基于DAVINCI平台的运动物体捕捉系统研究

摘要

随着社会的发展，目标检测与跟踪技术在视频监控领域得到了越来越多的应用，然而，在传统的目标检测与跟踪算法中，研究人员往往更注重算法的有效性，而弱化了对算法实时性的考虑，这使得算法在工程中实现时依赖于造价高昂的处理设备，最终整个导致系统成本昂贵。为了解决上述问题，本文从算法研究和代码优化两个方面入手，构造了一种能在性价比较高的DAVINCI平台上实现的运动物体捕捉系统。
　　 首先，本文研究了一种实时性高、可移植性强的运动目标跟踪算法。具体来说，本文利用Surendra算法为视频图像生成实时背景，再利用背景差分提取运动目标，最终利用游程连通性算法锁定和跟踪运动目标。在算法构造过程中，本文结合大量仿真，分析了重要参数对目标捕捉算法性能的影响。比如:背景生成算法中的迭代因子对背景更新速度的影响，阀值选取对图像二值化效果的影响，以及最大迭代次数对算法实时性影响等。
　　 其次，本文将研究的算法移植到通用性强、性价比高的DAVINCI平台上去，并根据算法特点和平台特性对代码进行了优化，得到了一种具有较好实时性的、易于工程实现的运动物体捕捉系统。具体来说，针对代码中循环体时间开销大而图像处理中循环体结构多的特点，本文采用了循环展开来减少代码运行时间;针对DAVINCI平台定点运算效率高而运动目标检测算法对数据精度要求不高的实际情况，本文利用数据Q格式将浮点运算转换为定点运算，从而使得代码实时性得到增强。
　　 最终的测试结果表明，本文提出的方法能很好的实现对运动物体的捕捉，其有效性和实时性均能满足工程使用需求。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 视频监控研究现状

1．3 本文的研究内容

第2章 Davinci系统工作原理

2．1 Davinci平台介绍

2．2 TMS320DM6446介绍

2．3 嵌入式系统

2．3．1 DM6446驱动

2．3．2 Linux视频驱动

2．3．3 VPSS(视频处理子系统)

2．3．4 DM644x视频处理前端

第3章 运动物体捕捉算法研究

3．1 YUV与RGB模型空间的转化

3．1．1 读取信号

3．1．2 色域空间转换

3．2 捕捉算法流程

3．2．1 背景生成算法

3．2．2 阈值选取策略

3．2．3 目标检测方法

3．2．4 目标提取与跟踪

第4章 算法实现与代码优化

4．1 平台架构

4．1．1 XDAIS

4．2 接口与算法封装

4．2．1 接口

4．2．2 Codec Engine与其相关工具

4．2．3 算法封装

4．3 DSP代码优化

4．3．1 C代码的效率分析方法

4．3．2 数据类型

4．3．3 优化选项

4．3．4 代码效率分析

4．4 仿真结果与分析

结论

致谢

参考文献

攻读硕士期间发表的论文