基于海思平台的人体异常行为识别研究及实现

摘要

目前的智能视频监控研究大多是基于计算机,通过监控终端将视频数据传送到计算机再进行处理,这样的弊端是当监控终端很多时会造成计算机的数据处理压力.而本文研究内容是基于海思Hi3531嵌入式芯片,在监控终端完成视频序列的分析,仅向服务器计算机发送处理后的结果,减小服务器的数据压力. 人体行为识别主要分为三个步骤:运动人体前景的提取(包含提取后的相关预处理操作),人体行为的特征提取和人体行为的分类器训练及识别.在前景提取方面,本文对帧间差分法和背景差分法的原理、优缺点及差异进行了详细分析,通过实验对比两种提取算法的效果,选择两帧差分法作为本文的前景提取算法.前景预处理介绍了形态学滤波,由基本的腐蚀、膨胀操作引申出二值图像的开闭运算.在特征提取方面,将提取的前景进行累积得到动作能量图(MEI),在关键帧的动作能量图上提取Hu矩特征描述子和傅里叶特征描述子,并对傅里叶描述子的平移、旋转、尺度变换和起点变化不变性进行分析.在分类识别时,以贝叶斯定理为分类理论依据,使用朴素贝叶斯分类器对样本视频进行训练,基于训练结果进行人体摔倒这一特定行为的识别. 本文以嵌入式芯片海思Hi3531为硬件处理器.首先对海思Hi3531芯片的硬件参数、接口和海思媒体处理平台(MPP)做了详细介绍,然后对Hisilicon Linux开发环境中交叉编译和网络文件系统建立的必要性、步骤进行详细的叙述.最后,本文给出了基于海思平台的智能监控系统设计方案,由视频采集设备、主处理芯片Hi3531、监控服务器和视频显示设备组成.其中,主处理芯片Hi3531完成人体摔倒行为的判断识别并将识别结果发送到监控服务器,同时监控服务器可以接受到经H.246压缩编码后的实时监控视频数据. 板级测试时,使用Hu不变矩作为特征描述子,结果表明在实时监控中能全部检测出摔倒的行为,并且能及时地发出报警信息.

目录

第一个书签之前