对于智能化的视频处理而言,对象识别是理解视频语义信息的基础。在当前市场的诸多领域如自动化,智能辅助,机器人,自动驾驶等已经越来越多的依赖对象识别技术。对象识别算法是一类智能化程度很高也非常复杂的算法。随着对象识别的物体类别不断增多,很难找到一种通用的分类模型。一般性对象识别研究各对象的共同特点,主流的做法是使用矩形框标记出图像中的各个对象所在位置。很多一般性对象识别算法,从各种角度考虑不同对象个体之间的共同性,部分解决了对象识别算法无法快速识别很多种类对象的缺点,从一定程度上促进了对象识别算法的实际应用。由于不同对象之间的差异性很大,对象种类繁多,一般性对象识别算法仍然具有很多缺点与不足。现有的一般性对象识别算法大多基于训练的方式,大量的训练参数不适合嵌入式应用;受环境影响大,难以适应复杂多变的应用场景;运算复杂,难以满足嵌入式的实时性要求。本文主要从实际应用出发,围绕如何高效的评估一般性对象,主要做了以下工作:1.针对现有的算法存在的问题与不足,本文提出了一个新的边缘轮廓性评估方法。该方法以一般性对象共有的凸性特点作为突破点,构建起基于无监督的方法。该方法不需要训练集,因此适应性强。基于凸性的特点,速度快。在实时性方面,新算法比以前的方法有很大的提升和改善。2.针对现有的候选框评估算法速度慢的特点,本文提出了一个新的基于动态规划的方法。在准确度和速度上,本文提出的方法提供了更好的平衡。3.为了将上述的边缘轮廓性评分方法和候选框评估算法移植到DSP上,本文基于TI的SysLink组件,搭建了基于DM8168平台的一般性对象识别软件系统。该系统各内核之间的核间通信基于消息机制,各内核之间的数据交换基于共享内存,各线程通过多缓冲队列并行。4.针对C674xDSP内核的特殊结构,移植本文的算法到DSP上。对本文的算法各模块进行了重新设计与优化,着重考虑降低内存消耗与运行时间。系统的整体性能在优化后,得到了极大的提高。