視頻監(jiān)控中運(yùn)動(dòng)行人檢測(cè)算法研究及FPGA實(shí)現(xiàn)
發(fā)布時(shí)間:2024-04-21 03:35
智能視頻監(jiān)控系統(tǒng)具有智能化與數(shù)字化的優(yōu)勢(shì),目前被廣泛的應(yīng)用于交通與安防等領(lǐng)域。而隨著“智慧城市”與“安全城市”等管理系統(tǒng)的提出,智能視頻監(jiān)控的應(yīng)用更加廣泛,運(yùn)動(dòng)行人檢測(cè)作為其重要組成部分,越來(lái)越受到關(guān)注。本文主要對(duì)運(yùn)動(dòng)前景檢測(cè)和運(yùn)動(dòng)行人檢測(cè)算法進(jìn)行了研究,主要完成了以下工作:首先對(duì)傳統(tǒng)基于像素點(diǎn)建模的背景減除算法進(jìn)行優(yōu)化,將基于像素塊的自適應(yīng)背景減除法作用于運(yùn)動(dòng)前景檢測(cè),采用最小差分和算法對(duì)背景模型初始化并采用信息熵估計(jì)算法對(duì)背景模型選擇性更新,將最大類間方差法計(jì)算的閾值應(yīng)用于背景減除法中,得到運(yùn)動(dòng)前景檢測(cè)的二值圖像,對(duì)其進(jìn)行MATLAB仿真并與其它算法比較,結(jié)果表明本文基于像素塊的運(yùn)動(dòng)前景檢測(cè)算法具有較好的檢測(cè)效果。然后對(duì)檢測(cè)的二值結(jié)果采用基于游程的一次掃描連通域標(biāo)記算法提取其特征信息,與閾值進(jìn)行比較完成運(yùn)動(dòng)行人檢測(cè),通過MATLAB仿真驗(yàn)證該算法可以較好的檢測(cè)出運(yùn)動(dòng)行人。為了提高運(yùn)動(dòng)行人檢測(cè)算法的實(shí)時(shí)性,本文搭建基于FPGA的硬件平臺(tái),包括圖像緩存模塊、算法處理模塊與圖像輸出模塊。算法處理模塊包括運(yùn)動(dòng)前景檢測(cè)單元與運(yùn)動(dòng)行人檢測(cè)單元。在運(yùn)動(dòng)前景檢測(cè)單元中,分別設(shè)計(jì)了基于像素塊的背景初...
【文章頁(yè)數(shù)】:71 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 選題背景及研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 運(yùn)動(dòng)前景檢測(cè)算法研究現(xiàn)狀
1.2.2 運(yùn)動(dòng)行人檢測(cè)算法研究現(xiàn)狀
1.3 論文主要研究?jī)?nèi)容
1.4 論文章節(jié)安排
2 視頻監(jiān)控中運(yùn)動(dòng)前景檢測(cè)理論基礎(chǔ)
2.1 運(yùn)動(dòng)前景檢測(cè)算法概述
2.1.1 光流法
2.1.2 幀間差分法
2.1.3 背景減除法
2.1.4 運(yùn)動(dòng)前景檢測(cè)難點(diǎn)
2.1.5 數(shù)學(xué)形態(tài)學(xué)處理
2.2 經(jīng)典背景建模研究方法概述
2.2.1 中值、均值模型
2.2.2 混合高斯模型
2.2.3 碼本模型
2.3 本章小結(jié)
3 視頻監(jiān)控中基于塊的運(yùn)動(dòng)行人檢測(cè)算法研究
3.1 視頻監(jiān)控中運(yùn)動(dòng)行人檢測(cè)算法整體框架
3.2 基于像素塊的運(yùn)動(dòng)前景檢測(cè)
3.2.1 最小差分和算法背景初始化
3.2.2 自適應(yīng)背景更新
3.2.3 改進(jìn)的基于信息熵估計(jì)的背景更新
3.2.4 自適應(yīng)運(yùn)動(dòng)前景檢測(cè)
3.2.5 實(shí)驗(yàn)結(jié)果與分析
3.3 基于目標(biāo)區(qū)域特征的運(yùn)動(dòng)行人檢測(cè)
3.3.1 運(yùn)動(dòng)前景檢測(cè)后處理
3.3.2 兩次掃描連通域標(biāo)記
3.3.3 改進(jìn)的基于游程的一次掃描連通域標(biāo)記
3.3.4 運(yùn)動(dòng)區(qū)域特征信息提取
3.3.5 仿真結(jié)果及分析
3.4 本章小結(jié)
4 視頻監(jiān)控中運(yùn)動(dòng)行人檢測(cè)系統(tǒng)硬件實(shí)現(xiàn)
4.1 運(yùn)動(dòng)行人檢測(cè)系統(tǒng)整體結(jié)構(gòu)框架
4.2 數(shù)據(jù)緩存模塊
4.3 運(yùn)動(dòng)前景檢測(cè)算法單元設(shè)計(jì)
4.3.1 運(yùn)動(dòng)前景檢測(cè)單元整體介紹
4.3.2 子模塊設(shè)計(jì)與仿真
4.4 運(yùn)動(dòng)行人檢測(cè)算法單元設(shè)計(jì)
4.4.1 運(yùn)動(dòng)行人檢測(cè)單元整體介紹
4.4.2 子模塊設(shè)計(jì)與仿真
4.5 數(shù)據(jù)輸出模塊
4.6 系統(tǒng)板級(jí)驗(yàn)證
4.7 本章小結(jié)
5 總結(jié)與展望
5.1 工作總結(jié)
5.2 研究展望
致謝
參考文獻(xiàn)
本文編號(hào):3960357
【文章頁(yè)數(shù)】:71 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 選題背景及研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 運(yùn)動(dòng)前景檢測(cè)算法研究現(xiàn)狀
1.2.2 運(yùn)動(dòng)行人檢測(cè)算法研究現(xiàn)狀
1.3 論文主要研究?jī)?nèi)容
1.4 論文章節(jié)安排
2 視頻監(jiān)控中運(yùn)動(dòng)前景檢測(cè)理論基礎(chǔ)
2.1 運(yùn)動(dòng)前景檢測(cè)算法概述
2.1.1 光流法
2.1.2 幀間差分法
2.1.3 背景減除法
2.1.4 運(yùn)動(dòng)前景檢測(cè)難點(diǎn)
2.1.5 數(shù)學(xué)形態(tài)學(xué)處理
2.2 經(jīng)典背景建模研究方法概述
2.2.1 中值、均值模型
2.2.2 混合高斯模型
2.2.3 碼本模型
2.3 本章小結(jié)
3 視頻監(jiān)控中基于塊的運(yùn)動(dòng)行人檢測(cè)算法研究
3.1 視頻監(jiān)控中運(yùn)動(dòng)行人檢測(cè)算法整體框架
3.2 基于像素塊的運(yùn)動(dòng)前景檢測(cè)
3.2.1 最小差分和算法背景初始化
3.2.2 自適應(yīng)背景更新
3.2.3 改進(jìn)的基于信息熵估計(jì)的背景更新
3.2.4 自適應(yīng)運(yùn)動(dòng)前景檢測(cè)
3.2.5 實(shí)驗(yàn)結(jié)果與分析
3.3 基于目標(biāo)區(qū)域特征的運(yùn)動(dòng)行人檢測(cè)
3.3.1 運(yùn)動(dòng)前景檢測(cè)后處理
3.3.2 兩次掃描連通域標(biāo)記
3.3.3 改進(jìn)的基于游程的一次掃描連通域標(biāo)記
3.3.4 運(yùn)動(dòng)區(qū)域特征信息提取
3.3.5 仿真結(jié)果及分析
3.4 本章小結(jié)
4 視頻監(jiān)控中運(yùn)動(dòng)行人檢測(cè)系統(tǒng)硬件實(shí)現(xiàn)
4.1 運(yùn)動(dòng)行人檢測(cè)系統(tǒng)整體結(jié)構(gòu)框架
4.2 數(shù)據(jù)緩存模塊
4.3 運(yùn)動(dòng)前景檢測(cè)算法單元設(shè)計(jì)
4.3.1 運(yùn)動(dòng)前景檢測(cè)單元整體介紹
4.3.2 子模塊設(shè)計(jì)與仿真
4.4 運(yùn)動(dòng)行人檢測(cè)算法單元設(shè)計(jì)
4.4.1 運(yùn)動(dòng)行人檢測(cè)單元整體介紹
4.4.2 子模塊設(shè)計(jì)與仿真
4.5 數(shù)據(jù)輸出模塊
4.6 系統(tǒng)板級(jí)驗(yàn)證
4.7 本章小結(jié)
5 總結(jié)與展望
5.1 工作總結(jié)
5.2 研究展望
致謝
參考文獻(xiàn)
本文編號(hào):3960357
本文鏈接:http://sikaile.net/kejilunwen/dianzigongchenglunwen/3960357.html
最近更新
教材專著