智能視頻監(jiān)控算法及硬件實現(xiàn)研究.pdf

1、隨著經(jīng)濟技術的發(fā)展和人們安全意識的提高，作為在安全方面應用最早且最廣泛使用的視頻監(jiān)控顯得愈發(fā)重要。它利用攝像機使相關人員能夠遠程實時監(jiān)控一些重要的區(qū)域。目前視頻監(jiān)控正向智能視頻監(jiān)控方向發(fā)展。智能視頻監(jiān)控具有人所沒有的優(yōu)點，逐漸將人從視頻監(jiān)控中解放出來。它主要基于對視頻內(nèi)容的分析，檢測出目標，對目標跟蹤和識別，并分析其行為特征。智能視頻監(jiān)控離不開準確而可靠的視頻分析算法，這些算法往往需要處理大量數(shù)據(jù)，消耗相當多的計算資源，給監(jiān)控的實時性帶

2、來很大的挑戰(zhàn)。目前出現(xiàn)了很多基于FPGA或芯片的硬件模塊或平臺作為視頻分析引擎用于智能視頻監(jiān)控，加快了視頻處理速度使監(jiān)控更加流暢。本文從智能視頻監(jiān)控算法和視頻分析引擎中硬件實現(xiàn)這兩部分開展研究，主要完成以下幾個方面的工作。
　　 (1)研究了運動檢測中的背景建模方法，提出一種基于拉普拉斯分解和混合高斯模型的背景建模算法。利用金字塔變換把圖像分解為圖像的高頻和低頻部分，只對低頻部分信息中像素的靜態(tài)特征和動態(tài)特征用混合高斯模型建模，

3、最后用高頻信息還原得到原始尺度下的運動物體。該方法降低了易受擾動的高頻部分對模型的干擾，也減少了存儲低頻信息所需的存儲空間，在測試時取得良好的效果。同時還提出了改進的相鄰幀差法并用硬件實現(xiàn)了該算法功能，極大的提高了檢測速度和效率。
　　 (2)分析Adaboost算法特點及其改進形式，研究了其在人臉檢測和目標跟蹤中的應用，并通過實驗比較分析了幾種基于boosting的目標跟蹤算法。
　　 (3)人臉實時檢測需要龐大的計算

4、量和軟硬件的支持，研究了基于Adaboost算法的人臉檢測硬件實現(xiàn)架構，提出一種并行計算Haar矩形特征實現(xiàn)人臉檢測的架構。通過將分類器特征分組并定義相應的處理單元，引入多組架構進一步提升并行計算能力，為了減少因流水線深度增加帶來的負面影響，在分類器中不同階段采用不同的預測方式。同時還提出了基于ASIC的人臉檢測硬件架構。
　　 （4)在視頻監(jiān)控所用的芯片中，集成視頻分析引擎的芯片往往規(guī)模很大，會生成大量的測試向量。研究了測試向