论文部分内容阅读
监控系统广泛应用于实际生活中,传统的监控系统只能起到简单的录像和报警作用,随着图像处理、计算机视觉和人工智能技术的融入,智能视频监控的概念越来越普及。起初,智能视频监控主要采用云计算技术,云计算中心拥有强大的计算能力,但能源消耗、带宽限制和隐私安全始终是其主要问题,边缘计算技术的产生和快速发展使这些问题得到了有效解决。本文设计一种具有实时智能视频分析功能的智能视频监控,在传统监控系统的基础上添加实时智能视频分析功能,通过深度学习技术对行人进行检测和特征提取,并在此基础上进行人数统计,然后将统计结果通过网络发送至平台展示。区别于传统的基于云计算的视频分析方法,智能算法均在边缘系统内部实现。嵌入式系统开发离不开仿真系统指导,本文先对系统仿真平台和边缘平台的开发环境进行了分析比较,并在此基础上进行针对性开发。仿真平台设计侧重于视频处理算法和数据传输算法。本系统选用ZYNQ7010开发板作为边缘处理平台。智能处理部件性能良好,但边缘处理平台资源和处理能力有限,通过对其进行性能测试发现视频处理过程完全无法到达实时。本文分析了ZYNQ7010开发板的各项资源,在此基础上设计了资源调度算法,大大加速了视频处理过程。为了确保系统的实时性,本文还根据视频特性提出了几种跳帧处理方案,使视频处理过程完全到达实时。本系统具有人数统计功能,本文研究了常用的人数统计方法和其他学者的优化成果,并结合本系统的智能分析结果设计了人数统计算法。然而,视频处理阶段的跳帧处理方案会降低视频的连续性,从而导致智能分析结果出现误差,降低人数统计的精确性。为此,本文针对系统此特有属性设计了一种行人跟踪和人数精确统计算法。该算法的应用场景不仅限于本系统,还可用于由于各种问题导致的视频分析结果不佳的情况,可兼容人脸识别和行人识别结果,能有效提升人数统计的准确性。本系统功能强大,软硬件环境的设计与部署较为复杂,因此本文还对系统的硬件环境和软件部署做了详细介绍,并设计了结果的可视化方案,对系统的功能进行了有效验证。本系统的性能设计要点在于系统的实时性和人数统计的准确性,因此本文选取了具有代表性的实验数据对系统进行了性能测试和实现方案的选取。结果显示经过优化后,系统能够达到预期的性能指标。