基于FPGA的运动目标检测系统

视频图像处理要求高速运算能力,在处理技术不断提高和算法复杂度不断提升的情况下,并行处理的可编程逻辑器件的高速运算能力和可重复执行多任务的特性在视频图像处理领域得到了极大的发挥。与传统的串行处理DSP芯片为核心器件的视频图像处理方案相比,单片FPGA芯片和嵌入其内部的NiosII软核处理器不仅能够达到运算速度的要求,而且成本更低、设计更简单。系统由I2C模块、视频译码模块、存储模块和检测模块组成,模块之间由Avalon总线链接。系统基于QuartusII、MATLAB和ModelSim软件工具设计与仿真,实验结果表明能够达到预期的要求。     

基于FPGA的运动目标实时检测系统设计

目标识别是智能安防监控视频处理系统中重要内容,为了满足安防系统小型化实时性等应用需求,本文设计了一种基于FPGA平台的运动目标识别系统。该系统采用 CMOS摄像头作为视频采集器,SDRAM作为视频流缓存及存储介质,FPGA对视频流进行灰度化和帧差法算法处理,并将结果传输至显示器终端,从而实现图像采集和目标识别跟踪和显示。测试结果表明,本系统在一定测距范围内可有效稳定地跟踪运动目标物体,可进一步应用于安防领域中。     

基于FPGA的多运动目标检测及硬件实现

针对视频流图像的目标检测,基于帧间差分理论提出了一种实时多运动目标检测算法。根据视频图像在实时处理中的应用,基于FPGA硬件平台并行处理快与可编程的特性,在FPGA上实现算法,经过MATLAB环境算法验证,并在设计的FPGA视频图像处理系统进行实现。该系统主要由图像采集模块、图像缓存模块、图像处理模块及图像显示模块4部分组成,通过OV5640采集图像数据,再对数据进行差分、滤波、形态学等一系列算法处理,存入DDR3中,最后通过VGA进行显示。实验结果表明,该系统在一定测距范围内可稳定跟踪运动目标,可实时显示,多目标检测识别率较高,能实时检测视频流图像中的多运动目标。     

基于块均值的运动目标检测系统

构建了基于FPGA的运动目标检测系统,系统包括视频数据的采集、缓存、显示、色彩空间转换及运动目标检测等模块。运动目标检测采用基于块均值的帧间差分法,这种方法有效地减少了需要存储和运算的数据量,降低了像素噪声对检测结果的影响。经测试,该系统能提供清晰稳定的监控画面,实现640像素×480像素,30帧/s视频信号的运动目标实时检测,并能在检测到运动目标后立刻发出报警信号。本系统消耗的逻辑资源较少,能够在小规模的FPGA芯片上实现,可推广应用于社区安防、生产安全监控等领域。     

基于FPGA的视频采集系统设计

论文旨在研究一种基于FPGA的视频采集系统的实现方法,采用Verilog硬件描述语言设计并验证了系统中的I2C总线配置模块、ITU_R655视频解码模块、视频帧缓存模块和视频显示模块.通过该系统的设计,完成了对视频信息的采集,并能够进行实时显示,基于FPGA的系统设计为视频采集提供了更加灵活高效的实现可能性.该系统具有体积小、效率高、成本低等优点,可广泛应用在视频处理系统、安防监控系统和视频传输系统等.     

基于FPGA的视频图像目标检测系统

设计了一种基于FPGA的运动目标的检测系统,采用模块化设计和流水线的处理方式,充分利用了FPGA高速并行处理特点以及DDR2 SDRAM大容量特性.系统采用了单高斯背景建模的背景差分法同时结合帧间差分法的方式实现对运动目标的检测.实践测试结果表明,该目标检测系统能够有效的实现运动目标的检测,且检测效果良好,满足实时性需求.     

基于FPGA的运动目标检测系统设计

针对运动目标检测技术在国防军工领域的广泛应用,设计了一种基于FPGA的运动目标检测系统。利用CCD摄像头采集带有运动目标的视频图像,并将采集后视频图像传输给SAA7113H进行解码,再将解码后的数字信号供给FPGA实现帧间差分算法以达到运动目标检测的目的,之后将数据传输给SAA7121H芯片进行编码,并将编码后的视频数据在显示单元中显示。实验测试结果表明,该运动目标检测系统能够实时地检测出运动目标,稳定性高,实时性好。     

基于FPGA的运动目标检测与跟踪系统

针对传统运动目标检测与跟踪算法计算量大、检测速度慢、鲁棒性差的问题,提出了一种通过动态调整检测区域以实现高效运动目标检测与跟踪的方法。利用改进的帧间差分算法提取运动目标,将目标大小和位置信息分别传给区域裁剪算法和卡尔曼滤波跟踪算法,实现检测范围的缩小和目标跟踪。采用改进后的方法对分辨率为640×480的图像进行实验,检测到目标的大小为66×84,调整后的检测区域大小为132×168,帧间差分检测部分计算量减小了约92.78%,并且根据目标位置进行跟踪的效果较好,在FPGA中验证了此方法的正确性。     

基于帧间差分法的目标检测研究与FPGA实现

针对以往帧间差分算法的硬件实现架构中数据同步信号设计复杂,调试周期较长的特点,设计了一种新型的硬件算法架构。整个系统基于Altera的Cyclone Ⅳ E系列进行开发,采用镁光的SDRAM作为高速储存器件,豪威科技的OV5640作为图像采集器件。该系统对采集到的原始图像数据进行灰度化处理,利用硬件差分算法模块对灰度图像进行差分处理与二值化,实现对视频图像中动态目标的捕捉。基于Quratus Ⅱ与Modelsim联合开发平台对系统进行硬件设计和功能模块仿真。硬件测试结果表明,系统能够清晰地检测出视频中的动态目标,且具备较好的实时性。     

基于FPGA的运动目标实时检测系统设计

目标检测是智能安防领域中的重要研究内容,为满足安防检测系统的小型化和高实时性的使用需求,设计了一种基于FPGA (Field Programmable Gate Array,现场可编程门阵列)的运动目标实时检测系统,采用CMOS摄像头采集视频图像,DDR3 SDRAM作为视频图像帧的缓存介质,结合FPGA器件的可并行处理特点,采用流水线技术对帧间差分检测算法进行模块化处理,检测结果通过以太网传输至上位机,实现了图像采集和运动目标检测及显示。实验测试结果表明,该系统能够快速准确地检测出运动目标,稳定性高,实时性好。     

一种基于梯度方向信息的运动目标检测算法

运动目标检测是智能视觉监控系统的基本内容。在对现有算法分析的基础上提出了一种基于梯度方向信息的运动目标检测算法。首先利用方向信息提取视频图像序列中每一帧的边缘梯度图,然后通过改进传统帧差算法,采用uint8数据格式处理含有时间关系的两帧图像以此确定运动目标粗略边界,经运动目标连通域识别,最后结合梯度方向信息准确提取运动目标的完整轮廓。实验结果表明,该算法克服了传统帧差算法不能准确定位目标的缺点,在室内外复杂背景下均能准确地提取完整的目标轮廓。     

运动目标检测算法在军用视频监控系统中的应

在充分分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种适用于军用视频监控系统的基于视频序列象素时空相关性检测的运动目标检测方法.该方法首先用每一帧中目标的空间相关性检测出目标;再用序列图像中目标的时间相关性检验目标的真实性,从而最终确定是否有运动目标.实际应用表明,采用该算法的系统能很好地检测出运动目标,并具有较强的抗干扰能力.     

一种联合图像分割与背景建模的运动目标检测算法

介绍了在混合高斯模型的基础上,采用每一个像素点及其邻域组成的集合作为特征矢量来描述图像,对YUV格式的彩色图像的不同颜色分量分别建立混合高斯模型,从而确定是否有变化发生.为充分利用空间信息,提出将彩色图像分割与背景建模结合起来,得到具有精确边缘的运动目标.实验结果表明,即使在前景纹理、颜色比较一致且与背景对比不是很明显的情况下,本方法也能完整地检测出运动前景.     

基于ARM处理器的运动目标检测与跟踪系统

运动目标的检测及跟踪技术广泛应用于军事与民用领域。传统基于PC的目标跟踪系统不能满足对体积、功耗及便携性的需求,基于ARM处理器S3C2440A和嵌入式Linux操作系统构建了一个比较完整、实用的目标跟踪系统。该系统利用摄像头采集运动目标图像,处理器进行数字图像处理,LCD显示跟踪目标。阐述了实现原理及图像获取、目标检测、图像分割和目标跟踪算法程序流程。通过实际测试,该系统能满足对低速运动目标的检测、识别和跟踪,且具有较好的实时性和稳定性。     

基于OpenCV的视频运动目标检测及其应用研究

高斯混合模型已经成为对视频利用背景减除法进行运动目标检测的最多的一种背景建模模型,也成为一种标准模型。首先对高斯混合模型的理论框架进行了分析,然后采用OpenCV技术实现高斯混合模型来检测视频运动目标,实验结果表明高斯混合模型对摄像头静止的道路监控视频运动目标检测具有较好的效果。最后以该运动目标检测技术为基础设计了一种智能视频监控系统,该系统具有较好的实用性。     

基于下采样和帧差的运动目标检测方法

数字图像处理的应用领域已经扩展到多媒体上了,特别是对视频序列的智能处理,例如智能监控,客流统计等。而这些领域的一个基本的问题就是把目标从视频中检测出来,本文提出一种检测运动目标的方法,这种方法先对图像进行下采样,然后对连续三帧图像进行权值运算,从而得到一种有效的快速检测运动目标的方法。采用此算法不仅能够准确地提取出运动目标,而且对内存的要求低、运算量小,速度快,适合应用于实时性要求高的领域。     

一种基于改进ViBe的运动目标检测方法

针对ViBe算法存在的不能有效去除背景噪声以及鬼影现象,提出一种结合帧差法和ViBe算法的改进算法。首先利用帧差法提取出运动目标的轮廓,然后根据得到的轮廓粗提取运动目标区域,最后在得到的运动目标区域基础上分类进行ViBe算法更新背景并分割出完整的运动目标。实验结果表明,此算法能够有效抑制噪声以及鬼影造成的影响,在速度方面也比原算法有所提高。     

基于改进的混合高斯模型的运动目标检测

针对现有方法在复杂多变环境下不能很好地检测出运动物体的问题,提出了改进的基于混合高斯模型的背景消减法,并对运动目标进行检测。模型初始化时,提出了一种能准确得到实际背景模型的方法;在模型更新中引入了加速因子和合理性反馈使得模型能更快、更准确地反应真实的背景。实验结果表明,同传统检测方法相比,改进的混合高斯模型方法能有效地消除物体发生运动时产生的拖影,并能很好地检测出运动物体。