数字视频目标检测技术研究及基于DM6437的实现

论文摘要

随着社会安防意识的提升,视频监控系统特别是智能监控系统在越来越多的场合得到应用。智能视频监控是由摄像机拍摄图像,然后由计算机终端或者嵌入式终端对所得图像序列进行分析、处理,并且主动对其中的目标提取、识别、跟踪的监控系统。近些年来,由于计算机视觉技术的发展和嵌入式终端计算性能的大幅提高,基于嵌入式的智能视频监控系统逐渐受到人们的重视,成为研究和应用的热点。本文采用的智能视频监控系统的设计思路是：图像预处理、背景建立、目标检测、背景更新、目标跟踪,系统实现平台是TI DaVinci系列的DM6437。背景的自适应建立是视频监控的基础。由于在背景建立的过程中监控区域内不断会有运动物体经过,而背景则是一幅静态的、不包含运动物体的画面,因此在背景建立过程中如何去除监控区域内的运动物体是自适应建立静态背景的关键。在监控过程中如果监控区域环境发生变化,例如：有运动物体进入监控区域并静止下来,这时要对背景进行修正,将静止下来的物体做为新背景。背景的及时准确更新是保证监控系统健壮性的重要步骤。在建立好背景图像后,可以选择不同的检测方法检测目标,获得目标的属性参数例如：位置、边缘等,预测目标的行为特征,完成对目标的跟踪。本系统实现平台DM6437是TI公司近年推出的DaVinci系列中的一款专门用于多媒体技术的处理器。处理器内部有视频前端(VPFE)和视频后端(VPBE)两个子系统分别用作处理视频流的输入和输出,非常适合视频监控系统使用。本文首先对视频监控中图像处理的各种算法进行分析研究,特别是其中的监控背景自适应建立,监控过程中背景的自适应更新进行了改进。然后设计本系统的实现平台包括硬件平台和软件驱动平台。最后通过编写应用层程序实现以上视频处理的各种算法。根据嵌入式监控系统的特点,以满足系统的实时性和有效性为目的,应用程序层在实现图像处理算法的时候尽量采取一些简单有效的算法。调试结果表明该系统基本上实现了背景的自适应建立和更新,目标的检测、去影和跟踪。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 数字图像技术的产生与发展
• 1.2 视频监控的发展现状
• 1.3 目标检测和跟踪技术的发展现状
• 2 图像预处理
• 2.1 引言
• 2.2 邻域平均法
• 2.3 空域低通滤波法
• 2.4 多帧平均法
• 2.5 中值滤波法
• 2.5.1 传统中值滤波法
• 2.5.2 快速中值滤波算法
• 2.6 中值滤波算法理论改进
• 2.6.1 统计法计算中值近似值
• 2.6.2 分治法求中值近似值
• 2.7 各种滤波方法的比较与实现
• 3 自适应背景建立算法分析
• 3.1 引言
• 3.2 帧平均法
• 3.3 统计直方图法
• 3.4 自适应中值算法
• 3.5 Surendra算法
• 3.6 高斯混合模型算法
• 3.7 各种算法的分析以及本文所用算法
• 3.7.1 算法分析
• 3.7.2 本文采用的方法
• 4 运动目标检测跟踪算法分析
• 4.1 引言
• 4.2 帧间差分法
• 4.2.1 帧间差分法简介
• 4.2.2 两帧帧间差分法
• 4.2.3 连续三帧帧间差分法
• 4.3 光流法
• 4.4 背景减除法
• 4.5 背景的自适应更新
• 4.5.1 背景自适应更新简介
• 4.5.2 本文采用的更新算法
• 4.6 阴影的去除
• 4.6.1 彩色模型介绍
• 4.6.2 基于YUV模型的去影算法实现
• 4.7 目标的跟踪
• 4.7.1 常用目标跟踪算法
• 4.7.2 基于kalman滤波的目标跟踪
• 5 DM6437硬件设计
• 5.1 TI DSP芯片介绍
• 5.2 DaVinci技术
• 5.2.1 DaVinci处理器
• 5.2.2 DaVinci开发工具
• 5.2.3 DaVinci软件
• 5.3 硬件设计
• 5.3.1 DM6437内部结构
• 5.3.2 视频采集模块
• 5.3.3 视频输出模块
• 5.4 其他模块简介
• 6 系统软件设计
• 6.1 CCS及DSP/BIOS概述
• 6.1.1 CCS概述
• 6.1.2 DSP/BIOS概述
• 6.2 基于DSP/BIOS的对象创建和设备驱动设计
• 6.2.1 注册微型驱动
• 6.2.2 配置和使用类驱动
• 6.2.3 微型驱动函数的介绍
• 6.2.4 本系统视频处理驱动的流程
• 6.3 应用程序调试结果及分析
• 6.3.1 背景自适应建立及更新算法调试结果
• 6.3.2 目标检测调试结果
• 6.3.3 阴影的去除和形心的捕获
• 7 结论和展望
• 参考文献
• 致谢
• 个人简历 在学期间发表的学术论文与研究成果