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。     

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。     

基于差分图象的多运动目标的检测与跟踪

运动目标的检测与跟踪在许多领域有广泛的应用,它是应用视觉研究的焦点之一。     

基于改进ViBe算法的运动目标检测

针对ViBe算法中鬼影消除速度慢和固定阈值反映每个像素情况不详细的问题,分别提出了改进帧间差分与ViBe结合算法和自适应阈值的ViBe算法.改进帧间差分法,首先将连续六帧图像进行差分,并通过动态阈值进行校正,进而消除空洞现象,再与ViBe结合来判断鬼影像素.自适应阈值的ViBe算法,将像素值的变化作为像素值的设定依据,...     

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。     

一种快速的视频刚体运动目标检测算法

检测速度慢、准确度低是传统视频运动目标检测方法普遍存在的问题,为克服以上缺点,结合帧间差分和变分水平集方法提出一种新的运动目标检测算法。通过改进的帧差法快速初始化运动区域,并将其作为初始水平代入无需重新初始化的水平集演化方程进行演化,利用强度和光流信息控制水平集演化最终停止在目标边界处。实验结果表明,该算法具有检测速度快、准确性高的特点,是一种有效的视频刚体运动目标检测方法。     

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。     

基于双阈值的运动目标检测

目前在运动目标实时检测中.主要是运用差分法进行检测.但背景差分受光照、环境影响较大,需要实时更新背景,而帧间差分容易出现空洞和误检.结合背景差分和帧间差分,采用双阈值对运动目标进行分割,能对背景进行实时更新,有效的避免了空洞和误检,并且在机场的运动目标检测中取得了较好的效果.     

一种基于立体视觉的运动目标检测算法

在目标检测中采用立体视觉方法。首先对立体图像对进行匹配求取场景的视差图,再运用基于视差的背景差分法获得含有运动目标的前景区域,最后根据前景区域的视差和位置分布准确定位各运动目标。立体视觉方法有效解决了单目视觉检测方法中的一些难点问题,可以克服光线的变化和阴影干扰对目标检测带来的影响,在多个目标发生部分遮挡时仍能正确区分各运动目标。     

OPTICS聚类与目标区域概率模型的多运动目标跟踪

目的 针对多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题,本文提出了一种基于OPTICS聚类与目标区域概率模型的方法。方法 首先引入了Harris-Sift特征点检测,完成相邻帧特征点匹配,提高了特征点跟踪精度和鲁棒性;再根据各运动目标与背景运动向量不同这一点,引入了改进后的OPTICS加注算法,在构建的光流图上聚类,从而准确的分离出背景,得到各运动目标的估计区域;对每个运动目标建立一个独立的目标区域概率模型(OPM),随着检测帧数的迭代更新,以得到运动目标的准确区域。结果 多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题通过本文方法得到了很好地解决,Harris-Sift特征点提取、匹配时间仅为Sift特征的17%。在室外复杂环境下,本文方法的平均准确率比传统背景补偿方法高出14%,本文方法能从移动背景中准确分离出运动目标。结论 实验结果表明,该算法能满足实时要求,能够准确分离出运动目标区域和背景区域,且对相机运动、旋转,场景亮度变化等影响因素具有较强的鲁棒性。     

动态背景下空时特性均显著的运动目标检测

从序列图像中提取变化区域是运动检测的主要作用,动态背景的干扰严重影响检测结果,使得有效性运动检测成为一项困难工作。受静态图像显著性检测启发,提出了一种新的运动目标检测方法,采用自底向上与自顶向下的视觉计算模型相结合的方式获取图像的空时显著性：先检测出视频序列中的空间显著性,在其基础上加入时间维度,利用改进的三帧差分算法获取具有运动目标的时间显著性,将显著性目标的检测视角由静态图像转换为空时性均显著的运动目标。实验和分析结果表明：新方法在摄像机晃动等动态背景中能较准确检测出空时均显著的运动目标,具有较高的鲁棒性。     

基于背景减除法的视频序列运动目标检测

视频序列中运动目标的检测是目标识别、标记和追踪的重要组成部分,背景减除法是运动目标检测中被广泛应用的算法。针对光线变化、噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测算法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差（Otsu）法对差分图像进行目标提取,并使用数学形态学运算去除目标中的噪声和冗余信息。实验结果表明,所提算法对于视频序列中运动目标的检测具有较好的视觉效果和较高的准确度,能够克服局部运动以及噪声等缺陷。     

改进的基于混合高斯模型的运动目标检测算法

针对传统混合高斯模型检测运动目标中存在的不足,提出了一种改进的基于混合高斯模型的运动目标检测算法。将改进的混合高斯模型与四帧差分相结合,有效地解决了突变光照的影响并消除了传统帧差法检测目标时容易出现的双影现象,改进的混合高斯模型自适应地调整了高斯模型的分布数量,提高了背景的描述精度。分情况讨论了物体的运动状态并分别设置不同的学习率,改善了对运动缓慢目标的检测效果。实验结果表明结合后的算法能对运动目标进行准确检测,对复杂场景有较好的适应性。     

基于聚类的背景建模与运动目标检测方法

为克服目前动态背景建模方法中计算量和存储量大的问题,提出了一种基于聚类的动态背景建模与运动目标分割方法。由于动态背景下每个像素的取值在时间轴上呈多峰分布形式,因此将每个峰看成一个子类,用聚类技术快速实现了动态背景的建模与更新,然后利用建立的背景模型快速、准确地实现运动目标的分割。实验结果表明：提出的背景建模方法能有效捕获并适应背景的动态变化,可显著降低目前动态背景建模方法的计算量和内存需求量,易于在基于DSP 或 FPGA等硬件系统上实时实现。     

基于运动显著性的移动镜头下的运动目标检测

针对移动镜头下的运动目标检测中的背景建模复杂、计算量大等问题,提出一种基于运动显著性的移动镜头下的运动目标检测方法,在避免复杂的背景建模的同时实现准确的运动目标检测。该方法通过模拟人类视觉系统的注意机制,分析相机平动时场景中背景和前景的运动特点,计算视频场景的显著性,实现动态场景中运动目标检测。首先,采用光流法提取目标的运动特征,用二维高斯卷积方法抑制背景的运动纹理;然后采用直方图统计衡量运动特征的全局显著性,根据得到的运动显著图提取前景与背景的颜色信息;最后,结合贝叶斯方法对运动显著图进行处理,得到显著运动目标。通用数据库视频上的实验结果表明,所提方法能够在抑制背景运动噪声的同时,突出并准确地检测出场景中的运动目标。     

运动目标跟踪算法研究综述*

将运动目标跟踪问题分解为运动检测和目标跟踪分别加以讨论,分类描述了目标跟踪问题的研究现状、研究方法及常用算法,比较了各种方法的优劣及面临的技术难点问题,并对运动目标跟踪算法的研究前景进行了展望。     

基于运动点团的鱼眼图像中多目标检测方法研究

采用运动点团模式对鱼眼视频序列中的目标检测方法进行了研究和探讨。运动点团模式的运动目标检测分为三个层次,每个层次对应一个具体的检测算法,即基于像素层的背景提取和更新、运动点团层的点团检测和判定及运动目标层的目标标记和跟踪。对三个算法的原理进行了探讨,并结合鱼眼图像的特点进行了算法改进和优化。实验结果表明,以运动点团作为中间检测过程的方法能有效对圆形鱼眼视频序列中的多个运动目标进行检测,特别是图像边缘的大畸变、低分辨率目标,相比传统的检测方法具有更好的检测稳定性和准确性,在大范围智能视频监控中具备很好的实际应用价值。     

基于运动目标检测的视频水印算法研究

摘要：为了提高视频水印的鲁棒性,提出一种基于运动目标检测技术的算法。通过相邻帧差法提取并标记视频图像序列中的运动目标,并采用图像局部奇异值分解(SVD)算法,实现水印的嵌入和盲提取过程。在仿真实验中,通过计算水印嵌入后图像的峰值信噪比,证明该水印算法具有很好的不可见性和隐蔽性;并使用strimark软件对嵌入水印后图像进行几何攻击,分析水印图像的相关系数,验证本算法具有很好的鲁棒性。