一种基于实时Linux的视频目标检测系统技术方案

本发明专利技术公开了一种基于实时Linux的视频目标检测系统，基于实时Linux的视频目标检测领域，包括：控制模块、显示模块和统计模块；所述控制模块用于数据流的控制，进行内核和算法的选择；所述显示模块用于显示图像处理结果；所述统计模块用于对信息进行统计计算和显示；所述控制模块，包括：实时内核API和相机驱动API；所述实时内核API包括Xenomai实时内核和Linux内核；本发明专利技术，将功能和数据流控制、算法、结果输出、统计信息显示整合于一体，且相比于Linux通用内核，Xenomai实时内核对本文的基于图像处理的目标检测算法和基于全卷积神经网络的目标检测算法都有实时性能上的优化作用。目标检测算法都有实时性能上的优化作用。目标检测算法都有实时性能上的优化作用。

【技术实现步骤摘要】
一种基于实时Linux的视频目标检测系统


[0001]本专利技术涉及基于实时Linux的视频目标检测领域，具体涉及一种基于实时Linux的视频目标检测系统。

技术介绍

[0002]本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
[0003]作为计算机视觉研究领域最重要的组成部分之一，目标检测涉及到很多相关学科的知识技术，目标检测是指通过计算机视觉，排除图像中的时域、空域等表征空间上的冗余信息，从复杂的背景中检测到目标，并标示出目标在图像中的轮廓和位置，从而实现目标识别追踪的技术。
[0004]因此，理解图像更加抽象的信息，目标检测是前提基础，其效果的好坏和效率的高低会直接对之后的工作产生影响，传统系统将功能和数据流控制、算法、结果输出、统计信息显示整合于一体时过于粗略，无法详细地分析了系统的整体设计以及各个模块的详细功能。

技术实现思路

[0005]本专利技术的目的在于：针对目前现有技术提出的传统系统将功能和数据流控制、算法、结果输出、统计信息显示整合于一体时过于粗略，无法详细地分析了系统的整体设计以及各个模块的详细功能的问题，提供了一种基于实时Linux的视频目标检测系统，将功能和数据流控制、算法、结果输出、统计信息显示整合于一体，且相比于Linux通用内核，Xenomai实时内核对本文的基于图像处理的目标检测算法和基于全卷积神经网络的目标检测算法都有实时性能上的优化作用，解决了上述问题。
[0006]本专利技术的技术方案如下：一种基于实时Linux的视频目标检测系统，包括：控制模块，所述控制模块用于数据流的控制，进行内核和算法的选择；显示模块，所述显示模块用于显示图像处理结果；统计模块，所述统计模块用于对信息进行统计计算和显示；所述控制模块，包括：实时内核API和相机驱动API；所述实时内核API包括Xenomai实时内核和Linux内核，所述Xenomai实时内核和Linux内核用于处理任务；所述控制模块还包括采集相机，所述采集相机为工业相机，所述工业相机采集得到的图像暂存于帧存中，所述工业相机受控于相机驱动API。
[0007]进一步地，所述实时内核API，包括：Start和Stop控制点，所述Start和Stop控制点分别控制采集处理的开始和结束；GAIN和WhiteBalance控制点，所述GAIN和WhiteBalance控制点分别控制工业相机进行增益和白平衡；MoveDetect控制点，所述MoveDetect控制点用于对图片进行逐帧目标检测处理；
CBackground控制点，所述CBackground控制点基于背景差分法，用于选择背景；Self_Adaption控制点，所述Self_Adaption控制点用于调用基于目标区域自适应检测窗口机制。
[0008]进一步地，所述背景差分法，包括：所述背景差分法用于固定摄像头的场景；当前帧图像或者自适应检测窗口图像的灰度图为，背景图像或者相应自适应检测窗口部分的灰度图为，做差分得到差分图；再根据灰度阈值T对差分图做二值化处理，得到二值图。
[0009]进一步地，所述做差分得到差分图，包括：。
[0010]进一步地，所述对差分图做二值化处理，包括：。
[0011]进一步地，所述显示模块，包括：视频显示单元，所述视频显示单元显示视频处理结果；截图信息显示单元，所述截图信息显示单元显示截图信息。
[0012]进一步地，所述截图信息，包括：工业相机中取得每帧的时间、算法处理每帧的时间、每帧处理的总时间、当前帧实时帧率、当前帧的分辨率和当前帧中检测到的目标位置信息。
[0013]进一步地，所述统计模块在处理视频过程中记录下每帧处理的相关信息，用于显示视频每帧处理的时间、Linux内核处理任务的结果，Xenoma实时内核处理任务的结果，得到比较实时内核性能的结果。
[0014]进一步地，还包括：测试模块；所述测试模块用于检查系统的逻辑功能，所述测试模块内编写有针对系统测试的测试用例，所述测试用例包括对比系统的实际响应和预期响应，以及现有系统中的缺陷。
[0015]进一步地，所述测试模块，包括：控制模块测试单元、显示模块测试单元、统计模块测试单元，其中每个单元分别设计有功能测试用例。
[0016]与现有的技术相比本专利技术的有益效果是：一种基于实时Linux的视频目标检测系统，包括：控制模块，所述控制模块用于数据流的控制，进行内核和算法的选择；显示模块，所述显示模块用于显示图像处理结果；统计模块，所述统计模块用于对信息进行统计计算和显示；所述控制模块，包括：实时内核API和相机驱动API；所述实时内核API包括Xenomai实时内核和Linux内核，所述Xenomai实时内核和Linux内核用于处理任务；所述控制模块还包括采集相机，所述采集相机为工业相机，所述工业相机采集得到的图像暂存于帧存中，所述工业相机受控于相机驱动API；其将功能和数据流控制、算法、结果输出、统计信息显示整合于一体，且相比于Linux通用内核，Xenomai实时内核对本文的基于图像处理的目标检测算法和基于全卷积神经网络的目标检测算法都有实时性能上的优化作用。
附图说明
[0017]图1为一种基于实时Linux的视频目标检测系统的整体结构示意图；图2为本专利技术的背景差分算法流程图；图3为一种基于实时Linux的视频目标检测系统的原理图；图4为程序产品示意图。
[0018]附图标记：200
‑
终端设备，210
‑
存储器，220
‑
处理器，230
‑
总线，211
‑
RAM，212
‑
高速缓存存储器，213
‑
ROM，215
‑
程序模块，214
‑
程序/实用工具，240
‑
外部设备，250
‑
I/O接口，260
‑
网络适配器，300
‑
程序产品。
具体实施方式
[0019]需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0020]下面结合实施例对本专利技术的特征和性能作进一步的详细描述。
[0021]实施例一请参阅图1，一种基于实时Linux的视频目标检测系统，包括：控制模块，所述控制模块用于数据流的控制，进行内核和算法的选择；显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于实时Linux的视频目标检测系统，其特征在于，包括：控制模块，所述控制模块用于数据流的控制，进行内核和算法的选择；显示模块，所述显示模块用于显示图像处理结果；统计模块，所述统计模块用于对信息进行统计计算和显示；所述控制模块，包括：实时内核API和相机驱动API；所述实时内核API包括Xenomai实时内核和Linux内核，所述Xenomai实时内核和Linux内核用于处理任务；所述控制模块还包括采集相机，所述采集相机为工业相机，所述工业相机采集得到的图像暂存于帧存中，所述工业相机受控于相机驱动API。2.根据权利要求1所述的一种基于实时Linux的视频目标检测系统，其特征在于，所述实时内核API，包括：Start和Stop控制点，所述Start和Stop控制点分别控制采集处理的开始和结束；GAIN和WhiteBalance控制点，所述GAIN和WhiteBalance控制点分别控制工业相机进行增益和白平衡；MoveDetect控制点，所述MoveDetect控制点用于对图片进行逐帧目标检测处理；CBackground控制点，所述CBackground控制点基于背景差分法，用于选择背景；Self_Adaption控制点，所述Self_Adaption控制点用于调用基于目标区域自适应检测窗口机制。3.根据权利要求2所述的一种基于实时Linux的视频目标检测系统，其特征在于，所述背景差分法，包括：所述背景差分法用于固定摄像头的场景；当前帧图像或者自适应检测窗口图像的灰度图为，背景图像或者相应自适应检测窗口部分的灰度图为，做差分得到差分图；再根据灰度阈值T对差...

【专利技术属性】
技术研发人员：张立峰，
申请(专利权)人：中科源码成都服务机器人研究院有限公司，
类型：发明
国别省市：