面向多区域视频监控的运动目标检测系统

为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。

基于块均值的运动目标检测系统

构建了基于FPGA的运动目标检测系统,系统包括视频数据的采集、缓存、显示、色彩空间转换及运动目标检测等模块。运动目标检测采用基于块均值的帧间差分法,这种方法有效地减少了需要存储和运算的数据量,降低了像素噪声对检测结果的影响。经测试,该系统能提供清晰稳定的监控画面,实现640像素×480像素,30帧/s视频信号的运动目标实时检测,并能在检测到运动目标后立刻发出报警信号。本系统消耗的逻辑资源较少,能够在小规模的FPGA芯片上实现,可推广应用于社区安防、生产安全监控等领域。

基于FPGA的元胞自动机模型

传统元胞自动机数学模型在计算机软件中的实现,受当前处理器顺序执行指令的特性和元胞自动机特殊的数据结构所限,无法同时实现高速度和高精度,因此将其移植到FPGA上实现.硬件实现的模型具有并行计算的特性,能够显著提高计算速度,芯片规模的快速扩大又为高精度的实现提供了可能.设计元胞自动机硬件模型,将其作为IP核嵌入SOPC系统中,在上位机控制下进行模型演化,并设计了软件模型进行参照.经测试,硬件模型能正确实现元胞机算法,在一个时钟周期内完成一代元胞演化,相比于软件模型显著提高了执行效率.

应用粒子群优化的高斯粒子滤波

针对高斯粒子滤波(GPF)在多峰高斯假设条件下不能满足贝叶斯估计精度的问题,提出一种基于粒子群优化的高斯粒子滤波算法(PSO-GPF).该算法用粒子群优化算法更新高斯建议分布的参数,解决粒子退化和多峰高斯下的粒子精度问题.同时,带压缩因子的粒子群优化算法能有效平衡粒子的全局探测与局部开采.实验结果表明,新算法的滤波精度比高斯粒子滤波精度平均可提高93.9%,具有更高的稳定性.