近年来，社区安防监控视频在“平安城市建设工程”中发挥着越来越重要的作用。随着布设范围的扩大、视频清晰度的提高，监控数据飞速增长，给传输和存储带来巨大压力。当前高清监控视频以宽带、蜂窝网络和Wi-Fi为主的接入方式，成本居高不下，制约了摄像机的布设发展。以NB-IoT(窄带物联网)为代表的智慧物联网技术的兴起，给监控系统的扩展创造了技术条件。其广覆盖、多连接、低功耗和低成本的特点，具备很好的无线接入适配性，可极大降低监控视频的传输成本，扩大布设范围。但是NB-IoT上行带宽极窄，仅为180kbps，无法传输监控视频高清码流，限制了物联网技术在监控系统中的应用。如何针对安防监控视频特点，提出既能保证关键刑侦信息不丢失，又能实现超高倍的视频压缩方法，满足窄带要求，是目前尚待解决的技术难题。
　　安防监控视频中，通常更为关注行人和人脸等关键信息。对于人脸，需要保持高分辨率的图像质量，从而保障人脸的可辨识性；对于行人目标，更多的是关注行为举动的辨识特征，需要时域上的连续性，而对分辨率要求不高。因此，针对关注人脸的监控视频，本文提出混合分辨率编码算法，以高分辨率编码关键帧的人脸区域，以低分辨率编码背景，实现了极低码率压缩的同时保证了人脸质量。围绕提出方法，本文主要做了以下工作：
　　(1)提出监控视频混合分辨率编解码框架
　　针对NB-IoT极低码率环境，设计关注人脸的监控视频混合分辨率编解码框架。在通用视频编解码框架基础上，添加人脸检测与跟踪模块，引入人脸和背景双流编码模式，设计混合码流，改进解码方法，增加了低清人脸超分辨率增强模块。所有研究内容都在该框架下展开。
　　(2)提出混合分辨率的视频编码方法
　　针对人脸和背景的重要程度与占用码率不对等，而常规监控视频编码方法无法兼顾人脸质量和带宽限制问题，本文提出关键帧人脸分辨率保真的混合分辨率视频编码方法。在编码前，首先提出监控视频人脸快速提取算法，通过统计训练约束模型优化单帧人脸检测速度，并采用检测与跟踪交替的方式提高视频中人脸分离速度。然后提出空域分解方法，实现背景下采样和I帧人脸子帧生成。以低分辨率编码背景，以对应的低清人脸为参考编码人脸子帧序列，得到混合码流信息，解码可合成关键帧高分辨率人脸图像。实验表明，本文方法相较于主流ROI编码方法(2016，Liao)，关键帧人脸PSNR平均提高4.8dB，背景主观质量更优，编码速度提高4.5倍，更适合窄带极低码率环境。
　　(3)提出基于关键帧参考的人脸超分辨率算法
　　针对现有基于参考图像的超分辨率算法未充分利用人脸结构先验，缺乏人脸特征相似性约束，导致生成图像识别效果不佳的问题，本文提出基于人脸特征保持约束的双流卷积神经网络，实现基于高清参考的人脸超分过程。实验表明，本文方法相较于SRNTT(2019，Zhang)，人脸PSNR平均提升1.92dB，SSIM平均提升0.02，在混合分辨率编码框架中，可显著提高P帧人脸质量，改善解码视频人脸的视觉流畅性。
　　(4)设计NB-IoT环境下人脸监控视频编码系统
　　在上述研究的基础上，本文进一步展开应用层面的软件仿真设计。通过搭建NB-IoT环境下人脸监控仿真系统，验证本文算法的有效性和实用性。通过MFC实现界面模块的交互操作，以RTP协议传输实时媒体数据码流，多个平台协同运行，模拟窄带环境，实现编码、解码和增强识别过程。实验结果表明，仿真系统对1080p高清监控视频压缩效率高，人脸识别率接近原始高清序列，具备NB-IoT环境下的实用性。
　　综上，本文围绕NB-IoT环境下关注人脸的监控视频，提出混合分辨率编码方法，实现关键帧人脸分辨率保真编码，非关键帧人脸超分辨率增强，背景低清降质的混合编码模式，取得了高倍率压缩且人脸质量良好的效果，在NB-IoT环境下具备独特性和实用性。