论文部分内容阅读
在计算机视觉、智能视频监控领域，视频图像的运动目标检测结果，将对运动目标分类、跟踪及行为理解等后续处理产生重要影响。对运动目标进行有效分割是序列图像分析的基础性工作，具有重要的意义。本文对复杂场景的背景建模与运动目标检测进行了较为深入的研究，同时构建了基于TI公司TMS320DM642 DSP评估开发板的运动目标检测系统。本文的主要工作如下： 1．在大量真实场景实验的基础上，从运动目标检测效果、处理速度、计算机内存的需求以及适用场景四方面，对现有的几种主流背景建模典型算法进行了比较研究。 2．对基于核密度估计的运动目标检测算法进行了分析，针对原始核密度估计检测算法计算量大、实时性较差以及由于样本更新带来的“死锁”及漏检问题，提出了基于模型切换的核密度估计快速检测算法。实验结果表明，该算法具有较好的实时性及较低的虚警率。 3．对系统硬件平台进行了较为详细的研究，包括主控芯片的特点及结构、评估开发板的功能、外设。分析了如何在CCS集成环境上开发高端视频应用程序，并对CCS的主要集成工具进行了研究。 4．对整个系统的软件设计及实现过程进行了研究，主要包括：系统的工作原理、板上器件的驱动设计、系统内部数据结构的定义、视频数据的采集与播放、视频数据的格式转换等。完成了基于TMS320DM642 DSP评估开发板的运动目标检测系统，多个场景下的实验结果表明，该系统检测效果较好，处理速度较快，应用灵活简便，具有较高的稳定性及良好的可扩展性。