固定场景下的运动目标检测算法与实现

论文摘要

运动目标检测是计算机视觉应用领域的一个热点研究方向。运动目标检测将运动目标和复杂的背景分开,并获得描述物体及其运动的相关参数,是解决众多计算机视觉问题的基础和关键,其结果直接影响着后续目标分类、跟踪及行为理解等过程的处理。目前运动目标检测已广泛应用于图像处理、工业检测、智能系统等领域,但其在理论和应用上还存在许多不足,国内外许多学者对其进行了大量的研究,并取得了一定的成果。本文在这些成果的基础上,提出了一种混合高斯模型背景差分法的改进算法,并在以TMS320DM642为核心的硬件平台上实现了该算法。本文首先对运动目标检测算法进行了研究。对主要的三种目标检测算法(帧间差分法、光流分割法和背景差分法)进行了分析与比较,针对混合高斯背景差分法的不足,提出了一种将三帧差分法和混合高斯背景差分法相结合的改进算法,并在MATLAB上进行了仿真实验,仿真结果表明该算法能够有效提取运动目标,检测速度更快、效果更好。其次以DSP芯片(Digital Signal Processing)为核心设计了运动目标检测硬件系统,并详细设计了各模块间的硬件接口及总线连接。系统主要包括视频采集模块、DSP模块、视频显示模块和存储模块,视频采集模块选用TVP5150PBS为解码器,DSP模块选用TMS320DM642为核心算法处理器,视频显示模块选用SAA7121H为编码器,存储模块选用HY57V283220TI扩展SDRAM,选用MBM29DL800TA扩展Flash。然后对运动目标检测算法在硬件系统上的实现进行了研究。设计了系统软件流程,完成了系统软件代码的编写,并从C代码和数据存储的角度对系统软件进行了优化,减小了代码的大小,提高了算法的运行速度。最后对系统进行了分析和测试。通过对系统基础模块和视频处理模块的测试,验证了算法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 运动目标检测研究现状及发展
• 1.3 本文的研究内容
• 第2章 运动目标检测技术基础
• 2.1 视频图像的预处理
• 2.1.1 彩色图像灰度化
• 2.1.2 图像噪声处理
• 2.1.3 数学形态学处理
• 2.2 典型运动目标检测算法的分析与比较
• 2.2.1 帧间差分法
• 2.2.2 光流分割法
• 2.2.3 背景差分法
• 第3章 基于高斯模型的背景差分法
• 3.1 单高斯模型背景差分法
• 3.1.1 单高斯模型的参数更新
• 3.1.2 单高斯模型的前景检测
• 3.2 混合高斯模型背景差分法
• 3.2.1 混合高斯模型的参数初始化
• 3.2.2 混合高斯模型的参数更新
• 3.2.3 背景场景选择及前景检测
• 3.2.4 仿真结果及分析
• 3.3 改进的混合高斯模型背景差分法
• 3.3.1 三帧差分法检测变化区域
• 3.3.2 用面积法判断运动目标是否存在
• 3.3.3 运动目标提取
• 3.3.4 算法仿真结果及分析
• 第4章 运动目标检测系统硬件平台与开发环境
• 4.1 系统硬件模块
• 4.1.1 DM642处理器
• 4.1.2 视频采集模块
• 4.1.3 视频显示模块
• 4.1.4 存储模块
• 4.2 DSP软件开发环境
• 4.2.1 集成开发环境（IDE）
• 4.2.2 代码生成工具
• 4.2.3 DSP/BIOS
• 4.2.4 实时数据交换（RTDX）
• 第5章 系统软件设计及优化
• 5.1 系统软件整体设计
• 5.2 软件代码设计
• 5.2.1 系统初始优化程序
• 5.2.2 中断程序
• 5.2.3 链接命令文件
• 5.2.4 算法处理主程序
• 5.3 软件优化
• 5.3.1 C代码的优化
• 5.3.2 数据存储的优化
• 第6章 系统测试
• 6.1 测试环境建立
• 6.1.1 配置CCS仿真环境
• 6.1.2 建立运动目标检测工程
• 6.2 系统基础模块测试
• 6.2.1 测试VPCapChaAIsr（）和VPDisplsr（）
• 6.2.2 测试capYbuffer和disYbuffer
• 6.3 视频处理模块测试
• 6.3.1 系统运行时间
• 6.3.2 系统检测结果
• 总结与展望
• 参考文献
• 致谢
• 附录A （攻读学位期间所发表的学术论文目录）
• 附录B （攻读学位期间参加的科研项目）
• 附录C （部分程序源代码）