论文部分内容阅读
随着社会的进步,智能视频监控的需求越来越大,常见的智能视频监控系统一般将采集到的视频数据传输到PC机,在PC机上实现对目标的检测。但是这种方案存在视频传输过程中数据传输量大,耗时多,距离远,易受外界干扰等问题。而且传统的目标检测算法对外部环境变化,如光照变化和摄像头抖动等的鲁棒性比较差,一旦光照变化,或摄像头发生轻微抖动,目标检测结果的误差会很大。针对上述问题,本文在对一般目标检测及相关图像处理算法深入研究的基础上,提出了一种适用于嵌入式环境的目标检测算法。该算法主要是实现在嵌入式环境下对运动目标的检测,并将统计量化后的目标检测结果上传,从而避免了繁琐的视频数据传输过程。并且该目标检测算法在传统背景差分法的基础上,融入了图像匹配和边缘检测的算法,使其对光照变化和轻微抖动的鲁棒性得到增强。此嵌入式目标算法主要包括:在保留传统背景差分法背景模型的建立和更新过程的基础上增加了SSDA图像匹配过程,以实现对抖动造成的前后帧图像错位的检测;利用图像边缘特性受光照变化影响小的特点,将背景差分法的图片分割过程改为对背景模型和前景帧图像细化边缘的相互模糊对比过程;最后对模糊对比结果进行单元区域统计量化处理,得到最终的目标运动信息。为了设计和验证此嵌入式目标检测算法,首先搭建了基于Visual Basic.NET的软件平台,实现了对相关目标检测算法、图像匹配算法、边缘检测算法以及本文提出的嵌入式目标检测算法的验证和比较,实验结果表明该算法对光照变化和摄像头的轻微抖动具有很好的鲁棒性,能准确的检测出目标的出现以及运动变化。其次搭建了基于STM32的嵌入式目标检测系统,并且将通过上位机设计的算法移植到嵌入式环境进行测试,测试结果表明该算法简单,易于移植到嵌入式环境中。缺点是算法计算量大、系统实时性比较差,可以通过选用频率更高的微控制器来改善。