基于TMS320C6455的目标跟踪系统设计与实现

介绍了一种基于高速处理芯片TMS320C6455和FPGA架构的目标跟踪系统。该系统以DSP与FPGA为主体设计一套图像处理设备,利用局域熵算法来实现简单背景下小目标的跟踪。FPGA采用Xilinx公司生产的XC5VSX95T ,用来对原始图像数据进行预处理。DSP芯片采用TI公司生产的 TMS320C6455,通过局域熵算法对预处理后的图像进行实时跟踪并且将目标信息返回FPGA。FPGA获得跟踪结果后,将目标信息与原图像叠加,通过显示器将图像结果进行显示。局域熵算法经过优化后,目标检测跟踪时间大大缩短,满足硬件系统实时性的要求。     

基于时空融合加速的Fast RCNN运动车辆检测算法

为了解决传统运动车辆检测方法准确性不高、实时性不足的问题,提出基于时空融合加速的Fast RCNN运动车辆快速检测算法。不同于传统方法仅考虑运动车辆的单一特性,所提方法综合考虑运动车辆目标的时域运动特性和空域相关特性。首先基于时域运动特性设计自适应动态背景估计方法,实时估计背景图像,之后基于空域特征利用形态学滤波快速提取疑似目标区域,最后在vgg16模型基础上设计Fast RCNN深度学习网络,对疑似目标区域进行精准真假判别,避免了全图冗余判别。仿真证明,相对于传统方法,该算法能够有效提高检测准确性,且时效性较高,可应用于实时性要求较高的场景。     

一种基于行程编码的图像背景重构

背景差法是一种重要而且实用运动目标检测方法。该算法的难点在于如何进行背景图像的重构。本文针对该问题,提出一种基于行程编码的背景图像重构算法,即在假设背景图像以最大概率出现在图像序列中的前提下,选择频率最高的图像作为背景图像进行背景重构。利用序列图像时间上的相关性进行行程编码,用编码数据进行背景图像点得重构,使重构具有实时性和节省运算空间的特点。在慢运动目标的图像序列中,即观测时长较长时,利用本文算法进行实时背景重构具有明显的优点。仿真结果表明,该算法能够准确地重构背景,从而实现对运动目标的完整提取,以便进一步识别或跟踪。     

基于FPGA的动态目标识别与跟踪系统设计

为满足动态目标识别与跟踪系统对实时性、低功耗和小型化的要求，设计了一种以FPGA为核心的电路系统，辅以OV7670视频采集模块和VGA接口显示器，实现对视频图像进行采集、处理、矩形框标识，最终实现对动态的识别、跟踪和显示。其中，对图像的处理部分由FPGA完成，包括缓存、灰度处理、改进的位运算中值滤波、背景前景分离、帧间差分法与背景差分法融合进行运动目标检测与跟踪等，充分利用FPGA的高速并行处理的特点，结合片内RAM高速处理和片外SDRAM大容量特性，实现对视频数据的处理和存储。同时，系统具有抗干扰性较强、小巧、灵活、低功耗、通用性及可扩展性强等特点，既适合工业领域，又适合家居使用。     

一种用于电力监控的行人运动检测与跟踪算法

在传统的行人检测跟踪算法中,主要采用HOG+SVM对视频中的行人直接进行检测,针对传统算法在复杂背景及多行人条件下,行人检测效果较差,且实时性低等缺点,提出一种融合目标运动检测与目标跟踪的行人检测算法。首先采用Vibe算法提取视频中的运动目标,并通过对Vibe算法的改进消除初始帧存在的阴影问题。针对视频中的运动目标采用Adaboost算法对运动目标区域进行行人检测,减小视频中背景的干扰,加快检测速度。最后采用卡尔曼滤波算法和匈牙利最优匹配算法对视频监控中的行人进行跟踪。仿真实验结果显示,该算法能够对电力监控视频中存在的行人进行检测跟踪。     

复杂环境下变电站运动目标跟踪技术研究

背景光线变化、树木摇动、下雨下雪等自然环境变化会给运动运动目标检测带来的很大影响。本文介绍一种背景动态生成算法,利用此算法实时动态地生成背景图像,在一定程度上解决了自然环境变化给运动目标检测带来的影响。然后使用背景差分法来检测运动目标,当存在运动目标时,根据连续2帧图像与背景图像差分的结果来确定运动目标的运动方向、运动目标的位置坐标。最后给出了一种云台转动角度的计算公式,根据此计算公式计算出云台的水平旋转角度和垂直旋转角度,实现运动目标检测和自动跟踪功能。     

结合局部纹理和色度的运动目标检测方法

运动目标检测是智能视频监控中的关键技术之一.提出了一种新的运动目标检测算法,该算法联合能抵抗阴影影响的改进的LBP(local binary pattern)局部纹理和色度信息来表示背景,借鉴混合高斯模型的思想,采用多个高斯模式描述背景模型.为了达到实时性,减少了LBP纹理的种类,减低匹配复杂度.实验结果表明,所提出的算法能有效消除阴影的影响,能在常规视频分辨率下达到实时性要求,性能优于同类的算法.     

室内照明条件对于运动目标检测算法影响的分析

在室内视频监控系统中,光照条件对于运动物体的检测与分类将产生显著影响。本文归类分析了室内照明条件对于运动目标检测算法的不同影响,提出一种能够快速地适应光照条件变化的运动目标检测算法。该算法结合了帧间差分与背景模型算法的优点,并且引入亮度信息进行前序的处理;因此能够快速准确地检测出运动目标,同时算法对不同光照条件具有较高鲁棒性。通过相关仿真实验,证明了该算法的实时性与可靠性。     

基于边缘检测和混合高斯模型的运动目标检测算法

提出一种运动目标检测算法。该算法在时间域上通过混合高斯模型进行背景建模及更新,同时利用基于HSV颜色空间的阴影模型实现阴影检测,提取运动目标的初步形状。然后在空间域上利用Canny边缘检测算子获得运动目标的边缘轮廓,并进一步运算,提取出最终的运动目标。将所提出的算法应用到了越界侦测（报警）中,试验和应用结果表明,该算法能够更有效地检测出运动目标。     

基于非极大值抑制的SUSAN算法改进及硬件实现

基于FPGA的嵌入式双目立体视觉系统中要求其边缘检测算法具备抗噪能力强、定位精度高、实时性好、易于硬件实现的特点。本文在SUSAN算法的基础上,提出了一种能够满足上述要求的改进边缘检测算法,先用SUSAN算法计算图像的初始响应和法线方向,再进行基于USAN重心与中心点距离阈值的非极大值抑制,最后进行边缘连接,得到边缘图像。该算法各模块采用Verilog HDL语言编程,并在FPGA中验证实现;边缘检测结果用于立体匹配,匹配效果良好,完全满足设计要求。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

基于数学形态学的运动目标检测算法

帧差法和背景差法都是重要的运动目标检测方法,帧差法不能完全提取出目标的所有相关点,而背景差法又受环境光照的影响。针对传统运动目标检测算法的不足,提出一种基于数学形态学的帧差法与背景差法相结合的运动目标检测算法。先将帧差法得到的图像经过数学形态学处理,再将其与背景差法得到的图像相结合。实验表明,该算法能适应复杂变化的环境,准确地提取运动目标,对复杂干扰场景下的实时运动目标检测得到了较为满意的效果。     

基于Blackfin BF549的嵌入式动态目标实时跟踪系统设计

基于ADI公司Blackfin系列DSP BF549数字图像处理芯片,提出了一种在动态背景下对所采集图像中的动态目标进行实时跟踪与显示的嵌入式设计方案。对系统的工作原理、硬件及软件设计三方面进行了介绍。该设计方案充分利用BF549芯片的高性能视频处理能力,采用基于图像配准的运动目标检测方法,首先将采集的4幅相邻帧图像的背景进行配准,之后再利用差分相乘法,实现了动态背景下运动目标的检测,并利用球机对运动目标进行实时跟踪,最后将跟踪结果显示在TFT液晶屏幕上。     

旋转摄像机下的快速目标检测算法

对于动态场景下的目标检测,传统的方法已经不能适用.提出一种基于SIFT特征点预测的匹配算法,提高了运动目标检测的速度和准确率.在此过程中,用仿射参数模型结合最小二乘法求解出全局运动参数,再对运动进行补偿.采用ORSA的方法去除外点的影响;采用基于残差图像块的更新策略,实时更新特征点集.最后使用背景差法来实现运动目标的检...     

云天背景下的红外弱小目标检测算法

根据点目标在红外系统中的成像特点,提出了一种红外弱小目标快速检测算法,首先进行下采样来减小图像大小;再运用“梯度增大法”增强图像对比度;然后与背景预测图像做差值运算,用最佳门限从差图中得到候选目标集;最终利用相临帧的相关性在后续帧处理中确定目标。仿真试验表明本文算法能从复杂云层背景中快速有效地检测出目标。     

基于改进K-均值聚类算法的背景建模方法

针对背景差法易受外界环境因素影响的缺点,提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离,对各个像素的观察值进行聚类,并在聚类过程中逐步确定其类别数。一段时间的学习之后,样本数最多的子类就构成了背景模型。仿真结果表明,该算法即使在运动目标存在的情况下也能准确的提取出实际的背景,而且显著地降低了系统的存储量。     

基于DDAG支持向量机的汽车车型识别

文章应用DDAG支持向量机方法对汽车图像进行识别。首先采用背景差分方法提取运动汽车,然后用Otsu法进行阈值分割、基于边缘阴影检测方法消除阴影,最后提取运动汽车的RST不变特征,输入DDAG支持向量机进行训练和识别。实验表明,基于DDAG支持向量机的车型图像识别算法具有很好的性能。