FPGA上的硬件Video Port设计

提出一种适合FPGA实现的视频输入输出系统结构。该系统包括视频图像采集、视频图像存储和视频图像显示三个部分。视频采集部分能够接收符合ITU-RBT.656标准的PAL格式YUV视频流数据;视频图像显示部分能够输出标准VGA格式的视频图像。该系统结构在XilinxFPGA上实现并取得了较好的效果。

基于国产FPGA的多源视频信号拼接系统设计

针对目前视频拼接技术存在动态视频数据速度慢、分辨率较低的问题,设计了一种能够将两路摄像头和两路高清晰度多媒体接口(high definition multimedia interface,HDMI)输入的动态视频数据进行拼接处理的系统。系统以紫光同创公司Pango logos系列现场可编程门阵列(field programmable gate array,FPGA)器件为核心,由时钟控制、寄存器配置、数据采集、先进先出(first in first out,FIFO)数据存储控制、第3代双倍速率同步动态随机存储(double-data-rate 3 synchronous dynamic RAM,DDR3 SDRAM)等逻辑功能模块组成。设计实现了DDR3 IP核的读写控制、图像缩放及视频拼接算法,使用Inserter和Debugger对主要功能模块进行了仿真测试,并进行了视频采集实验,结果表明,系统能够完成4路动态视频的拼接显示,分辨率达到1920×1080,刷新速率为60 fps,占用的查找表(look up table,LUT)资源为18%。支持多种动态数据输入方式,具有便携性好、帧率分辨率高、片上资源占用率低等特点,可用于动态视频拼接的应用场景。

基于DSP和FPGA的视频图像处理系统设计

介绍了基于TMS320C6416和EP1C4F400C8的实时视频图像处理系统的设计原理。系统以DSP为图像处理核心,以FPGA为数据采集和传输的逻辑控制单元,利用乒乓操作实现数据的缓冲和处理。详细地讨论了视频数据采集部分的结构和FPGA的控制逻辑,以及DSP响应中断后数据的转移和处理。实验表明,此系统实时性和稳定性均达到了设计要求,具有很大实用价值。

基于TMS320DM368处理器的便携式内窥镜视频系统的电路设计

目的设计一种便携式内窥镜视频系统的控制电路。方法以TMS320DM368处理器为主控制器,嵌入式Linux为操作系统,利用MT9P301图像传感器采集图像。通过视频输入及输出电路、存储单元电路、按键显示电路、LED照明电路、WIFI电路等把获得的图像显示在LCD上,并通过WIFI同步显示在HDTV上。系统采用锂电池进行供电,并可通过市电或太阳能进行充电。结果经过临床测试,该电路可实现内窥镜视频系统图像的拍摄、缩放、存储、传输等功能。结论电路性能稳定,功耗低、自我续航能力强,可满足便携式内镜视频系统的运需求。

利用Matlab对甲骨文视频输入材料预处理研究

要对甲骨文材料进行信息化研究,输入甲骨文材料是必不可少的一项工作.对于原始象形的契刻文字甲骨文,当前的各种输入法都存在不可解决的弊端,通过视频设备输入甲骨文材料无疑是一种非常理想的解决方案.利用矩阵计算工具Matlab对甲骨文视频输入材料预处理时的关键技术,归一化,灰度转化,去噪,二值化,细化等进行了研究.实验证明利用矩阵计算工具Matlab进行预处理比其他处理方式方便、快捷、灵活、高效,可以为随后的视频材料甲骨文字识别做好准备工作.

啤酒瓶高速实时在线容量检测装置的研制

采用以数字信号处理器TMS320VC5416和视频解码芯片SAA7113H为核心,构成了对54000瓶/h的高速自动生产线上啤酒容量在线实时采集检测装置。目前,利用该装置能够正确捕捉到高速运动中的目标图像,识别检测出啤酒的液位并实时显示出液位值,当容量不符合标准时可自动报警。实验表明该系统设计方案合理,电路简单,具有实时性,灵活性,便携性,实用性等优点。可靠性好,易于实现,便于携带到生产线现场进行啤酒容量检测。

基于TMS320DM642的图像处理系统

介绍了基于TMS320DM642的图像处理系统,给出了系统的输入输出及数据处理部分的设计。利用TMS320DM642提供的专用视频端口通过EDMAs传输数据使视频的获取及输出变得非常简单,同时TMS320DM642支持的视频驱动IOM设计模式大大简化了视频输入输出驱动设计的工作量,设计简单、设计周期短,是图像处理系统较为理想的选择。

基于PMON的龙芯BIOS初始化及VGABIOS模拟器

阐述基于PMON扩展后的龙芯基本输入输出系统(BIOS)的初始化流程以及ATI显卡BIOS的模拟器原理,针对自检过程中PCI设备的初始化、视频图形阵列(VGA)BIOS模拟器以及北桥的地址空间分配等关键性问题,给出相应的解决办法。经过调试和测试,扩展后的龙芯BIOS已在基于龙芯2E处理器的主板上可靠运行,能稳定加载为龙芯2E移植的Linux Debian操作系统内核。

基于DM642的多通道视频网络传输系统的硬件设计

TMS320DM642是TI公司推出的一种专门用于图像处理的高性能DSP,它具有强大的指令集和高速的运算速度。针对传统基于PC网络摄像传输系统的稳定性差、执行效率低的特点,提出了基于DM642的多通道视频网络传输系统。CCD摄像头将拍到的图像通过视频输入端口实时地传给DM642,DM642凭借高速的运算能力对图像进行处理,然后通过EMAC(以太网)将相关的图像信息传给PC以达到视频监控的目的。

基于OrCAD的视频对数放大器优化设计

利用OrCAD PSpice中的Optimizer优化模块,采用两种不同的输入信号激励方式,对大动态视频对数放大器进行了优化设计。优化结果表明,两种方式均能达到很好的优化效果,完全满足设计指标的要求,大幅节约设计开发时间。最后,在两种不同的输入激励信号下,介绍了视频对数放大器瞬态仿真优化的实现方法。

雷达视频输入卡的设计与实现

应用计算机技术设计的软硬结合型雷达显示系统比目前的纯硬件型系统具有更好的灵活性、更高的性价比和更广阔的应用前景。文中主要讨论了我们研制的雷达显示系统的硬件部分雷达视频输入卡的设计，重点论述了输入卡的技术难点及其解决方案。系统已投入实际使用，效果良好，证明输入卡的设计是成功的。

视频监控系统原理与设计

数字视频监控系统的核心就是数字视频采集和处理.数字视频处理的过程分为视频图像输入、视频信号处理、编码.视频图像输入由摄像头扫描光信号转变为电信号(标准信号、非标准信号).视频信号处理主要有计算机系统配合视频采集卡来完成,处理好的信号以数字方式进行编码和储存,也可以进行数模转换后显示输出.

基于输入输出假说的高职英语听说视频教学

文章阐释了二语习得理论中的输入输出假设,并以此为基础,针对当下英语视频教学中出现的问题,从课前准备、课堂教学、课后任务等方面探讨了如何面向高职高专英语专业学生有效地展开英语视频教学,从而提高学生的英语听说能力。

视频特技切换台的原理与功能

本文较系统、通俗地介绍了模拟视频特技切换台的矩阵输入、混合/效果放大器(M/E)、下游键、系统控制和同步发生器等电路单元,介绍了特技切换台的切换、混合、扫变、键控的基本原理和功能。

基于Flash技术的手势输入模型

用Action Script 3.0建立了手势输入模型.详细分析了手势图像获取、图像差值混合技术运用、运动区域分析、控制信号产生及输出过程.讨论了为保证控制信号可靠性而采取的一系列措施.

从输入与输出谈视听说教学

本文根据二语习得理论,分析了视听说课上视听输入的优势,以及说这一不可或缺的输出部分。结合实践提出视听说课的教学方法,并通过教学实验证实了它的有效性。

MIMO系统中的H.264/SVC数据流抽取和重组算法

为了使H.264可分级视频编码(SVC)生成的数据流分割为多个子数据流,便于在多输入多输出(MIMO)无线网络的不同子信道上传输以提高视频传输速率,提出了一个SVC数据流抽取和重组算法。在发送端,该算法利用SVC数据流的分层结构,将其中的基本层和增强层抽取为多个子数据流,并保持基本层子数据流能够独立解码。在接收端,该算法将接收到的子数据流重组成可解码的SVC数据流。实验证明该算法能充分利用MIMO系统提供的高带宽,并具有较低的冗余度和较好的灵活性。

基于DM642的违章车辆实时监控系统的硬件设计

提出了基于TI公司最新视频处理器DM642的违章车辆实时监控系统的硬件设计方案。DM642使用了C64xx系列高速数字信号处理器的核心处理单元,其运算能力可达48亿条指令每秒(4800MIPS),是目前性能最高的数字信号处理器之一。主要介绍了硬件设计过程。在系统硬件设计部分从工作原理及电路设计方面详细介绍了硬件系统中两个主要的功能模块:外部存储器模块、视频输入输出模块。目前系统的设计和调试工作已经完成。系统使用的DM642处理器,使系统能够适用于各种高复杂度的视频信号处理算法。

网络环境下的大学英语视听说教学探索

从充分利用网络多媒体资源,激发学生主动建构知识的积极性、听说能力并进,有效培养学生英语综合应用能力和加强网络环境下的大学英语教学管理工作三个方面论述了基于网络环境下的大学英语视听说教学改革的探索,以便有效推动大学英语教学改革健康发展。

基于带有噪声输入的稀疏高斯过程的人体姿态估计

高斯过程回归(Gaussian process regression, GPR)是一种广泛应用的回归方法,可以用于解决输入输出均为多元变量的人体姿态估计问题.计算复杂度是高斯过程回归的一个重要考虑因素,而常用的降低计算复杂度的方法为稀疏表示算法.在稀疏算法中,完全独立训练条件(Fully independent training conditional, FITC)法是一种较为先进的算法,多用于解决输入变量彼此之间完全独立的回归问题.另外,输入变量的噪声问题是高斯过程回归的另一个需要考虑的重要因素.对于测试的输入变量噪声,可以通过矩匹配的方法进行解决,而训练输入样本的噪声则可通过将其转换为输出噪声的方法进行解决,从而得到更高的计算精度.本文基于以上算法,提出一种基于噪声输入的稀疏高斯算法,同时将其应用于解决人体姿态估计问题.本文实验中的数据集来源于之前的众多研究人员,其输入为从视频序列中截取的图像或通过特征提取得到的图像信息,输出为三维的人体姿态.与其他算法相比,本文的算法在准确性,运行时间与算法稳定性方面均达到了令人满意的效果.