背景初始化与更新

背景初始化与更新（共4篇）

背景初始化与更新 篇1

目前常用的基于视频的目标检测算法主要有3种:光流法[1,2,3],帧间差法[4,5],背景差法[6,7]。由于光流法计算量较大,因此在实际中不经常使用;帧间差法能够适应快速变化的环境,但检测出的运动目标位置不够精确。背景差法实现简单,程序复杂性低,能保持目标的完整性,因此得到了广泛的应用[8]。所以,如何提取出准确的背景至关重要。

迄今为止,国内外诸多专家已经提出了很多算法。比如多帧图像平均法,就是把一段时间内图像序列进行累加,然后再平均得到近似的背景图像,该算法实现简单,计算量较小,但是对于车流量较大的路段,该方法很容易把前景目标混入背景里,提取的效果不甚理想。Gloyer B[9]提出的中值滤波法,在背景像素出现概率较大时,提取的效果很好,但是在背景像素出现概率较小时,该算法就会失效。Friedmand等人提出了单高斯模型[10],即分别获得背景、前景和阴影的高斯分布,并将这3个高斯分布的加权值作为像素的灰度值,然后通过EM算法获得模型参数,但是一般情况下背景都是比较复杂的,所以对背景仅采用一个高斯分布是不够的。因而提出了混合高斯模型[11,12],它是一种自适应的背景建模方法,其核心思想是为每一个像素点建立多个随时间变换的高斯统计模型,但也存在一些缺点:背景模型的收敛速度慢;对光照变化敏感。Surendra[13]算法的原理是把当前帧中的像素点分为前景点和背景点两类。当前帧的背景点的像素值与背景图中的对应点加权平均,作为当前背景中像素值。前景点处则保持原来背景值不变。该算法的核心在于通过直方图统计和经验取值而区分当前帧中的前景点和背景点,但是此算法在前景物体较多,情况复杂时会引入噪声。

在复杂的道路场景,以上方法还是不能消除一些光照及噪声的影响,不能够满足实际的要求。为此,本文提出了一种改进的道路背景提取和更新算法。

1 两种基本背景提取算法

下面介绍两种最常用的背景提取算法,多帧图像平均法和统计中值法。

1.1 多帧平均法

多帧图像平均法的原理是把车辆看作噪声,用累加后进行平均的方法消除噪声,所以可以利用车辆在一段时间内的序列图像求和再平均来得到背景图像。计算公式如下

式中:imagei(x,y)表示第i帧(x,y)点处的像素值,Background(x,y)表示点(x,y)的背景图像,N表示平均帧数。

该算法的特点是计算比较简便。但是发现通过平均法得到的背景图像往往会出现亮度分布不均的现象。这是由于在车流量较大的情况下,该算法会将车辆信息误认为是背景信息,而随着平均帧数的增加,背景的可信度也会增加。由于在实际生活中交通状况是比较复杂的,因此多帧图像平均算法显然不能有效地满足复杂环境的需求。

1.2 统计中值法

统计中值法是一种能有效抑制噪声的处理技术。统计中值法较平均法的优点是它可以克服均值滤波给图像造成的模糊影响,而且在抑制噪声的同时,能保持良好的边缘性,进而获得较为满意的背景。

统计中值法的基本思想是先统计一段时间内某一个像素点的值,然后用这些值的中值作为背景像素。

2 本文算法介绍

分析以上的算法,它们对于比较复杂的场景都有一定的局限性,得出的结果并不令人满意,所以,本文提出了一种新的算法,它克服了场景复杂时道路背景提取困难或者提取结果失真的弊端,能在较短的时间内提取出准确性较高的背景,而且能够消除光照和噪声对于背景的影响,为后续的车辆检测提供了很好的基础。

下文介绍算法的基本思想及具体步骤:

1)图像分块

由于单个像素所代表的信息量比较少,而且很容易受到噪声的干扰,所以把图像分成一个个小块来处理,每个小块包含h×w个像素,这样不仅能够结合周围区域的信息,而且能够抑制噪声的影响。

分块后的图像大小记为

式中:row和col分别代表分块后行的块数和列的块数;H和W分别代表原图像列像素和行像素;h和w分别代表每一块的列像素和行像素。

2)图像拉伸

对于天气情况比较恶劣的视频,如果直接处理,难度比较大,而且准确性不高,所以先对原始图像进行拉伸处理,提高图像的对比度,方便以后的处理。

处理的表达式如下

式中:Current Frame(x,y)表示当前帧(x,y)点处的像素值;min和max分别为拉伸的下界和上界,处理结果如图1所示。

3)对于拉伸图像后的每一块,都进行以下运算

式中:Pre Frame(x,y)表示前一帧(x,y)点处的像素值。记录此时的blo Val(t),按需要本文记录离当前帧最近的N帧。

4)然后根据以下公式判断

式中:Th为阈值,Counter(p,q)表示块(p,q)计数器值。在blo Val(t)大于等于Th的情况下,进行快慢变化的判断,如果为慢变,Counter(p,q)++;如果为快变,则Counter(p,q)=0。

下面介绍具体快慢变化的判断准则:

因为单纯按照一个阈值的大小就决定计数器的值,具有一定的局限性,可能因为一些光照的变化而影响结果的准确性,所以要区分是车辆的影响还是光照的影响(见图2),具体的实现步骤如下:

(1)计算历史blo Val(t)的均值和方差,公式为

(2)如果当前的blo Val(t)超过了阈值Th,但是它所对应的历史均值和方差满足以下公式

式中:λ>0,一般λ=3,base=20。满足公式则表示该块是慢变(光照变化)引起的,否则是快变(车辆经过)引起的。

5)重复步骤3)和步骤4),直到Counter(p,q)达到一定的阈值Ths时,保存此时blo Val(t)的值作为一个参考状态,本文保存距离当前帧最近的两个参考状态,离当前帧比较近的一个记录为blo Val L(s),比较远的一个记录为blo Val F(t),如图3所示。

6)判断Counter(p,q)是否大于Ths,如果大于,并且满足

则令

式中:Counter Peek(p,q)为块(p,q)历史最大值,Thb为阈值。否则重复步骤3)、步骤4)和步骤5)继续进行判断。

7)当Counter(p,q)的值首次大于阈值Tha(Tha>Ths),则将此块当前帧的灰度值保存为初始背景,如图3所示,表达式为

如果Counter(p,q)的值不是首次大于阈值Tha,则转到下一步骤执行。

8)按照加权系数法对该块背景进行实时更新,表达式为

式中:α为权系数,0<α<1。

3 实验结果及分析

本文给出了两种不同的场景对本文的算法进行验证,并与其他背景提取算法进行比较。第一种场景摄于西安市南二环,时间为下午,图像较为清晰,但是车流量大,有光照的影响。第二种场景摄于上海市申江高速公路,时间为晚上,图像质量比较差,光线弱,并且有路灯和车灯的影响。

在第一种场景中(见图4),均值法提取的背景出现了大面积的失真,与实际路面的像素值相差较大;统计中值法对于近景部分的背景基本满足要求,但是远景部分(圆圈所标记的范围)和实际背景不符;本文算法不管是在近景部分还是远景部分,都能提取出较为准确的背景。

在第二中场景中(见图5),由于图像质量的原因,从图中似乎不能明显地看出各种算法提取出的背景有什么不同,鉴于此,这里同时给出了车辆检测的结果,以便于观察对比。均值法检测出的二值图像上方出现了很多干扰,这是由于灯光或者车灯的影响造成的;统计中值法在二值图像上方出现的干扰有所减少,但是出现了一些噪声点不能消除;本文的算法能够消除灯光以及噪声的影响,准确地检测出车辆,提取效果较为理想。

4 总结

对于场景复杂的道路,提取背景相对比较困难,本文通过统计相邻帧的变化情况,得到持续不变区域的特征,再针对这些特征进行分析比较,最后将状态相近的区域进行累加,并通过实时更新得到最终的背景。实验表明,该算法能够克服场景复杂时提取背景失真的弊端,并且能够很好地消除光照和噪声的干扰,为后续的车辆检测提供了可靠的依据。

背景初始化与更新 篇2

目前目标跟踪算法可以分为两类: (1) 基于模型的方法, 如模板匹配、图像分割和活动轮廓法[1]。以Mean Shift算法和Snake算法为代表, 其中Mean Shift以目标颜色进行建模, 具有较好的实时性和跟踪性能, 但目标颜色与背景颜色接近时跟踪失败;Snake算法基于目标轮廓进行跟踪, 受目标初始形状和位置影响较大, 计算量大不适合实时操作。 (2) 基于运动的方法, 如光流法和特特征点法[1], 现有的基于特征点跟踪算以目标的质心或任意特征点实现对目标的跟踪, 在处理多目标跟踪时效果较差[2]。

本文提出了将检测区按32×32像素点进行分割, 以图像序列多状态转移综合判定前景目标和背景的情况, 完成背景的提取与更新;基于运动的方法, 提出利用目标的亮度和颜色信息, 以及在图像序列中的相对位置来构建代价函数的算法, 进行目标特征匹配与跟踪, 改善多目标情况下的跟踪性能。以商场客流统计为例, 从人体目标运动检测、特征匹配跟踪和计数三方面展开论述。

1 人体运动检测

在客流量统计中运动目标检测有获取目标在场景中的位置信息及获取目标尽可能多的特征信息两个任务。

商场客流统计摄像头常安装于出入口正上方垂直向下摄取图像, 属于静止背景的目标识别, 常用算法有帧间差分法、背景差分法和光流法。

1.1 帧间差分法

帧差法具有运算量小、对光照和阴影等外界因素不敏感的优点。但其缺点也非常明显:无法检测出静止或移动速度缓慢的目标, 相反在目标移动较快时, 检测出来的目标又远大于实际目标;亮度、颜色等特征单一的目标在差分运算后将形成较大的空洞, 造成差分结果不连通, 即便进行图像的膨胀和腐蚀等形态学方面的处理, 也不能消除空洞的影响。图1所示为相邻两帧差分结果信息相对丰富, 而图2 (a) 中目标信息单一, 图2 (b) 差分结果只有目标轮廓, 采用参考文献[3]等改进的差分算法对运动目标进行提取, 结果如图2 (c) 所示。

1.2 背景分块更新算法

背景差与帧间差相比, 检测出的目标内部区域不会出现较大的空洞, 可以将目标完整提取出来, 获取丰富的特征信息, 便于目标的匹配跟踪。

常用的方法包括基于卡尔曼滤波模型、基于高斯背景模型和基于简单概率统计的方法等, 前两种方法实现过程较为复杂, 且算法的实现对硬件要求高。第三种方法在没有运动目标长时间滞留的情况下效果较好, 且运算量不大, 符合实时性要求;在实际应用中, 由于天气、光照等外界条件的变化, 或目标长时间滞留, 影响了背景的准确更新, 由此可能会得到虚假的运动目标, 从而造成误判。

基于概率统计的背景更新方法, 常以一段时间内序列帧图像每个像素做差分运算, 满足预设条件, 则进行背景更新[4]。如图3所示, 按32×32像素大小将检测区域进行分割, 对每个分块图像按照图4所示将其分成初始状态Status0, 当三帧差结果判定图像无前景目标和干扰时, 进入Status1取背景数据BG1;在该状态若有前景目标运动, 则进入Status2;当前景目标消失、图像恢复静止, 则进入Status3取背景数据BG3, 据BG1、BG3差分运算判定进行背景更新, 否则返回Status0。

本文提出的方法可以解决如下两个问题:

(1) 检测区域覆盖面积较大, 若部分区域图像信息长时间做不规则变化时, 将影响整幅图像的背景更新。

(2) 目标滞留造成背景更新错误。

图4中, (1) 采用三帧差分法, 检测图像是否为静止状态, 无光线变化或细微的运动物体, 具体步骤如下:

(1) 每间隔200 ms获取{F1, F2, F3}三帧数据, Fi={fi (x, y) , x∈N, y∈M, i=1, 2, 3}。 (x, y) 为二维视场 (N×M, N为列线, M为行线) 中的一点。

(2) 对应点做差分运算, 与亮度阈值Lum T1比较得到差分图像, i={1, 2, 3}, k={i+1, .., 3}

(3) 对Di (x, y) 进行统计, 得到差分像素点个数:

(4) 对差分像素点个数Cntii=1, 2, 3均小于Cnt T1时Flag1=0, 则图像静止, 否则Flag1=1

(5) Flag1=0时, 判断当前状态, 若为Status0则跳转到Status1;若为Status1则保持;若为Status2则跳转到Status3。在Status1和Status3时将当前{F1, F2, F3}三帧数据取平均分别存为BG1={bgi (x, y) }, BE3={bgi (x, y) }。

图4中, (2) 主要判断是否有前景运动目标存在, 与 (1) 检测图像细微变化不同, 人体运动时帧差结果较大、差分像素点数也较大, 故将步骤 (2) 中的亮度阈值Lum T1修改为Lum T 2=2Lum T 1, 步骤 (4) 中阈值Cnt T1修改为Cnt T 2=10Cnt T 1。当Cntii=1, 2, 3均大于Cnt T2时判定有前景目标移动Flag2=1, 由Status1跳转到Status2。

图4中, (3) 判定是否进行背景更新。

(1) 将在Status1和Status3保存的背景数据做差分运算:

(2) B (x, y) 进行统计得到差分像素点个数

(3) 对BCnt小于Cnt T1, Flag3=0认为Status1和Status3均无前景目标, 则进行背景更新得到新的背景数据BG={bg (x, y) }, 否则返回到Status0

对所有分块区域按照图4方法进行背景更新, 可以得到整个检测区的背景数据。

1.3 光流法

光流法的优点在于能够检测独立运动的目标, 对背景处于静态或是动态的环境均能适用, 但是计算量较大, 无法保证实用性和实时性[1]。

2 人体运动目标跟踪和计数

采用分块更新的方法可准确提取背景信息有效检测出前景目标, 识别人体运动。在此基础上实现人体特征结点的创建、跟踪和计数。

2.1 虚拟检测区

图3中将检测区域划分为3个区域、2条计数线, 分别是:

(1) (3) 创建区, 创建人体特征结点;

(2) 跟踪区, 匹配人体特征信息, 跟踪人体运动;

(4) 出计数线, 当人体从 (3) 区域跨过该计数线时, 出计数值加1, 标注为 (7) 。

(5) 进计数线, 当人体从 (1) 区跨过该计数线时, 进计数值加1, 标注为 (6) 。

2.2 人体特征结点的创建

采用9宫格方法查找背景差结果的连通域[5], 得到图3中 (8) 所示的人体目标的位置、长宽信息, 综合判断其是否在 (1) (3) 区域, 以及长宽大小、比例等信息, 创建该目标Person[i], i为人体目标序号, i=[1:I], I为当前场景下目标个数, 其信息如下:

Person[i].x第i个人中心位置x坐标;

Person[i].y第i个人中心位置y坐标;

Person[i].W人体宽度;

Person[i].H人体高度;

Person[i].Cnt包含的特征方块个数;

Person[i].Dir创建区域。

而该目标的特征信息由Psn Feature[i][m]表示, m表示特征方块序号, m=[1:Person[i].Cnt]

Psn Feature[i][m].x该特征方块x坐标;

Psn Feature[i][m].y该特征方块y坐标;

Psn Feature[i][m].Ymean该特征块Y分量均值;

Psn Feature[i][m].Umean该特征块U分量均值;

Psn Feature[i][m].Vmean该特征块V分量均值;

Y、U、V均值采用算术平均的方法获得。

2.3 特征匹配与跟踪

目标在检测区域内运动轨迹无规律可循, 特别是当人流量较大时, 人体的运动轨迹杂乱。提出以目标特征信息进行匹配、跟踪的算法, 步骤如下:

(1) 获取当前帧数据与背景做差分运算;

(2) 查找连通域, 去除干扰点保存变量为:

Zone[k].x第k个连通域中心x坐标;

Zone[k].y第k个连通域中心y坐标;

Zone[k].Cnt第k个连通域特征方块个数。

k=[1:K], K为当前计算的满足条件的连通域个数, 隶属于第k个连通域的特征信息方块, 表示为变量Zone Feature[k][m], 其中m=[1:Zone[k].Cnt]

Zone Feature[k][m].x第m个方块x坐标;

Zone Feature[k][m].y第m个方块y坐标;

Zone Feature[k][m].Ymean特征块Y分量均值;

Zone Feature[k][m].Umean特征块U分量均值;

Zone Feature[k][m].Vmean特征块V分量均值。

(3) 计算第i个目标与第k个连通域 (k=[1:K]) 的距离和颜色特征差异保存为变量Comp Dist[i][k]和Comp Res[i][k], 并做归一化处理, 构建代价函数, 得到第i个目标与所有连通域的代价函数值Cst Fun[i][k]=0.6Comp Dist[i][k]+0.4Comp Res[i][k]。

(4) 将步骤 (3) 重复I次, 得到I×K的代价函数矩阵Cst Fun;

(5) 由Cst Fun得到与第i个目标最为匹配的连通域, 即满足Cst Fun[i][k]最小的序号k, 用Zone[k]变量更新Person[i]变量, 用Zone Feature[k]更新Psn Feature[i]变量, 完成目标跟踪。

图5所示为采用该算法对走出某卖场出入口的两人进行跟踪的结果。

2.4 计数

Person[i]跟随第i个目标的运动不断被更新, 当满足2.1节所述条件时计数, 之后将Person[i]结点删除, 其他出边界的情况则只删除结点不计数。

3 算法实现和结果分析

TMS320DM648是一款针对多媒体处理和视频安全与监控领域, 基于Veloci TITM超长指令结构的高性价比的单核DSP芯片。结合视频解码芯片TVP5154, 视频编码SAA7015实现了4路PAL格式视频输入, 1路PAL格式视频输出的商场客流统计系统, 其结构如图6所示[6]。

将该系统成功应用于某家电卖场, 其中抽取了2个时间段共7 h, 统计结果如表1所示, 现场人工计数为实际值, 系统计数为检测值。由表1可见统计准确率保持在95%左右, 注意到“正大门”、“通信门”和“数码门”这3个门在2个时间段内系统均多计, 而“服务门”均少计, 说明算法性能稳定, 不会出现忽多计、忽少计的情况。

本文针对基于概率模型的背景更新方法进行了改进, 更新了背景分区域, 提高了背景更新的可靠性和准确性。在此基础上提出了以目标位置、亮度和颜色构建代价函数的特征匹配和跟踪算法, 并将其成功应用于商场客流统计系统, 在TMS320DM648硬件平台同时处理4路PAL视频, 且客流统计准确率稳定在95%。结果表明, 该算法有较好的目标识别、匹配和跟踪能力。

参考文献

[1]赵艳启.运动目标识别与跟踪算法的研究[D].南京:河海大学, 2005.

[2]金鑫.基于改进特征跟踪的客流量统计[J].计算机工程, 2012, 38 (15) :175-178.

[3]丁磊, 宫宁生.基于改进的三帧差分法运动目标检测[J].电视技术, 2013, 37 (1) :151-153.

[4]曹海青.基于全局和局部特征的目标识别研究[J].微型机与应用, 2011, 30 (14) :41-43.

[5]孙抗, 汪渤, 郑智辉.基于局部亮度直方图特征的实时目标识别与跟踪[J].系统工程与电子技术, 2011, 33 (9) :1927-1931.

背景初始化与更新 篇3

一、新农村规划建设热潮的兴起

新农村运动以其“自上而下”的推动力度, 迅速在各地掀起了农村规划及建设热潮, 许多大学及规划院所甚至在短期内完成了整个县的所有村镇总体规划, 很多规划管理部门组织了多次村镇规划的竞赛评奖工作。同时, 各地陆续下发关于农村住宅的标准图集加以推广。在这种规划热潮的推动下, 广大农村开始了大规模的基础设施改造和村庄建设。这是首次以政府为导向地要求规划师、建筑师参与到广泛的农村规划建设活动中, 可以称为新型的“规划下乡”活动。规划师与建筑师对于村庄建设与乡土建筑设计的深度介入, 一方面加快了改变农村居住环境和面貌的步伐, 另一方面, 也在一定程度上掀起了新一轮的大拆大建的新村建设运动, 自然形成的村落肌理和具有地域特点的乡土建筑迅速消失, 取而代之的是农民住宅的标准样式, 使得许多农村出现了千村一面的现象。

这种快速的新村规划与建设运动是否适合乡土建筑自身发展的规律?在新村规划建设中, 如何对待已经形成的村落形态与具有地域特点的既有乡土民居?如何辩证地对待农村这一独特的地域景观以及乡土民居的更新与保护?对此, 笔者选取了几个较有代表性的规划与建设案例, 分别加以评析。

二、几个新农村规划案例

(一) 具有江南村落形态与地域建筑特点的特色村落更新改造——苏州市东山镇陆巷村建设整治规划

苏州市东山镇陆巷古村建于南宋, 是吴县拥有古建筑群数量最多、保存较好、质量最高的一个村庄。背山面湖, 东边是莫厘峰, 南边是碧螺峰, 西边是太湖。根据村庄发展需要, 村中新批建设用地14500平方米, 新村规划户数36户。规划中首先遇到的问题便是如何解决新、旧村形态与肌理之间的联系, 处理好新民居与老房子结合的问题。

陆巷村建设整治规划在充分研究村庄肌理与当地建筑风格的基础上尽量避免单调的一字形布局造成的与旧村形态风貌的割裂, 因势利导, 以较灵活多变的建筑形式组合成生动的新村肌理, 与旧村的肌理相互咬合, 浑然天成 (见图1、图2) 。

由于新村布局灵活多变, 无法参照一般的标准图集进行大规模复制, 于是规划师根据村民要求以及新村肌理要求设计出了多种单体建筑形式, 建筑风格也充分尊重江南民居的地方建筑风格 (见图3) 。这些与传统村庄自身的发展规律是吻合的, 每一个自然村落的形成都是一种渐进的过程, 在发展中每一次村民的改建扩建活动都要照顾到与左邻右舍的关系, 是村庄社会关系较为全面的反映。建筑整体风格统一中富于变化, 这是传统村落与乡土建筑之所以丰富多姿的重要原因之一。

陆巷村建设整治规划的成功之处在于从村落肌理的图底分析入手, 通过对村落自然肌理与村庄人文关系的梳理, 较好地把握了自然发展的村落中乡土建筑模式与村民行为模式之间的相互依存关系, 并最终通过新村与旧村肌理的相互咬合, 将较为新型的居住模式有机地融入旧村的模式之中。

(二) “北京平”与“圆苕房”——辽宁省朝阳县柳城镇总体规划中关于辽西乡土建筑保护的思考

柳城镇位于辽宁省朝阳县境内, 距朝阳市区约2公里。其自然地理条件优越, 位于大凌河冲积平原上, 地势相对平坦开阔, 交通便利。柳城镇共辖14个行政村, 多分布在大凌河两岸, 其传统地方建筑形式当地俗称为“圆苕房”, 建筑一般为三开间, 单层平顶, 屋顶呈拱形, “两头翘, 中间凹, 两个烟囱冲天笑”, 是柳城镇典型的传统民居屋顶形式。但笔者通过对镇域范围内的乡土民居形式普查发现, 目前越来越多的村庄出现了一种被当地群众称为“北京平”的新民居形式。通过调查, 我们了解到这种新型的“东北民居”正是辽宁省建委配合新农村建设, 组织专家编写并向全省农村推广的《辽宁省社会主义新农村住宅图集》中的一种样式。

在笔者参与完成的柳城镇总体规划中为了系统地分析和认识辽西民居的特点、分布及演变规律, 特别增加了乡土建筑保护与村庄更新的一个专题研究, 对于以推广标准图集形式更新乡土建筑的做法提出了不同的看法。乡土建筑的发展往往与地方材料和地方工艺紧密相连, 简单地以现代材料复制一些乡土建筑的符号, 似乎对于具有地方特色的乡土建筑形式的继承弊大于利。

柳城镇总体规划中提出村庄整治的原则, 并根据镇域内村庄形态以及各村具有辽西特点的乡土建筑形式保留情况提出了在迁村并点和新村建设中, 除了考虑经济发展、基础设施等因素以外, 还应增加对现有村庄人文历史价值以及反映地域特点的辽西乡土民居的保护与更新作为其中重要的评价指标之一。运用这种方法确定了柳城镇未来镇域发展的总体格局, 并提出特色村落与辽西乡土建筑的保护问题 (见图4-图6) 。

(三) 乡土建筑更新中的参与式规划方法——河南省博爱县下伏头村乡土建筑改造的实践

下伏头村坐落在河南省博爱县西部太行山区, 村子三面环山。整个村庄分为两部分, 即山下的新村 (90年代后期统一规划建设而成) 和山上的老村 (自然演变而成) 。

旧村村落形态依山就势, 特色的石头房也依其位置在平面和造型上有所变化, 建筑与植被相互呼应, 错落有致。但近年来越来越多的村民开始向山下迁移, 村庄逐渐呈现破落的景象。山下的新村尽管基础设施齐全, 但村落形态整齐划一, 采用标准农村住宅模式建造, 在充分满足现代化生活需要的同时, 缺少旧村特有的村落肌理和形态风貌。因此在村庄规划与乡土建筑改造中, 要尝试采取参与式规划方法。因为乡土建筑的发展和演变一般是建立在人们对于地方材料的自觉摸索和地方经验、技术的逐渐积累基础上, 要积极鼓励村民参与进来。

因此, 在参与式规划中, 研究小组和当地村民共同制订出乡土建筑和村落文化型景观有序更新的三个重要的支撑要素:1.亲密感。主要是指邻里之间的信任、相互帮助、老邻居、习惯风俗、长大的地方、家的感觉 (熟悉) 等;2.舒适感。主要是指好的空气、好的风景、好的公共设施、好的村庄规划以及冬暖夏凉的老房子等等;3.方便性。主要是指好的基础设施 (如上下水、电、电讯等) 、好的道路等等。同时, 也提出了向村级、乡级建房政策倾斜这种“从上而下”的调控机制, 包括经济上的和行政法规上的政策和规定的调整等方面要体现公平原则等, 从而与村民共同建立了旧村更新改造的多指标体系, 避免了将村庄改造程序化。

通过与村民的广泛讨论, 决定利用地方材料, 与村民和当地工匠共同完成对旧村废弃旧宅的功能更新与再利用的改造, 希望通过他们实现地方传统建筑工艺保护与现代技术相结合的乡土建筑技术更新 (见图7) 。

参与式规划要求规划人员从村民的日常生活中来体会空间, 共同思考村庄改造的可能性。于是, 当我们最终完成规划设计时, 已经有了对当地居民的认识和了解, 融入了他们对于村庄规划建设的知识、经验和意愿。同时, 我们对于村庄的认识、理解和设计构想也已经影响他们。

三、反思与体会

通过对目前新农村建设中出现的种种现象以及规划设计实践的分析, 笔者认为在新农村建设背景下的乡土建筑保护和更新问题凸显, 对于理论研究的要求也更为迫切。在“研究滞后, 运动先行”的新农村建设背景下, 大量快速的农村规划建设活动势必对反映地域文化多样性的乡土建筑的有序更新发展造成巨大的负面影响。因此, 如何在规划与建设活动中实现乡土建筑的保护与更新的关键在于阐明“新”与“旧”的逻辑关系和村庄自身发展的规律和基础, 从而明确在新农村建设中应该保护什么、更新什么这一基本问题, 要避免简单的“一刀切”操作模式。

首先, 我国农村目前呈现出多种发展形态, 新农村建设和规划中需要考虑不同的农村发展阶段以及乡土建筑的特色和发展演变的规律。同时在进行大规模的农村建设活动之前, 对既有村镇建筑和特色乡土建筑综合评价, 规划与设计中应该做特定地域的乡土建筑专题, 并制订出相应的评价标准, 从而实现既有特色乡土建筑的保护、改造与新村建设相结合。

其次, 乡土建筑的发展要与地方工匠、地方建筑技术、材料、工艺等紧密结合, 大规模的新村建设活动与农村住宅标准化图集的推广如何与传统建筑技术、工艺、材料的发扬和发展相结合, 如何与地方工匠的经验相结合是乡土建筑特色保留与保护的关键环节。

再次, 对于以熟人社会为基础的广大农村, 乡土建筑与村落形态与各地乡土社会文化联系紧密, 乡土建筑的发展具有广泛的村民参与基础, 参与式规划的引入, 即规划师、建筑师与乡土文化、乡土经验的有效结合, 将为探索乡土建筑的本土设计与自主更新提供更大的空间。

总之, 大规模的新农村建设运动“自上而下”的推动作用, 一方面为乡土建筑的保护和更新带来了更多契机, 可能有效遏制目前农民在自建住宅中的盲目与无序建设问题;但另一方面, 如果片面强调“旧貌换新颜”的新村规划建设以及农村住宅的标准化设计等形式, 也会造成乡土建筑遗产迅速的消失。因此, 在新农村建设的大背景下, 代表地域特点的乡土建筑何去何从是值得每一位规划师、建筑师认真思索的问题。

摘要：轰轰烈烈的新农村建设在广袤的乡土中国产生了普遍而深远的影响。文章通过具体规划实例, 客观详实地分析了新农村建设与乡土建筑更新保护之间的辩证关系。提出在新农村建设中首先要明确保留什么, 改变什么这一核心问题, 从而有效地推进村庄的参与式规划机制, 才能最终实现乡村聚落与建筑的有序更新与发展。

参考文献

[1].李作军.中国新农村建设报告.社会科学文献出版社.2006

[2].国务院关于推进社会主义新农村建设的若干意见.中国农业信息网.2005/12

[3].胡锦涛.扎扎实实规划和推进社会主义新农村建设.新华网.2006/2

背景初始化与更新 篇4

2010年国务院印发《推进三网融合总体方案的通知》, 由政府作为推手, 推进电信网、广播电视网和计算机通信网之间的相互渗透和兼容, 将其整合为统一的信息通信网络。在这个具备逻辑合法性的“巨大的网”中, 人类社会被空前严丝合缝地包揽其中, 于是网络的传播模式、产业形态、技术谱系都在经历着改写。本文将三网融合作为理论底色, 探索网络视频用户的需求变化引发的技术更新, 以及技术更新对用户需求的解构与建构, 并在对两者的间性研究中, 探求新的媒介环境下网络视频的生存之路。

网络视频用户的多样融合新需求与技术生发

恩格斯说过:“文化上的每一次进步, 都是迈向自由的一步”。媒介的融合极大地延伸了个体在生理机能上所能接触的范围和区域, 让我们间接“看”到和“听”到个体无法延伸的物理时空, 用户只需接一根线, 付一次费, 用一个终端, 就可同时进行看书、打电话、看电视、上网等丰富又便捷的信息服务与文化消费。时空的扩充是行为自由的必要保障, 挣脱限制的渴求又迫使三网中任何一个技术体系, 具备文化与功能复合的能力。网络视频已经具备了电视点播、时移回看等对时间的自由化选择, 但若想摆脱接收空间的捆绑, 在观影中实现卡斯特尔所言的“时间的无限性”与“空间的流动性”并重, 介入电信网络中的手机媒介, 将成为它技术革新的生长点。那么, 在技术保障关口, 网络视频需要达成对手机客户端的亲和, 并且为原始视频源开发诸如实时、离线等转码方式, 确保视频内容能够清晰、顺畅地呈现在手机终端上。若网络视频能够实现向手机视频的跨越, 据《中国手机视频市场专题研究报告2011》预计, 2013年中国手机视频市场用户规模将达到2.8亿, 收入规模将达到113.8亿元, 届时, 基于三网融合之上的三“屏”融合初见规模, 我们将愈加接近进行立体沟通的“理想通信”时代。

在网络的无缝覆盖下视频服务准入途径的增多, 使用户对接收内容有了更丰富、更完备的期待。理想的通信, 是“社会关系的总和”, 应该满足人类沟通的各种需要。正如马克汉森教授所说:“我们需要的媒体模式, 不仅仅要有记忆、记录、储存的功能, 同时也必须能够让我们更好地在当下采取行动, 并指向未来。”用发展的眼光审视三网融合, 在业务应用层面它指向了全媒体终端的整合。所谓“全媒体”指的是“在具备文字、图形、图像、动画、声音和视频等各种媒体表现手段基础之上进行不同媒介形态 (纸媒、电视媒体、广播媒体、网络媒体、手机媒体等) 之间的融合, 产生质变后形成的一种新的传播形态”。尽管我们现在对“全媒体”的描述还是一种合理的想象, 但是作为“全媒体”的一个构成因子, 网络视频理应竭力趋近这种传播愿景。在表现手段上它应当注重文字、图片、影像、动画、多媒体等多种手段组合运用, 调动涵盖视、听、形象、触觉等全部感官, 激发用户的通感和联觉, 实现信息的全面覆盖。例如, 腾讯网联手CNTV推出的世界杯视频直播, 就搭建了一个“视频+微博+实时数据”三合一的“全直播”“秒互动”模式。在同一页面上呈现三种形态的直播信息, 用户观看、讨论以及利用数据直播分析比赛形势, 完成了从吸引眼球到深度参与的升级, 重新定义了网络视频直播的形态。实现这些效果, 网络视频技术需要具备更大的包容度和灵活度, 实现动态频段划分、信号智能匹配、异源信号同步等功能, 完成从“渠道介质”到“复合媒体”的华丽转身。

在经营内容上, 网络视频除了常规的收视项目、网络使用费等方式, 还应该开通网络视频电话、在线游戏、网络视频购物、在线支付等一批基于技术融合产生的增值应用。这里, 网络视频并不是传统媒体内容和新兴技术的简单相加, 它必须打破将电视内容机械平移的观念。以网络视频购物为例, 美国微软公司研发了一种网络视频广告的新模式, 这个集成平台上用户即可接收到电视广告的视听信息, 还可充分发挥网络媒体的交互性特点, 即对广告内容中出现的物体进行标注和索引。用户一旦对画面中的某个物体感兴趣, 就可以通过点击该物体链接到相关的视频广告。这种以网络视频广告为代言的动态影像超文本编排方式, 需要引入对动态热区设置, 动作捕捉系统, 感应同步装置等新型技术的研发, 完善原有功能模块的可扩展性, 在三网技术的深度植入中实践全媒体的构想。

网络视频用户对观赏质量的新需求与技术勾连

理想型的媒体必是人际传播、组织传播与大众传播的统一, 这将是对人类交流化生存图景的终极模仿。当代生活节奏早已摆脱了传统的静态形态, 正如有些哲学家所说的, 当代文化最为突出的现象就是所谓“动力学”。航天技术的进步不断刷新着我们对速度的感知, 交通工具的便利使我们花费在跨越空间上的时间急剧缩短。从视觉接受心理学角度来说, 当观众习惯于速度奇观所提供的存在范式之后, “快看”与“看快”就成为受众视觉接受的典型形态。同时, 网络的融合、技术的叠加, 使“人体”得到了极大的“延伸”, 传播的时空得以扩展后, 用户也会对传播的效果产生新的期待。

种种新需求指向了网络视频响应时间更快, 播放过程更流畅, 播放效果更清晰。众所周知, 处于当下视频信号普遍高清化的大数据量轰炸下, 画面的流畅度和清晰度是网络视频直播相对于电视播放的一大短板。解决这一问题, 最直接的方式是增加网速, 追加带宽, 而这会导致巨大的经济支出。如何在有限的带宽资源中, 巧妙地解决矛盾?我们将目光转向接受心理学。按照接受心理学理论, 在用户的观看行为中, 其观看的兴奋度并不是一直处于一个定值上。当播放内容出现大的动作变化、情节变化时, 用户的视觉关注度最高, 如果在这些视觉兴奋点处用户的观看需求得到满足, 那么他会对这次观看行为评价较高。以此接受心理质素作为理论先导, 我们可以得到启发:在网络视频的播放中, 观众对不同的节目类型需要的清晰度预期是有差别的, 当无法满足全程的高清流畅播出的带宽要求时, 我们可以在一些内容拐点处, 为其动态调整带宽大小, 通过用户的心理调适改善用户对接受效果的评价。例如, 网络视频内容提供商可以预先在对带宽要求较高的影视作品动作场景、大场面场景做出类似触发脉冲的内容标识, 在播放过程中只要在遇到该标识, 系统就动态分配一些带宽资源, 确保用户在观看兴奋点处的接收质量。这样的安排也可以应用在春晚、奥运会开幕式等直播内容中, 监管者可以按照节目单的安排, 在舞蹈、大型团体操等动态较强的节目时间段里, 设置带宽切换标记, 促成基于视觉认识曲线的差异化播放机制。这些措施的实施, 需要为网络带宽添置动态口令, 或者达成动态分布机制等技术保障, 而这些技术革新的内在逻辑是在资源的有限性以及接收的高要求之间用视觉认识心理架起一座桥梁, 实现将资源最优化配置。

网络视频用户主体性新需求与技术升级

人们对信息传播模型的探索从早期的“枪弹论”“强效果论” (把受众看作信息的被动接受者) , 到“使用满足学说”“沉默的螺旋”, 直到“接受理论”受者的个体需求才被推至关注的焦点。美国学者戴安娜鞥克兰说:“接受理论修正了对于大众文化理论来说至关重要的心灵操纵假说——文本意识形态含义被公众不加质疑地接受。公众成员没有被概念化为文化的傀儡, 而是被概念化为能够重新阐释主导意识形态话语以满足自身需要的积极主体。”网络语境的产生, 保证了受众主体性权利的合法性, 他们不是被动地接受大众传媒“推给自己”的信息, 而是在海量信息中“拉出”自己需要的信息。从“推”到“拉”, 反映了传播方式的一种变革。而后, 信息网络的发展史就是媒介拥有者和终端用户之间为控制和革新网络进行的斗争。几次成长发展浪潮中, 终端用户全面分享网络公司的权力成为网络生存的必然要求, 也可以说, 信息网络的发展史就是媒介拥有者和终端用户之间为控制和革新网络进行的斗争。

指向全媒体信息传播的三网融合, 是通讯资源全面优化整合的一次跨越式发展, 此时的网络视频不是简单地通过网络融合环境进行信息分发, 而是个体获取对等的全媒介传播力和控制力。在这一方面, 中国网络电视台做出了积极探索。它以“参与式电视体验”为理念, 创造“个人电视台”专栏, 使大家在分享视频的同时, 也可成为视频上传的信息源, 打造自己的明星电视台, 并以个人电视台为基础, 提供用户交流论坛、微博群, 构造SNS社交网络朋友圈。而2011年的网络春晚又创设了一种更新的参与形式, 即用户可以通过即时视频对话加入晚会的直播进程。达成如此交互性力度, 网络视频平台需要升级基于单一影像播放系统的数据结构, 加大上传模块的建设, 实现业务打包, 网络功能嫁接, 塑成对等的传播样态。

信息只有被需要才有传播的必要。通讯疆域的空前扩大让我们置身于浩淼的信息海洋中, 因此在网络视频系统中, 尊重用户个性需要也表现在设计一个强大的搜索引擎, 解决好高度针对性的问题。网络视频环境下, 每一台电脑都可以成为信息源, 视频信息的“去中心化”也使其准入门槛降低了, 基于关键词的视频搜索出现了大量衍生体, 信息的不确定性和深层探索的无逻辑性常常导致个性服务的中途夭折。同时, 现有的超级链接和基于web服务器搜索引擎所构成的非线性传播方式, 在一定程度上成为了原来职业化的传播者转移或推卸一部分“守门人”责任的契机, 原来职业责任中的选择细分等主要任务渐渐被“有文必录”式的罗列所代替。于是, 很多占据主导地位的大型网络视频网站追求大而全, 精确的信息依赖于接受者层层超级链接的探索, 用户并没有被当成一个真正的个体, 仍然被当作是有着共同爱好的群体成员来对待。提供智能化的视频搜索机制, 是新型传播模式对传播技术支撑的必然要求。因此, 关键词属性的细化, 视频内容语义的再协议, 超链接、超文本网状结构的重新整合, 甚至图像检索尖端技术的借力, 都将是网络视频搜索引擎功能拓展的方向。