基于TMS320DM6446的嵌入式视频处理模块硬件设计

采用TI公司的DaVinci系列芯片TMS320DM6446为主芯片设计了一套视频处理模块,该模块通过高速视频解码电路对模拟视频信号进行数字化处理,由DSP（数字信号处理器）芯片对数据进行处理,从而实现实时处理和输出。详细介绍了视频处理模块的硬件设计方案,主要涉及到视频解码芯片TVP5150、FPGA（现场可编程门阵列）及DSP等,还包括视频协处理电路和网络通信及接口电路。所提出的系统设计方案满足嵌入式视频处理要求,可作为最小的独立视频处理系统运行。     

“计算机组成与结构”课程教学方法探讨

本文结合"计算机组成与结构"课程的特点和多年的教学经验,从教学内容组织、教学手段改进等方面进行了探讨,强调了在首堂课中为学生构建学科认知结构的重要性,提倡"问题-概念-方法"教学,提出将软件知识与硬件原理相结合、以兴趣为引导、架设各种沟通桥梁的教学方法.结果表明,学生学习的积极性、主动性得到较大的提高,收到了较好的教学效果.     

基于半监督学习的视频检索相关反馈算法

小样本问题会制约贝叶斯相关反馈算法的学习能力。为此,提出一种基于半监督学习的视频检索贝叶斯相关反馈算法,其中一个分类器用于估计视频库中每一个镜头属于目标镜头的概率,另一个半监督学习分类器用于判断用户未标记镜头是否与目标相关,由此扩大贝叶斯学习器的训练数据集,提高其分类能力。实验结果表明,该算法提高了贝叶斯算法的检索性能。     

视频目标跟踪中的提升分类算法

针对目标跟踪过程中各类图像特征分离背景和目标能力的动态变化,提出一种基于协同训练框架的在线提升分类特征选择算法.该算法采用两组特征描述目标与背景区域各像素,并分别训练一在线提升分类器对特征组进行选择,然后综合分类结果,得到最优似然图像,基于该似然图像,采用粒子滤波对目标进行琅踪并通过图像处理方法获得最佳前景分割图.该方法的主要优点是仅需对首帧图像进行训练,并在跟踪过程中通过协同训练在线更新提升分类器.同时,实验表明该算法运算速度快,并能适应环境光照变化、遮挡等恶劣条件.     

图象分割的自适应模糊阈值法

该文研究了海面舰船图象的模糊阈值分割问题,首先介绍了模糊阈值分割的基本原理,在讨论了隶属函数的分布特性及其窗宽对阈值选取的影响后,提出了一种在预先给定隶属函数的情况下,利用目标－背景对比度自动选取窗宽的方法,并给出了根据目标与摄像机间的相对距离估计目标－背景对比度的算法,其应用于智能电视跟踪系统,对不同距离、不同对比度的海面舰船图象进行了阈值分割实验,结果表明该方法具有较强的场景适应能力。     

基于混合滤波的运动小目标检测

针对对空红外图像中的小目标检测问题,提出了一种基于混合滤波的运动小目标检测方法。首先采用滑窗法对图像进行空域能量累积,增强目标信号强度;随后采用三种空域滤波器分别两两加权组合对图像进行滤波与二值化处理,合并处理结果并提取感兴趣区域。最后在时域上根据目标运动特性通过轨迹确定目标位置。该检测方法与传统的滤波检测相比,充分利用了各滤波器的优点以及目标的运动特性,通过对真实的对空场景图像进行目标检测实验,结果表明即使在低信噪比情况下也能快速准确的检测运动红外小目标。     

固定多摄像头的视觉拼接技术

视频拼接技术是计算机图形学和计算机视觉的重要分支,它的发展基于静态图像的拼接技术,但由于视频信息的复杂性,视频拼接也有区别于图像拼接,针对实际运用中的实时拼接的需要,本文提出了一种基于控制帧的固定摄像头视频拼接方法。首先采集控制帧图像,对摄像头进行参数标定获得相机内参和光心坐标,再使用一种改进的畸变矫正方法去除摄像头畸变带来的成像失真。然后对控制帧图像进行SIFT特征提取并进行粗匹配,再用RANSAC的方法剔除误匹配点并拟合出图像变换单应阵。最后使用查表法将各摄像头的图像同步投影到大场景图片上,对重合区域进行光亮补偿和多带融合。最终实现速度可达25帧/秒的实时视频拼接。     

基于TMS320DM642的PPM跟踪算法设计与实现

文中设计了一个实时目标跟踪控制系统,采用PPM（后验概率指标）目标跟踪算法,辅以模板自适应算法和目标轨迹预测算法。系统可以进行360。场景的巡逻监控,并在手动捕获待跟踪的运动物体后,实时跟踪目标。利用目标偏离视场中心的偏差生成控制信号,以此控制云台的运动,确保目标始终处于摄像机的视场中央。经过优化的代码在SEEDVPM642平台上的运行结果表明,该系统能实时可靠地跟踪选定的目标。     

基于多尺度特征表示的城市道路检测

基于图像的车辆周边场景分析是近来车辆主动安全的热门研究方向,但对于复杂路况的道路识别目前依然是一个难题。该文提出一种适用于城市复杂道路场景的单目视觉路面识别算法。该方法结合多尺度的稀疏编码,在大尺度上利用道路的局部纹理信息,在较小尺度,特别是中等尺度上利用空间上下文信息,对车辆的可行驶区域进行识别。实验表明,该方法提高了道路与周边环境中相似纹理的区分能力;在铺设良好的结构化道路,或者车道线、路界缺失,光照复杂的道路场景中,该方法都取得了较好的检测结果。     

基于多层次互补特征的通用目标检测模型

针对实际场景中多类目标检测问题,该文提出了一种基于多层次特征表示和异质互补描述子的通用目标检测模型。该模型采用基于组件的目标描述思想,提取目标不同层次的互补特征,并将其统一到条件随机场(CRF)框架中。目标中单个组件及其局部特征对应CRF的一元节点,组件之间的几何空间结构特征则体现在节点之间的两两连接关系上。通过引入节点支持向量机(SVM)分类器和边缘拓扑结构学习,极大提高了模型的鉴别能力和灵活性。在UIUC多尺度数据集和PASCAL VOC 2007数据集上测试结果表明,该文模型不仅能有效描述多类复杂目标,还能较好地解决姿态、尺度、光照变化及局部遮挡情况下的目标检测问题。