视频中形变运动物体的检测算法设计及硬件实现

摘要

越来越多的视频监控设备被应用于生产、生活当中，随之产生的是大量的视频数据，如何从大量的视频数据中获取有效的信息成为了亟待解决的问题。图像分割是对视频数据进行理解的一个至关重要的基础，而分割算法的通用性和实时性往往是一个主要的瓶颈。本文设计了一套针对视频中形变运动物体的检测算法及算法的硬件实现过程，主要应用于对仪器仪表监控视频中的前景物体检测和定位。算法主要通过分析图像中每个像素点的时域概率统计特性区分前背景点，而不需要依赖不同前景目标各自独有的特性，从而使算法的通用性更强。本文的算法设计主要借助MATLAB语言来验证，实现的主要目标平台是单芯片的ARM+FPGA联合硬件平台，以满足实时和低功耗的需求。与传统的直接编写硬件描述语言来进行FPGA实现不同，本文的算法实现分为两个阶段。第一个阶段使用C语言及OpenCV计算机视觉库等完成PC版的软件实现；第二个阶段针对目标硬件平台的特性，改造PC版的软件代码，再利用Vivado HLS高层综合技术，将改造后的C语言代码进行优化，并自动综合成硬件描述语言。其中，ARM负责视频流的输入、前景定位和最终数据的输出，只需要对PC版软件代码中的相应部分进行少量的改动即可；FPGA主要负责前景检测等核心操作，从PC版软件代码移植需要利用Vivado HLS中与OpenCV相近的视频处理库。通过这两个阶段，算法的硬件实现难度大幅度减小，同时还获得在PC机上运行的软件版本。最后，本文通过对硬件实现的仿真，完成多段视频中形变运动物体的检测，验证了算法与实现的有效性。

目录

第一个书签之前

摘要

Abstract

1绪论

1.1研究的目的和意义

1.1.1 仪器仪表数据采集

1.1.2 基于FPGA的图像检测

1.2国内外研究概论

1.2.1 目标检测算法

1.2.2 数字图像处理算法实现硬件平台

1.3研究目标与内容

1.4主要创新点

1.5章节安排

2系统的总体设计流程及原理

2.1系统需求分析与方案设计

2.2系统目标硬件平台分析

2.3算法处理模块的设计

2.4算法的硬件化和优化流程

2.5系统测试图像的生成

2.5.1设计测试数据生成平台的目的及思路

2.5.2建立测试数据生成平台的具体方法

2.5.3添加影响因素

2.5.4添加相应的噪声

3感兴趣区域检测相关技术

3.1相关名词阐述

3.1.1形变运动物体

3.1.2视频序列

3.2数字图像的彩色模型

3.2.1各种彩色模型简介

3.3图像去噪

3.3.1中值滤波

3.3.2均值滤波

3.3.3形态学滤波

3.4基于目标建模的目标检测

3.5基于背景建模的目标检测

3.5.1中值、均值模型

3.5.2帧间差分模型

3.5.3W4模型

3.5.4线性预测模型

3.5.5统计直方图

3.5.6单高斯模型

3.5.7混合高斯模型

4算法的设计与方案论证

4.1算法的初步构思

4.1.1常见前景检测算法优缺点分析

4.1.2基于像素的形变运动物体检测算法设计

4.2算法的进一步完善

4.2.1时域滤波

4.2.2空域滤波

4.2.3彩色模型的选定

4.3前景定位

4.4同类型相近算法性能对比

4.4.1与统计直方图法对比

4.4.2与高斯背景建模法对比

5算法的软件实现

5.1读取摄像头/视频文件

5.2FIR低通滤波器设计

5.3过零检测

5.4中值滤波

6算法的硬件实现与性能分析

6.1算法的软硬件协同设计原理简介

6.2算法的HLS实现与优化

6.2.1HLS实现内容分析

6.2.2AXI协议简介

6.2.3头文件设计

6.2.4实现文件设计与优化

6.2.5TestBench文件设计

6.3 系统整体联调

6.3.1C综合

6.3.2输出IP core

6.4算法的适用范围测试及性能分析

6.4.1通用性

6.4.2局限性

6.4.3抗干扰能力

7总结及展望

7.1研究总结

7.2研究展望

致谢

参考文献