发(作者：沈绮南)
ｔｉｄｅｏ ａｐｐｌｉｅａｔｉｏｎ＆ｐｒｏｊｅｅｒ
一再 … —————— ————－—— — ————————
＝；●■●－ｉ
ｌ
文章编号：１００２—８６９２（２０１０）０４—００９３—０３
基于ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１的电视 ‘实用设计・
伴音远程识别系统设计
丛静，张振兴，王冰峰
（电子科技大学，四川成都６１００１７）
【摘 要】探讨了电视伴音信号远程识别监控系统的设计及其ＦＰＧＡ实现，对整个识别监控系统的产生背景、设计思路和方法做了
全面阐述。着重讨论了电视伴音信号的特征提取算法，给出了一种新的基于ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ－１的音频数据特征的提取方法，并
论述了该系统的硬件设计。
【关键词】电视伴音；远程识别；ＦＰＧＡ
【中图分类号】ＴＮ９３１．２ 【文献标识码】Ａ
Ｄｅｓｉｇｎ ｏｆ Ｔｅｌｅｖｉｓｉｏｎ Ｓｏｕｎｄ Ｒｅｍｏｔｅ－ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１
ＣＯＮＧ Ｊｉｎｇ，ＺＨＡＮＧ Ｚｈｅｎ—ｘｉｎｇ，ＷＡＮＧ Ｂｉｎｇ－ｆｅｎｇ
（Ｕｎｉｖｅｒｓ ｏｆＥｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ ６１００１７，Ｃｈｉｎａ）
【Ａｂｓｔｒａｃｔ】Ｔｈｅ ｄｅｓｉｇｎ ａｎｄ ｒｅａｌｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｔｅｌｅｖｉｓｉｏｎ ｓｏｕｎｄ ｒｅｍｏｔｅ—ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ＦＰＧＡ ａｒｅ ｄｅｓｃｒｉｂｅｄ， ａｎｄ ａ
ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｎａｒｒａｔｉｏｎ ｉｓ ｐｒｅｓｅｎｔｅｄ ａｂｏｕｔ ｉｎｄｕｓｔｒｉａｌ ｂａｃｋｇｒｏｕｎｄ ｏｆ ｔｈｅ ａｐｐａｒａｔｕｓ．ｄｅｓｉｎ ｍｅｔｈｏｄ ａｎｄ ｉｇｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｉｔ．Ｔｈｅ
ａｌｇｏｒｉｔｈｍ ｏｎ ｃｈａｒａｃｔｅｒ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｔｈｅ ｔｅｌｅｖｉｓｉｏｎ ｓｏｕｎｄ ｉｓ ｄｉｓｃｕｓｓｅｄ，ａｎｄ ａ ｎｅｗ ｍｅｔｈｏｄ ｏｆ ｅｘｔｒａｃｔｉｎｇ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ａｕｄｉｏ
ｄａｔａ ｂａｓｅｄ ｏｎ ｔｈｅ ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ－１ ｉｓ ｇｉｖｅｎ． Ｉ ｅ ｈａｒｄｗａｒｅ ｄｅｓｉｇｎ ｏｆ ｔｈｅ ｓｙｓｔｅｍ ｉｓ ａｌｓｏ ｅｌａｂｏｒａｔｅｄ．
【Ｋｅｙ ｗｏｒｄｓ】ｔｅｌｅｖｉｓｉｏｎ ｓｏｕｎｄ；ｒｅｍｏｔｅ ｒｅｃｏｇｎｉｔｉｏｎ；ＦＰＧＡ
１ 引言
在数字化、网络化的时代，为了确保广播电视节目
此系统包含两部分：监测点模块和监测中心模块。监
测点模块设在转播播出的某个用户结点，负责采集被转
在传输和转播过程中的安全性，需要对转播后的视频／音
频内容进行全方位的实时监控。基于内容的电视节目远
程识别监控系统可以及时发现各种非法插播信号，提高
播的电视伴音信号的特征数据．并通过网络传送至监测
中心。监测中心模块采集源电视伴音信号的特征数据，同
时接收来自监测点的特征数据。监测中心将两路音频特
征数据自动进行相关性分析比对运算，若是两路音频特
征数据匹配度较高，则认为电视伴音正常，反之，则认为
了广播前端对信号的监测能力和处理突发事件的能力，
确保广播电视系统的安全播出。电视伴音『ｌ１内容的比对
作为电视节目远程识别监控系统的一部分，具有非常重
要的作用，笔者将对电视伴音的监测部分作详细阐述。
是电视伴音被非法替换或者非法插播，随即发出警报，同
时将报警信息发送至监控中心的服务器。以便相关工作
人员及时做出处理。从图ｌ可以看出，该系统的核心技术
是特征数据提取和内容比对识别两部分。
２ 音频内容远程识别系统概述
系统整体框图如图１所示。
转播节
目信号
３ 音频特征数据提取和比对识别算法
３．１音频特征提取方案
声音有３个主要属性：音量．音调，音色。音调模型在
ＭＰＥＧ一１ Ｌａｙｅｒ一１，２．３和ＡＡＣ标准［２１及ＡＣ一３标准中都
得到了广泛的应用。为了压缩数据量，需要找出音频数据
中的音调成分．在音调成分的声压级别大于绝对阈值时
Ｐ监测中心
征提取美 ＿ １— “三） 汜 。／【／ 、
点
音频特
征提取
篓 据比对广Ｔ———＿鞫’１竺 ！Ｉ ：
图１ 音频内容远程识别系统框图
才在计算掩蔽阈值时予以考虑，与此同时，在一个小于
Ｏ．５ Ｂａｒｋ的距离中消去２个或２个以上的音调成分，只
保留电平最高频率的成分。本系统就是借鉴ＭＰＥＧ音频
Ｎｏ．０４ＶｏＩ．３４２０１０（Ｓｕｍ Ｎｏ．３４０）￣，ＷＤｅＯ日翻睚捌№
：翟鲤 曼篓塑 …～…
压缩的思路，采用音调模型ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１的简化
ｘ（ｋ）一２Ｘ（ｋ ）／＞０ （９）
算法提取电视伴音的音调特征。与传统的语音特征参数
（例如倒频法、短时平均能量等）提取方法相比：此算法
较为简单，易于硬件实现，音频识别准确率较高，且数据
量较小，便于远程传输和实时识别。
ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１音调特征的提取步骤如下：
用式（６）和式（９）计算，如果发现ｘ（ｋ）是音调成分，
则列出频谱线的下标号ｋ。在音调成分的位置置１，其余
的位置置０，即形成一组２５６ ｂｉｔ音调特征数据段。如图２
所示。
１００
１）时域到频域的转换
卜２０——— —一２５————斗—一２３一ｆ
用厂（ｎ）表示Ⅳ个有限的实数数字音频信号矢量的
集合，ｎ＝０，１，…，Ⅳ＿１，则用离散傅里叶变换ＤＦＦ将时域
图２音调特征数据段
可以看出属于音调的谱线很少，非音调谱线居多数．
．
厂（ｎ）转换成频域复函数 ］
】＝二 ｎ）ｅｘｐ［（－ｊ２＂ｒｒｎｋ）伽，ｋ＝０，１，…，肛１（１）
ｎ＝Ｏ
其中：ｋ为频线的位置．Ｏ＜ｋ＜Ｎ／２为频谱的正频率部分，
Ｎ／２＜ｋ＜Ｎ为频谱的负频率部分，由于二者具有对称性，所
以在以后的运算中，只取ｋ＝０，１，…，Ｎ／２。
２）频谱能量密度
按照ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１心理声学模型中声音的
掩蔽效应，找出人们听得到的音调成分．因此需要将音
频信号的频谱转化为能量谱密度。其定义如下
Ｘ（ｋ）＝１０￣ｌｇＩＦ（ｋ）ｌ ２ｊ ｋ＝Ｏ，１，…，Ⅳ／２ （２）
由于ＦＰＧＡ对于式（２）的对数运算实现起来比较困
难，因此式（２）需要作相应的简化，以便在ＦＰＧＡ实现。在
本系统中，仅对听觉门限的音调本身感兴趣，而对以ｄＢ
为单位的相对能级不感兴趣．只需要谱线相临近的最大
值超过听觉门限，因此能量谱密度公式可以简化为
ｘ（ｋ）＝ＩＦ（ｋ）Ｉ ２ ｋ＝０，１，…，Ｎ／２ （３）
３）从频谱中导出音调成分
（１）局部（即左右相邻）最大值的标记
如果Ｘ（ｋ）＞ （ 一１）且ｘ（ｋ）≥ （ ＋１）（式（４）），则频
谱线ｘ（ｋ）标记为局部最大值。
（２）列出音调成分
如果Ｘ（ｋ） （ ）Ｉ＞７ ｄＢ（式（５）），就把局部最大值
放进音调列表中，其中 的选择如下
＝一
２，＋２ ２＜ ＜６３
｛． ＝一３，一２，＋２，＋３ ６３￣＜ｋ＜１２７ （６）
／＝－６，…，一２，＋２，…，＋６ １２７≤ ≤２５０
由于为简化运算．采样值的频谱能量密度没有按照
式（２）以ｄＢ为计算单位，而是按式（３）计算，因此式（５）
中７ ｄＢ换算成２．２５倍，即式（５）简化为
≥２．２５≈２ （７） ４
再将式（７）的除法运算转化成减法运算，于是有
ｘ（ｋ）≥２．２５ｘ（ｋ ）．￣２Ｘ（ｋ ）－ （８）
电棵投毒 丽 而
即连“０”的个数很长。根据不同音频信号统计分析。２５６
根谱线属于音调的不到２０，连“０”的几率平均在１２个
“０”以上。因此．可用游离长度进行压缩编码，将上例数
据段写成：“２０…‘２５…‘２３”一（０００１０ｌ００）（０００１ １００１）
（０００１０１１１）。这样就将Ｆ 运算窗口的２５６音调数据段．
平均压缩了大约３～４倍成为特征参量描述子在监测中心
收到数据后，将其还原成２５６ ｂｉｔ音调数据包ｈ（ｎ），以便
参加统计运算。压缩的目的是使数据量减少，占用的带宽
较小，便于网络实时传输。
３．２特征数据比对模块
音调特征数据比对识别采用下式运算
－
Ｎ／２
ｒ（ ）＝２ ｛ （ｎ） ：（ｎ）卜ｋ（ｎ）ｘ［ｈ。（ｎ）ｏ ：（ｎ）】｝ （１０）
ｎ＝Ｏ
式中： （ｎ）和ｈ２（ｎ）为两路音频特征数据包；符号Ｏ表示
异或运算。ｋ（ｎ）是相关加权系数，按下式计算
∑ｈ （ ）＋∑＾：（ ）一∑ （ ）×＾ （ ）Ｊ＋１
ｋ ｎ ＝Ｃ— 塑
ｎ ｎ
２ｌ—ｈ１（ｎ）＋２ ｈ２（ｎ）＋ｌ
ｉ＝Ｏ ｉ－－Ｏ
其中，Ｃ为常系数，其值由实验决定。式（１１）表明两路特
征参量描述子所表明的音调位置．其差异的比例越高，对
统计值的衰减比例越大。当分中心的音调数据与中心的
音调数据一致时，就会在Ｎ／２处形成峰值。
统计特性是概率函数，要做到１００％准确率，几乎不
太可能。本系统采用大数逻辑来判断，进一步提高其准确
率。大数定理指出：当随机事件（ ）发生的次数（ｍ）很大
时，偶然性会互相抵消。使这些事件的结果（ ，， ：，…，
１
Ｒ ）的算数平均值 Ｒ 在概率意义下十分接近其数
，凡 ：１
学期望（Ｅ（Ｒ））。因此采用大数逻辑后大大改善了报警的
可靠性，对于减小虚报率起到很大的作用。
算法验证
４．１音频特征数据提取算法验证
仿真工具使用了Ｍｏｄｅｌｓｉｍ６．２ｉ。首先通过编写
识别、生物识别，还能进行高速路的车辆行为、大范围高
密度人群进行监控。比如在银行和超市进行人脸识别，并
管理决策能力，即有效提高城市公共安全综合管理水平。
可与人脸数据库比对。高速公路上对车牌照进行识别等。
相同分辨力下，高清图像监控系统的监控范围约为标清
系统的４倍，对于广场等大型的公共活动场所，有利于对
人群的密度、流量及群体异常行为进行智能分析。
５ 小结
目前高清监控技术还处于初步应用的阶段，一些技
术储备还明显不够，需要业内高度重视。一方面，要积极
推进高清化和智能化进程。如标准制订、技术开发、产品
高清图像监控系统面临着海量数据传输、存储以及
检索带来的巨大压力，除了提高压缩效率、增大传输带
宽、扩展存储空间等，智能视频分析技术的发展带来了解
决这些问题的新途径。如主动智能前端技术，能依据报警
信号自动控制编码器发送高分辨力视频，而在正常状态
下发出“无关紧要”的视频流．可以节省９０％的系统带宽
和３０％的存储容量，并保持覆盖范围内的监控质量。此
入网测试认证等。另一方面，要加强应用需求和应用规划
研究，稳步推进高清视频监控技术的应用，提升城市公共
安全图像监控系统的建设水平。
参考文献：
［１】 Ａｘｉｓ．ＨＤＴＶ（Ｈｉｓｈ Ｄｅｆｉｎｉｔｉｏｎ Ｔｅｌｅｖｉｓｉｏｎ）．ａｎｄ ｖｉｄｅｏ ｓｕｒｖｅｉｌｌｎｃｅ，ａ
Ｗｈｉｔｅｒ Ｐａｐｅｒ，２００８［ＥＢ／ＯＬ］．【２００９－１２－２０］．ｈｔｔｐ：ｌｌｗｗｗ．ｄｏｃｓｔｏｃ．ｃｏｒｎ／
ｄｏｃｓ／１ １５８９１５９，ＨＤＴＶ—ａｎｄ—Ｓｕｒｖｅｉｌｌａｎｃｅ．
外，智能传输与存储技术、基于内容的智能检索技术等都
可以有效降低高清图像带来的传输与存储压力。并提高
检索效率。
【２】ｓＭＰＴＥ２７４＿ｌ９９８．１９２０ｘ１０８０ ｓｃａｎｎｉｎｇ ａｎｄ ａｎａｌｏｇ ａｎｄ ｐａｒａｌｌｅｌ ｄｉｇｉｔａｌ
ｉｎｔｅｒｆａｃｅｓ ｆｏｒ ｍｕｈｉｐｌｅ ｐｉｃｔｕｒｅ ｒａｔｅｓ［Ｓ］．１９９８．
［３１ ＡＮＳＩ／ＳＭｍ２９６Ｍ一１９９７，１２８Ｏｘ７２０ ｓｃａｎｎｉｎｇ，ａｎａｌｏｇ ａｎｄ ｄｉｉｔｇａｌ
ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ ａｎａｌｏｇ ｉｎｔｅｒｆａｃｅ［Ｓ］．１９９７．
实现高清智能分析的方式有多种，其选择取决于复
杂程度如何。在全数字系统中，可利用ＩＰ摄像机的富余
计算能力，还可借用额外的处理器或ＤＳＰ，也可通过
ＤＶＲ或后端服务器上的应用软件来实现。今后应把智能
ｆ４】 ＭＡＧＮＡＮ Ｐ．Ｄｅｔｅｃｔｉｏｎ ｏｆ ｖｉｓｉｂｌｅ ｐｈｏｔｏｎｓ ｉｎ ＣＣＤ ａｎｄ ＣＭＯＳ：ａ
ｃｏｒｒ／ｐａｒａｔｉｖｅ ｖｉｅｗ［Ｊ１．Ｎｕｃｌｅａｒ Ｉｎｓｔｒｕｍｅｎｔｓ ａｎｄ Ｍｅｔｈｏｄｓ ｉｎ Ｐｈｙｓｉｃｓ
Ｒｅｓｅａｒｃｈ Ｓｅｃｔｉｏｎ Ａ： Ａｃｃｅｌｅｒａｔｏｒｓ，Ｓｐｅｃｔｒｏｍｅｔｅｒｓ，Ｄｅｔｅｃｔｏｒｓ ａｎｄ
分析的实现分散到高清图像监控系统的不同环节．如前
端和后端系统相结合来实现高级智能。
采用高清智能化的图像监控系统．在保证有效的信
息源的基础上，提升了业务功能。具体表现在以下几个方
Ａｓｓｏｃｉａｔｅｄ Ｅｑｕｉｐｍｅｎｔ，２００３，５０４（１－３）：１９９－２１２．
［５】陈晓辉．国家标准ＳＶＡＣ将成为安防监控产业发展的重要里程碑
【Ｊ】．中国安防，２００９（１１）：２１—２８．
【６】郑世宝．智能视频监控技术与应用【Ｊ】．电视技术，２００９，３２（１）：９４－９６．
◇
作者筒介：
毛晓东（１９８１一）。复旦大学法律硕士学位在读。现工作于上海市公安
局科技处图像通信科：
面：１）快速的反应能力，即由传统的被动监控变为主动
监控，根据检测到的现场数据及时、快速地实施预案；
２）高效的行为识别能力，即有效识别潜在的危险行为，
预防恐怖事件的发生；３）精确的流量统计功能，即精确
统计车流量、人流量、有效降低拥挤事故发生；４）系统的
（上接第９５页）
按照３．２节的算法进行特征数据识别模块的设计．
在监测点的电视伴音被替换后，即可正确发出报警信号。
樊亚文（１９８１一），博士生．主研智能视频处理、视频编解码与传输。
责任编辑：任健男 收稿日期：２０１Ｏ＿ｏｌ－２５
非法替换、非法插播毫无疏漏地检测出来，保障了电视节
目的安全播出，保护了电视台的合法权益。
笔者还设计了ＰＣＢ板以实际的电视伴音作为信号源进
行测试。作为监控系统的实现．系统的误报率和虚报率是
很重要的指标。本试验通过对多种类型的电视伴音源进
参考文献：
［１】钟玉琢，乔秉新，祁卫．运动图像及其伴音通用编码国际标准——
ＭＰＥＧ－２ＩＭ］．北京：清华大学出版社，１９９６．
［２】马小虎，张明敏，严华明．多媒体数据压缩标准及实￣ＥＩＭ］．北京：清
华大学出版社．１９９６．
行反复测试，以确定其相关系数的统计特性，使得在消除
虚报率的同时尽量减少漏报率
６ 小结
电视伴音监控系统采用硬件实现，具有体积小、系统
可靠性高等优点。电视伴音内容监测系统，作为远程电视
节目内容识别的一部分。二者相互配合，能够把电视节目
作者简介：
丛静（１９８３一）。女．硕士生。主研数字视频处理及多媒体通信；
张振兴（１９８５一），硕士生．主研数字视频处理夏多媒体通信。
责任编辑：任健男 收稿日期：２０ｌ０—０ｌ—２ｏ
Ｎｏ．４０ Ｖｏ１．３４ ２０１０（Ｓｕｍ Ｎｏ．３４Ｏ Ａｗｍｏ日 踟 １０５
2024年4月13日发(作者：沈绮南)
ｔｉｄｅｏ ａｐｐｌｉｅａｔｉｏｎ＆ｐｒｏｊｅｅｒ
一再 … —————— ————－—— — ————————
＝；●■●－ｉ
ｌ
文章编号：１００２—８６９２（２０１０）０４—００９３—０３
基于ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１的电视 ‘实用设计・
伴音远程识别系统设计
丛静，张振兴，王冰峰
（电子科技大学，四川成都６１００１７）
【摘 要】探讨了电视伴音信号远程识别监控系统的设计及其ＦＰＧＡ实现，对整个识别监控系统的产生背景、设计思路和方法做了
全面阐述。着重讨论了电视伴音信号的特征提取算法，给出了一种新的基于ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ－１的音频数据特征的提取方法，并
论述了该系统的硬件设计。
【关键词】电视伴音；远程识别；ＦＰＧＡ
【中图分类号】ＴＮ９３１．２ 【文献标识码】Ａ
Ｄｅｓｉｇｎ ｏｆ Ｔｅｌｅｖｉｓｉｏｎ Ｓｏｕｎｄ Ｒｅｍｏｔｅ－ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１
ＣＯＮＧ Ｊｉｎｇ，ＺＨＡＮＧ Ｚｈｅｎ—ｘｉｎｇ，ＷＡＮＧ Ｂｉｎｇ－ｆｅｎｇ
（Ｕｎｉｖｅｒｓ ｏｆＥｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ ６１００１７，Ｃｈｉｎａ）
【Ａｂｓｔｒａｃｔ】Ｔｈｅ ｄｅｓｉｇｎ ａｎｄ ｒｅａｌｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｔｅｌｅｖｉｓｉｏｎ ｓｏｕｎｄ ｒｅｍｏｔｅ—ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ＦＰＧＡ ａｒｅ ｄｅｓｃｒｉｂｅｄ， ａｎｄ ａ
ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｎａｒｒａｔｉｏｎ ｉｓ ｐｒｅｓｅｎｔｅｄ ａｂｏｕｔ ｉｎｄｕｓｔｒｉａｌ ｂａｃｋｇｒｏｕｎｄ ｏｆ ｔｈｅ ａｐｐａｒａｔｕｓ．ｄｅｓｉｎ ｍｅｔｈｏｄ ａｎｄ ｉｇｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｉｔ．Ｔｈｅ
ａｌｇｏｒｉｔｈｍ ｏｎ ｃｈａｒａｃｔｅｒ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｔｈｅ ｔｅｌｅｖｉｓｉｏｎ ｓｏｕｎｄ ｉｓ ｄｉｓｃｕｓｓｅｄ，ａｎｄ ａ ｎｅｗ ｍｅｔｈｏｄ ｏｆ ｅｘｔｒａｃｔｉｎｇ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ａｕｄｉｏ
ｄａｔａ ｂａｓｅｄ ｏｎ ｔｈｅ ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ－１ ｉｓ ｇｉｖｅｎ． Ｉ ｅ ｈａｒｄｗａｒｅ ｄｅｓｉｇｎ ｏｆ ｔｈｅ ｓｙｓｔｅｍ ｉｓ ａｌｓｏ ｅｌａｂｏｒａｔｅｄ．
【Ｋｅｙ ｗｏｒｄｓ】ｔｅｌｅｖｉｓｉｏｎ ｓｏｕｎｄ；ｒｅｍｏｔｅ ｒｅｃｏｇｎｉｔｉｏｎ；ＦＰＧＡ
１ 引言
在数字化、网络化的时代，为了确保广播电视节目
此系统包含两部分：监测点模块和监测中心模块。监
测点模块设在转播播出的某个用户结点，负责采集被转
在传输和转播过程中的安全性，需要对转播后的视频／音
频内容进行全方位的实时监控。基于内容的电视节目远
程识别监控系统可以及时发现各种非法插播信号，提高
播的电视伴音信号的特征数据．并通过网络传送至监测
中心。监测中心模块采集源电视伴音信号的特征数据，同
时接收来自监测点的特征数据。监测中心将两路音频特
征数据自动进行相关性分析比对运算，若是两路音频特
征数据匹配度较高，则认为电视伴音正常，反之，则认为
了广播前端对信号的监测能力和处理突发事件的能力，
确保广播电视系统的安全播出。电视伴音『ｌ１内容的比对
作为电视节目远程识别监控系统的一部分，具有非常重
要的作用，笔者将对电视伴音的监测部分作详细阐述。
是电视伴音被非法替换或者非法插播，随即发出警报，同
时将报警信息发送至监控中心的服务器。以便相关工作
人员及时做出处理。从图ｌ可以看出，该系统的核心技术
是特征数据提取和内容比对识别两部分。
２ 音频内容远程识别系统概述
系统整体框图如图１所示。
转播节
目信号
３ 音频特征数据提取和比对识别算法
３．１音频特征提取方案
声音有３个主要属性：音量．音调，音色。音调模型在
ＭＰＥＧ一１ Ｌａｙｅｒ一１，２．３和ＡＡＣ标准［２１及ＡＣ一３标准中都
得到了广泛的应用。为了压缩数据量，需要找出音频数据
中的音调成分．在音调成分的声压级别大于绝对阈值时
Ｐ监测中心
征提取美 ＿ １— “三） 汜 。／【／ 、
点
音频特
征提取
篓 据比对广Ｔ———＿鞫’１竺 ！Ｉ ：
图１ 音频内容远程识别系统框图
才在计算掩蔽阈值时予以考虑，与此同时，在一个小于
Ｏ．５ Ｂａｒｋ的距离中消去２个或２个以上的音调成分，只
保留电平最高频率的成分。本系统就是借鉴ＭＰＥＧ音频
Ｎｏ．０４ＶｏＩ．３４２０１０（Ｓｕｍ Ｎｏ．３４０）￣，ＷＤｅＯ日翻睚捌№
：翟鲤 曼篓塑 …～…
压缩的思路，采用音调模型ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１的简化
ｘ（ｋ）一２Ｘ（ｋ ）／＞０ （９）
算法提取电视伴音的音调特征。与传统的语音特征参数
（例如倒频法、短时平均能量等）提取方法相比：此算法
较为简单，易于硬件实现，音频识别准确率较高，且数据
量较小，便于远程传输和实时识别。
ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１音调特征的提取步骤如下：
用式（６）和式（９）计算，如果发现ｘ（ｋ）是音调成分，
则列出频谱线的下标号ｋ。在音调成分的位置置１，其余
的位置置０，即形成一组２５６ ｂｉｔ音调特征数据段。如图２
所示。
１００
１）时域到频域的转换
卜２０——— —一２５————斗—一２３一ｆ
用厂（ｎ）表示Ⅳ个有限的实数数字音频信号矢量的
集合，ｎ＝０，１，…，Ⅳ＿１，则用离散傅里叶变换ＤＦＦ将时域
图２音调特征数据段
可以看出属于音调的谱线很少，非音调谱线居多数．
．
厂（ｎ）转换成频域复函数 ］
】＝二 ｎ）ｅｘｐ［（－ｊ２＂ｒｒｎｋ）伽，ｋ＝０，１，…，肛１（１）
ｎ＝Ｏ
其中：ｋ为频线的位置．Ｏ＜ｋ＜Ｎ／２为频谱的正频率部分，
Ｎ／２＜ｋ＜Ｎ为频谱的负频率部分，由于二者具有对称性，所
以在以后的运算中，只取ｋ＝０，１，…，Ｎ／２。
２）频谱能量密度
按照ＭＰＥＧ Ａｕｄｉｏ Ｌａｙｅｒ一１心理声学模型中声音的
掩蔽效应，找出人们听得到的音调成分．因此需要将音
频信号的频谱转化为能量谱密度。其定义如下
Ｘ（ｋ）＝１０￣ｌｇＩＦ（ｋ）ｌ ２ｊ ｋ＝Ｏ，１，…，Ⅳ／２ （２）
由于ＦＰＧＡ对于式（２）的对数运算实现起来比较困
难，因此式（２）需要作相应的简化，以便在ＦＰＧＡ实现。在
本系统中，仅对听觉门限的音调本身感兴趣，而对以ｄＢ
为单位的相对能级不感兴趣．只需要谱线相临近的最大
值超过听觉门限，因此能量谱密度公式可以简化为
ｘ（ｋ）＝ＩＦ（ｋ）Ｉ ２ ｋ＝０，１，…，Ｎ／２ （３）
３）从频谱中导出音调成分
（１）局部（即左右相邻）最大值的标记
如果Ｘ（ｋ）＞ （ 一１）且ｘ（ｋ）≥ （ ＋１）（式（４）），则频
谱线ｘ（ｋ）标记为局部最大值。
（２）列出音调成分
如果Ｘ（ｋ） （ ）Ｉ＞７ ｄＢ（式（５）），就把局部最大值
放进音调列表中，其中 的选择如下
＝一
２，＋２ ２＜ ＜６３
｛． ＝一３，一２，＋２，＋３ ６３￣＜ｋ＜１２７ （６）
／＝－６，…，一２，＋２，…，＋６ １２７≤ ≤２５０
由于为简化运算．采样值的频谱能量密度没有按照
式（２）以ｄＢ为计算单位，而是按式（３）计算，因此式（５）
中７ ｄＢ换算成２．２５倍，即式（５）简化为
≥２．２５≈２ （７） ４
再将式（７）的除法运算转化成减法运算，于是有
ｘ（ｋ）≥２．２５ｘ（ｋ ）．￣２Ｘ（ｋ ）－ （８）
电棵投毒 丽 而
即连“０”的个数很长。根据不同音频信号统计分析。２５６
根谱线属于音调的不到２０，连“０”的几率平均在１２个
“０”以上。因此．可用游离长度进行压缩编码，将上例数
据段写成：“２０…‘２５…‘２３”一（０００１０ｌ００）（０００１ １００１）
（０００１０１１１）。这样就将Ｆ 运算窗口的２５６音调数据段．
平均压缩了大约３～４倍成为特征参量描述子在监测中心
收到数据后，将其还原成２５６ ｂｉｔ音调数据包ｈ（ｎ），以便
参加统计运算。压缩的目的是使数据量减少，占用的带宽
较小，便于网络实时传输。
３．２特征数据比对模块
音调特征数据比对识别采用下式运算
－
Ｎ／２
ｒ（ ）＝２ ｛ （ｎ） ：（ｎ）卜ｋ（ｎ）ｘ［ｈ。（ｎ）ｏ ：（ｎ）】｝ （１０）
ｎ＝Ｏ
式中： （ｎ）和ｈ２（ｎ）为两路音频特征数据包；符号Ｏ表示
异或运算。ｋ（ｎ）是相关加权系数，按下式计算
∑ｈ （ ）＋∑＾：（ ）一∑ （ ）×＾ （ ）Ｊ＋１
ｋ ｎ ＝Ｃ— 塑
ｎ ｎ
２ｌ—ｈ１（ｎ）＋２ ｈ２（ｎ）＋ｌ
ｉ＝Ｏ ｉ－－Ｏ
其中，Ｃ为常系数，其值由实验决定。式（１１）表明两路特
征参量描述子所表明的音调位置．其差异的比例越高，对
统计值的衰减比例越大。当分中心的音调数据与中心的
音调数据一致时，就会在Ｎ／２处形成峰值。
统计特性是概率函数，要做到１００％准确率，几乎不
太可能。本系统采用大数逻辑来判断，进一步提高其准确
率。大数定理指出：当随机事件（ ）发生的次数（ｍ）很大
时，偶然性会互相抵消。使这些事件的结果（ ，， ：，…，
１
Ｒ ）的算数平均值 Ｒ 在概率意义下十分接近其数
，凡 ：１
学期望（Ｅ（Ｒ））。因此采用大数逻辑后大大改善了报警的
可靠性，对于减小虚报率起到很大的作用。
算法验证
４．１音频特征数据提取算法验证
仿真工具使用了Ｍｏｄｅｌｓｉｍ６．２ｉ。首先通过编写
识别、生物识别，还能进行高速路的车辆行为、大范围高
密度人群进行监控。比如在银行和超市进行人脸识别，并
管理决策能力，即有效提高城市公共安全综合管理水平。
可与人脸数据库比对。高速公路上对车牌照进行识别等。
相同分辨力下，高清图像监控系统的监控范围约为标清
系统的４倍，对于广场等大型的公共活动场所，有利于对
人群的密度、流量及群体异常行为进行智能分析。
５ 小结
目前高清监控技术还处于初步应用的阶段，一些技
术储备还明显不够，需要业内高度重视。一方面，要积极
推进高清化和智能化进程。如标准制订、技术开发、产品
高清图像监控系统面临着海量数据传输、存储以及
检索带来的巨大压力，除了提高压缩效率、增大传输带
宽、扩展存储空间等，智能视频分析技术的发展带来了解
决这些问题的新途径。如主动智能前端技术，能依据报警
信号自动控制编码器发送高分辨力视频，而在正常状态
下发出“无关紧要”的视频流．可以节省９０％的系统带宽
和３０％的存储容量，并保持覆盖范围内的监控质量。此
入网测试认证等。另一方面，要加强应用需求和应用规划
研究，稳步推进高清视频监控技术的应用，提升城市公共
安全图像监控系统的建设水平。
参考文献：
［１】 Ａｘｉｓ．ＨＤＴＶ（Ｈｉｓｈ Ｄｅｆｉｎｉｔｉｏｎ Ｔｅｌｅｖｉｓｉｏｎ）．ａｎｄ ｖｉｄｅｏ ｓｕｒｖｅｉｌｌｎｃｅ，ａ
Ｗｈｉｔｅｒ Ｐａｐｅｒ，２００８［ＥＢ／ＯＬ］．【２００９－１２－２０］．ｈｔｔｐ：ｌｌｗｗｗ．ｄｏｃｓｔｏｃ．ｃｏｒｎ／
ｄｏｃｓ／１ １５８９１５９，ＨＤＴＶ—ａｎｄ—Ｓｕｒｖｅｉｌｌａｎｃｅ．
外，智能传输与存储技术、基于内容的智能检索技术等都
可以有效降低高清图像带来的传输与存储压力。并提高
检索效率。
【２】ｓＭＰＴＥ２７４＿ｌ９９８．１９２０ｘ１０８０ ｓｃａｎｎｉｎｇ ａｎｄ ａｎａｌｏｇ ａｎｄ ｐａｒａｌｌｅｌ ｄｉｇｉｔａｌ
ｉｎｔｅｒｆａｃｅｓ ｆｏｒ ｍｕｈｉｐｌｅ ｐｉｃｔｕｒｅ ｒａｔｅｓ［Ｓ］．１９９８．
［３１ ＡＮＳＩ／ＳＭｍ２９６Ｍ一１９９７，１２８Ｏｘ７２０ ｓｃａｎｎｉｎｇ，ａｎａｌｏｇ ａｎｄ ｄｉｉｔｇａｌ
ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ ａｎａｌｏｇ ｉｎｔｅｒｆａｃｅ［Ｓ］．１９９７．
实现高清智能分析的方式有多种，其选择取决于复
杂程度如何。在全数字系统中，可利用ＩＰ摄像机的富余
计算能力，还可借用额外的处理器或ＤＳＰ，也可通过
ＤＶＲ或后端服务器上的应用软件来实现。今后应把智能
ｆ４】 ＭＡＧＮＡＮ Ｐ．Ｄｅｔｅｃｔｉｏｎ ｏｆ ｖｉｓｉｂｌｅ ｐｈｏｔｏｎｓ ｉｎ ＣＣＤ ａｎｄ ＣＭＯＳ：ａ
ｃｏｒｒ／ｐａｒａｔｉｖｅ ｖｉｅｗ［Ｊ１．Ｎｕｃｌｅａｒ Ｉｎｓｔｒｕｍｅｎｔｓ ａｎｄ Ｍｅｔｈｏｄｓ ｉｎ Ｐｈｙｓｉｃｓ
Ｒｅｓｅａｒｃｈ Ｓｅｃｔｉｏｎ Ａ： Ａｃｃｅｌｅｒａｔｏｒｓ，Ｓｐｅｃｔｒｏｍｅｔｅｒｓ，Ｄｅｔｅｃｔｏｒｓ ａｎｄ
分析的实现分散到高清图像监控系统的不同环节．如前
端和后端系统相结合来实现高级智能。
采用高清智能化的图像监控系统．在保证有效的信
息源的基础上，提升了业务功能。具体表现在以下几个方
Ａｓｓｏｃｉａｔｅｄ Ｅｑｕｉｐｍｅｎｔ，２００３，５０４（１－３）：１９９－２１２．
［５】陈晓辉．国家标准ＳＶＡＣ将成为安防监控产业发展的重要里程碑
【Ｊ】．中国安防，２００９（１１）：２１—２８．
【６】郑世宝．智能视频监控技术与应用【Ｊ】．电视技术，２００９，３２（１）：９４－９６．
◇
作者筒介：
毛晓东（１９８１一）。复旦大学法律硕士学位在读。现工作于上海市公安
局科技处图像通信科：
面：１）快速的反应能力，即由传统的被动监控变为主动
监控，根据检测到的现场数据及时、快速地实施预案；
２）高效的行为识别能力，即有效识别潜在的危险行为，
预防恐怖事件的发生；３）精确的流量统计功能，即精确
统计车流量、人流量、有效降低拥挤事故发生；４）系统的
（上接第９５页）
按照３．２节的算法进行特征数据识别模块的设计．
在监测点的电视伴音被替换后，即可正确发出报警信号。
樊亚文（１９８１一），博士生．主研智能视频处理、视频编解码与传输。
责任编辑：任健男 收稿日期：２０１Ｏ＿ｏｌ－２５
非法替换、非法插播毫无疏漏地检测出来，保障了电视节
目的安全播出，保护了电视台的合法权益。
笔者还设计了ＰＣＢ板以实际的电视伴音作为信号源进
行测试。作为监控系统的实现．系统的误报率和虚报率是
很重要的指标。本试验通过对多种类型的电视伴音源进
参考文献：
［１】钟玉琢，乔秉新，祁卫．运动图像及其伴音通用编码国际标准——
ＭＰＥＧ－２ＩＭ］．北京：清华大学出版社，１９９６．
［２】马小虎，张明敏，严华明．多媒体数据压缩标准及实￣ＥＩＭ］．北京：清
华大学出版社．１９９６．
行反复测试，以确定其相关系数的统计特性，使得在消除
虚报率的同时尽量减少漏报率
６ 小结
电视伴音监控系统采用硬件实现，具有体积小、系统
可靠性高等优点。电视伴音内容监测系统，作为远程电视
节目内容识别的一部分。二者相互配合，能够把电视节目
作者简介：
丛静（１９８３一）。女．硕士生。主研数字视频处理及多媒体通信；
张振兴（１９８５一），硕士生．主研数字视频处理夏多媒体通信。
责任编辑：任健男 收稿日期：２０ｌ０—０ｌ—２ｏ
Ｎｏ．４０ Ｖｏ１．３４ ２０１０（Ｓｕｍ Ｎｏ．３４Ｏ Ａｗｍｏ日 踟 １０５