為解決傳統(tǒng)監(jiān)控攝像機在超寬溫野外環(huán)境下存在工作不穩(wěn)定、可靠性差、智能化程度低、視場角小和全天候工作能力差等問題,提出一種基于嵌入式平臺的多路可見光和紅外雙光模組融合拼接識別處理方法。嵌入式處理平臺采用ARM+FPGA架構(gòu),集成于探測預(yù)警攝像機內(nèi)部,智能探測識別攝像機前段監(jiān)控場景中的威脅目標(biāo),并進(jìn)行效果驗證。結(jié)果表明:該攝像機集成度高、結(jié)構(gòu)緊湊,能減輕監(jiān)控系統(tǒng)終端視頻處理的壓力。 

【文章來源】：兵工自動化. 2020,39(04)

【文章頁數(shù)】：3 頁

【部分圖文】：

圖1 雙光攝像頭模組安裝及實物

攝像機信息流程如圖2所示。攝像機內(nèi)的視頻處理模塊通過對雙光攝像頭模組的可見光和紅外視頻的圖像融合[1]、圖像拼接[2]、移動偵測和AI智能檢測，實現(xiàn)對場景中運動目標(biāo)的檢測和識別。最終將目標(biāo)的位置、識別結(jié)果連同h.265編碼的寬視場圖像通過千兆網(wǎng)發(fā)出，發(fā)送到監(jiān)控的客戶端顯示。3 基于嵌入式平臺的AI智能探測識別

智能識別預(yù)警攝像機的實物如圖1(b)所示�？梢姽鈹z像頭為1 920×1 080 P高清攝像頭，紅外攝像頭分辨率為640×512，對車、人、小動物進(jìn)行識別探測的準(zhǔn)確率達(dá)到85%，滿足晝夜、不同氣候環(huán)境下的監(jiān)控需要，實現(xiàn)200 m距離內(nèi)識別的智能警戒能力需求。圖3為在室內(nèi)環(huán)境下進(jìn)行融合拼接視頻的識別測試。對人體部分區(qū)域被遮擋的情況下，仍能得到較好的識別效果。5 結(jié)束語

【參考文獻(xiàn)】：
期刊論文
[1]紅外與可見光雙攝像機標(biāo)定方法研究[J]. 胡廣勝,王青,單清群.  科技創(chuàng)新與應(yīng)用. 2017(04)
[2]基于FPGA+DSP架構(gòu)異步FIFO視頻圖像數(shù)據(jù)采集實現(xiàn)[J]. 李波,李亞南,李健.  兵工自動化. 2016(09)
[3]自動目標(biāo)識別算法發(fā)展綜述[J]. 劉士建,金璐.  電光與控制. 2016(10)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法[J]. 陳耀丹,王連明.  東北師大學(xué)報(自然科學(xué)版). 2016(02)
[5]卷積神經(jīng)網(wǎng)絡(luò)在人臉識別的應(yīng)用[J]. 胡亞君.  無線互聯(lián)科技. 2016(09)
[6]基于空中目標(biāo)識別的特征提取與選擇[J]. 田瑞娟,楊帆.  兵工自動化. 2014(03)

博士論文
[1]紅外與可見光的圖像融合系統(tǒng)及應(yīng)用研究[D]. 張寶輝.南京理工大學(xué) 2013
[2]全景圖像拼接方法研究與實現(xiàn)[D]. 宋寶森.哈爾濱工程大學(xué) 2012



本文編號：3292191