声明
致谢
摘要
1 引言
1.1 研究背景
1.2 国内外研究现状
1.2.1 人体行为表征
1.2.2 人体行为识别技术
1.3 异构计算与软硬件协同设计
1.3.1 异构计算平台
1.3.2 软硬件协同设计
1.4 研究意义
1.5 论文主要研究内容和特色
1.6 论文组织架构
2 基于时空特征的运动识别算法
2.1 HMAX模型在运动分析中的运用
2.2 基于时空特征算法原理
2.3 总体实现流程
2.3.1 运动信息图生成
2.3.2 运动目标检测
2.3.3 运动场图生成
2.3.4 时空特征向量生成
2.3.5 高级向量化
2.3.6 支持向量机
2.3.7 运动的学习与识别
2.4 算法并行性分析
2.5 本章小结
3 ZYNQ异构平台与HLS设计方法
3.1 ZYNQ异构平台
3.1.1 ZYNQ片上系统发展
3.1.2 ZYNQ内部架构
3.1.3 PL逻辑资源简介
3.1.4 PS与PL的标准总线接口
3.2 HLS设计方法
3.2.1 HLS介绍
3.2.2 HLS加速FPGA的视觉开发
3.3 本章小结
4 图像处理技术
4.1 色彩转换
4.2 图像缩放
4.3 最近邻内插法
4.3.1 双线性内插法
4.3.2 立方插值法
4.4 高斯平滑
4.5 中值滤波
4.6 形态学处理
4.7 边缘滤波
4.8 本章小结
5 实时加速系统设计和实现
5.1 硬件平台
5.2 ZedBoard介绍
5.3 软硬件划分
5.4 图像处理硬件加速器设计与实现
5.4.1 图像复制模块
5.4.2 色彩变换模块
5.4.3 帧间差分和阈值分割模块
5.4.4 边缘滤波模块
5.4.5 运动场模块
5.4.6 其他算法加速模块
5.4.7 模块合并
5.5 运动分析的实现
5.5.1 K-均值学习
5.5.2 SVM分类器训练
5.5.3 SVM分类器识别
5.6 本章小结
6 运动识别系统性能测试与分析
6.1 运动分析系统平台和实现
6.2 系统顶层搭建
6.3 加速能力分析
6.4 识别精度分析
6.5 硬件资源分析
6.6 本章小结
7 总结与展望
7.1 论文工作总结
7.2 工作展望
参考文献
附录 A运动分析系统顶层工程
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集