多通道高清信号综合图形显示系统设计

设计了以基于高性能DSP和大规模FPGA芯片为核心的多通道高清信号综合图形显示系统,具有较强的灵活性和扩展性,实现了对Camera Link、DVI及LVDS等多通道多种格式视频信号的解码、实时处理以及输出。提出一种基于纹理特征的视频缩放线性插值算法,基于纹理特征确定像素点的方向,通过线性插值算法实现视频缩放。实验结果表明,高效视频缩放算法在保持传统插值算法低运算复杂度和模型简单优势的同时,大大减少了图像边沿区域的信息损失,消除了双线性插值算法固有的边缘锯齿现象。系统可同时接收一路1920×1080数字视频、一路1600×1200DVI视频信号和20路LVDS雷达数据,并可以生成一路分辨率1600×1200DVI视频输出信号,能够对输入信号进行实时缩放和融合处理。     

基于ARM9 S3C2416的嵌入式人脸检测系统

设计了基于ARM9 S3C2416嵌入式人脸检测系统,实现了Adaboost算法完成人脸检测,在对实际的监控视频数据进行测试的结果表明:该系统具有运算速度快、体积小、功耗低、成本低、检测率较高及误检率低等特点,可以推广到视频监控、视频目标跟踪、视频压缩存储等领域中。     

基于边缘计算的人脸识别视频传输系统设计

随着计算机视觉和模式识别领域的应用升级需要，动态人脸识别技术也得到了飞速发展[1]。目前视频监控领域中的人脸识别处理方法多只在设备前端做简单的识别和跟踪，大量复杂运算，包括人脸特征值的比对和大数据的处理部分都在服务端完成。对于视频监控的使用方，该方法无法在监控端实时显示人脸的识别和比对结果。针对这种需求，本文提出了一种基于边缘计算的人脸识别视频传输方案，实现视频传输的采集端和播放端对视频中人脸识别效果的同步。该方案中，终端设备的视频处理模组对视频数据同时进行视频编码和人脸识别，根据终端人脸库，提取分析人脸识别结果并记录视频中的坐标信息，并采用同步封包机制将两者融合，从而获得同时具有编码数据和人脸信息的视频数据包。通过验证系统试验证明，该方案可解决视频直播中的人脸框显示和跟踪的同步问题，并且有较高的准确性和实时性。     

基于FPGA的视频图像实时缩放系统的实现

图像缩放作为图像重建的一个分支，在数字图像处理领域发挥着不可或缺的作用。由于传统的图像缩放大多都是基于软件实现，虽然显示效果较好，但都是针对一帧图像进行处理，对于视频这种数据量较大的场合，根本无法满足实时性要求。基于此，本文介绍一种利用FPGA实现视频缩放处理的方案，能够实现倍率可变的视频图像实时放大。     

基于多相位插值的视频缩放系统FPGA实现

传统的插值算法在视频图像缩放尤其是输出高分辨率的视频图像时,对细节方面的处理性能较差。采用多相位插值算法实现视频图像缩放,主要阐述算法的原理及算法实现的硬件结构。其中硬件电路控制部分使用Xilinx公司的Spartan6系列FPGA芯片,系统可以实现将四路摄像头采集的视频信号从任意通道放大到1 920x1 080@60 Hz的分辨率显示,结果表明输出视频图像的实时性和细节保持良好。     

基于关键人物的分布式视频检索系统设计与实现

针对基于关键人物的视频检索问题,以Hadoop分布式计算平台为支撑,设计并实现了一个可处理大量视频数据的分布式视频检索原型系统.分析了系统的三大关键问题:基于人脸检测的视频帧提取、基于人脸匹配的视频帧筛选和基于PCA的相关视频检索.以2014年大数据竞赛提供的TED演讲视频基准数据集为例,对系统实现效果和检索性能进行了评测.     

一种改进的CAMShift跟踪算法及人脸检测框架

为充分利用人脸视频图像序列中的时空信息,获得更加准确的人脸比对图像序列,提出一种结合人脸跟踪的人脸检测框架。使用简单快速的正面人脸检测算法对人脸视频图像序列进行检测,用检测的结果对人脸跟踪算法进行初始化及校验和调整。为解决CAMShift跟踪算法容易受类肤色区域影响而导致提取到的人脸区域存在冗余信息的问题,提出一种改进的CAMShift-KLT算法。该算法利用兴趣点跟踪人脸图像的边缘,达到准确获取人脸比对图像的目的。实验结果表明,与CAMShift算法相比,CAMShift-KLT算法获取的人脸区域更精准,同时具有较小的跟踪偏移距离、较大的跟踪命中率和更高的跟踪有效性。与对比算法相比,CAMShift-KLT算法能够获得与理想的人脸区域更加一致的跟踪区域。     

AVS视频图像缩放模块的设计与实现

介绍了应用于AVS视频解码芯片的图像缩放(Scaling)模块。该模块依次通过垂直方向、水平方向进行图像像素重采样,再运用移位和加法运算达到了图像缩放效果。算法是硬件可实现的,图像缩放效果好,视觉感尚佳,硬件成本低。此方案已成功运用到AVS视频解码芯片项目中,实现了图像缩放的功能。     

基于PTZ摄像头的视频人脸识别

针对传统的视频人脸识别技术受限于理想的环境条件,无法应用于监控场景的弊端,提出了一种基于PTZ(Pan-Tilt-Zoom,旋转-俯仰-缩放)摄像头的人脸识别方法,并结合AdaBoost人脸检测以及Mean-shift跟踪算法进行了识别.实验结果表明,该方法克服了监控场景图像分辨率低的问题,具有较好的鲁棒性.     

基于PTZ摄像头的视频人脸识别

针对传统的视频人脸识别技术受限于理想的环境条件,无法应用于监控场景的弊端,提出了一种基于PTZ（Pan-Tilt-Zoom,旋转-俯仰-缩放）摄像头的人脸识别方法,并结合AdaBoost人脸检测以及Mean-shift跟踪算法进行了识别。实验结果表明,该方法克服了监控场景图像分辨率低的问题,具有较好的鲁棒性。     

基于TMS320DM6446的视频车检一体化设计

智能交通系统（ITS）是当今交通运输领域研究和应用的热点。作为ITS重要组成部分的视频车辆检测技术与传统车辆检测方法相比,具有结构紧凑、功耗低、速度快等优点。一体化视频车检器采用基于TMS320DM6446芯片的CMOS图像采集处理的解决方案,该芯片能够很好地处理ARM与DSP之间协同工作的问题,同时使ARM与DSP能各自发挥自己功能,大幅度提升采集图像的输出质量,较好地实现图像采集和处理的稳定,形成一套可以获取较高帧率的软硬件车辆图像采集处理系统。实验结果表明,该系统具有较高的实用性。     

基于CPLD芯片控制的视频图像处理系统设计

针对当前连续视频图像的空间冗余性较高,图像数据处理及时性较差的问题,设计了基于CPLD芯片控制的视频图像处理系统。将CPLD存储模块内提取的数据信息,平均分配至视频图像采集元件及图像边缘检测元件中,再借助信息传输信道,建立与VGA视频图像显示模块的物理连接,实现视频图像处理系统的硬件执行方案设计。利用分数像素差优化结果,规范子窗口的动态显示权限,控制连续视频图像在空间范围内的冗余化程度,完成图像源路数的智能控制处理。联合视频进程与多线程控制原理,实施数据包缓冲区的信息排序,再建立全新的视频流存储模式,实现视频流的完整播放。对比实验结果表明,与多路视频处理手段相比,应用CPLD芯片控制处理系统后,图像数据帧缓存速率明显提升,而VGA信息转换指标却大幅下降,在抑制连续视频图像空间冗余能力的同时,解决了图像数据处理不及时的问题。     

Strategy for power efficient combined task and data parallelism exploration illustrated on a QSDPCM video codec

Application studies indicate that between 50% and 80% of the power cost in image and video processing systems is due to data storage and transfers. This is especially true for multi-processor realizations, because conventional parallelization strategies ignore this cost and focus only on the performance, whereas the power consumption also depends heavily on the way a system is parallelized. We will demonstrate the impact of processor partitioning on the memory requirements by exploring a QSDPCM video codec realization. Furthermore, we show that a strategy for combined task and data parallelism exploration leads to a significant power reduction.     

Sudden scene change detection in compressed video using interpolated macroblocks in B-frames

This paper addresses an important area in video processing, namely compressed domain processing. For video indexing, video scene transition detection is an essential step to segment the video. Current techniques for scene change detection tend to suffer from a major limitation as most of them cannot identify scene transitions in the compressed domain. Since most video is expected to be stored in the compressed domain, scene transition detection in this domain is highly desirable. In this paper an algorithm for video scene change detection is proposed to overcome this limitation. In this scheme, properties of the B-frames are used as it is capable of measuring the correlation between two adjacent reference frames. The results show that this scheme performs better than schemes based on P-frames. Proposed scheme can be directly applied with compressed data with minimum decompression and hence it is computationally efficient and makes real time implementations possible. Results show that video scene transitions can be identified satisfactorily with the proposed scheme.     

An efficient memory control method for video and image processing in digital TV

High definition (HD) and ultra-high definition (UHD) digital TV require high-resolution images and lots of data transfers between processors and memory devices often become the bottleneck of the system. Video and image signal processing usually require blocks of square or rectangular shaped pixel data for signal processing. It requires frequent precharging and activating new rows, and results in extra latencies for reading and writing pixel data in memory devices. This paper proposes an efficient memory controller for video and image processing to reduce the latencies for reading and writing blocks of pixel data. The controller stores a frame of pixel data by distributing contiguous lines of pixel data to multiple banks in sequence. Its efficiency is enhanced more with an interface protocol such as AMBA AXI in which outstanding transactions are allowed. Memory controllers according to the proposed scheme are designed and the performance and the efficiency are compared with the previous works.     

基于FPGA的运动目标远程监视系统设计

运动目标检测是智能安防系统的重要组成部分,为了满足安防系统远距离监视目标以及视频传输实时性等需求,设计了一种基于FPGA平台的运动目标远程监视系统;该系统以Xilinx公司的Artix7系列FPGA芯片为核心,通过OV5640摄像头实现视频图像的采集,将采集到的图像进行灰度化处理,并通过DDR3存储器缓存处理后的图像,采用帧间差分法运动目标检测技术实现对多个运动物体的检测与标记,将检测结果通过以太网的UDP协议传输到上位机实时显示;实验结果表明,在图像分辨率为640*480时,以太网UDP传输速度为133Mbit/s,视频图像帧率为26fps,大于人眼的可视帧率24fps,满足视频传输实时性的要求,同时该系统能够远距离、高效地检测与跟踪多个运动目标,相比于其他系统具有可远程实时检测、小型化、低功耗的特点,可进一步应用到智能安防系统中。     

面向无线网络的可伸缩视频编码传输策略*

针对现有面向无线网络的可伸缩视频编码(Scalable Video Coding, SVC)传输策略未能充分考虑失真和能耗的问题,提出了一种基于失真和节点能耗最小化的SVC传输策略。该策略在分析SVC的编码失真、传输过程中的丢包失真的基础上,计算了接收端的视频失真总和;通过计算SVC传输系统的功率,对无线网络中的节点能耗进行了分析。然后综合考虑了能耗、传输时间及质量要求,将SVC的传输策略转化为一个优化问题,进而得到最优的SVC编码参数,在获得较优视频质量的前提下实现了SVC的可靠传输。仿真实验结果表明,与目前典型的SVC传输策略相比,该策略不但有效降低了SVC传输过程中的平均失真,而且在相同的能量消耗水平下,获得了更好的视频质量。     

基于众核处理器和GPU的视频快速检测方案

目前基于普通架构的视频检测速度较慢,难以满足网络视频实时监测的要求,为此提出一个基于众核处理器和图形处理单元(GPU)的视频检测方案。该方案基于众核处理器实现视频解码,基于GPU实现SURF(Speed Up Robust Features)和SVM(Support Vector Machine)的图像检测算法。与基于普通PC架构的视频检测方案相比,该方案的视频检测性能提升了10倍以上。     

NB-IoT环境下基于混合分辨率人脸监控视频压缩方法

在面向社区楼道或门栋监控中,人脸信息尤为重要。通过NB-IoT(窄带物联网)接入,可以满足低成本、广覆盖和多接入的需求,但是常规编码方法在窄带低码率下无法保障人脸质量。针对该问题,提出一种面向人脸业务的混合分辨率监控视频压缩方法。利用监控视频统计特性优化人脸检测速度,采用不同分辨率区别编码人脸和非人脸区域,在高倍率压缩下提高了人脸的可辨识性。实验表明,该方法相较于主流感兴趣区域编码,人脸区域PSNR提高了5.57 dB,编码速度提高了5.12倍,具备NB-IoT环境下的实用性。