FPGA在视频中人体快速识别应用.docVIP

FPGA在人体动态识别技术中的应用 摘要：人体识别是依靠人的生物特征来进行的人体行为的检测和识别技术，随着高清视频图像技术的进步，对人体识别的动态要求越来越高。Altera公司EP4C系列FPGA具有很高的图像数据处理能力，本文将其利用到高清视频中人体动态识别的数据处理中，采用图像边缘检测法，可以满足25帧/s视觉图像的处理要求，提高了人体动态识别的实时性。 关键词：FPGA 高清视频 边缘检测 模糊识别 1 引言 2 人体状态的建模 基于人体静态和动态特征融合的步态识别采用经过优化的60-nm低功耗工艺提供150,000个逻辑单元(LE)，如图1所示，Altera Cyclone? III 和Cyclone IV器件系列等FPGA帮助MV设计人员实现： 在抓帧器电路板上进行高性能图像预处理(使用Camera Link等协议)，实现实时帧速率。 将实时功能集成到摄像机系统中，实现像素定位增益控制、缺陷像素补偿，提高动态范围，等等。 利用FPGA的灵活性，支持不断发展的摄像机接口，例如GigE Vision和Camera Link等。 实现各种总线接口，例如，PCITM、PCIe?、千兆以太网、USB，等等。 在单片FPGA上，集成多种功能，例如，图像采集、摄像机接口、预处理和通信等功能。 伴随计算机视觉技术的新兴与深入研究,其应用领域诸如智能监控系统,虚拟现实系统和数字视频编码技术等得以蓬勃发展。在信息与科技创新得到鼎力推崇的今天,作为国家特殊且极为重要的执法机构,监狱监控系统的可靠性与智能性显得尤为关键。监狱监控系统监控的主体是犯人,监控的场景包括囚犯住室、探视室、集体食堂、重要通道和门禁等。复杂而特殊的监控主体和监控场景,对监狱监控系统的功能提出了极为苛刻的要求。基于此,本文从理论和实践出发,通过模拟监狱环境,分别就视频帧预处理,边缘检测,运动目标提取跟踪,人体目标识别及个数统计等关键技术进行了探索与研究。主要研究内容如下： 1、视频帧预处理技术比较繁多,针对监狱监控环境的实际,文章重点完成了以下几个处理：彩色视频帧经过灰度化处理及二值化处理,借此减少大量不必要的像素点,从而减少文章工程工作量；通过视频帧直方图均衡化处理,去噪以及锐化处理,完成对图像帧的平滑与滤波,为下一步边缘检测做充分准备。 2、视频帧边缘检测研究,采用多种边缘检测算法进行实验仿真比较。使用的边缘检测算法包括经典边缘检测算子(梯度检测算子、罗伯茨检测算子、索贝尔检测算子,Prewitt检测算子、拉普拉斯检测算子和威廉检测算子)和现代边缘检测算子(基于BP网络的边缘检测算法、Pal.King模糊边缘检测算法和文章改进的Pal.King检测算法)。仿真实验结果表明,文章改进的Pal.King检测算法获取的图像帧轮廓较为清晰,毛刺较少,效果较好。 3、文章采用邻域帧差法完成运动目标提取,采用双次卡尔曼滤波完成运动目标跟踪。仿真结果显示,邻域帧差法能够有效提取运动目标轮廓,双次卡尔曼滤波相比经典卡尔曼滤波,能够更好地完成目标跟踪,并且对于目标突变等情况具备自适应快速收敛性。 4、研究了动态人体目标识别,个数统计及简单动作分析。在前人的相关研究论述基础上,提出了一种综合算法(基于人体轮廓宽高比和人头特征的人体识别,断面式统计计算人体数),在模拟监狱监控系统的环境里,通过实验仿真,以及数据分析,实现了课题研究的基本要求。【关键词】：智能监控系统视频帧预处理边缘检测目标提取跟踪人体目标识别个数统计Pal.King检测算法双次卡尔曼滤波