【技术实现步骤摘要】
本专利技术涉及视频监控系统领域，特别涉及一种基于智能视频监控系统的嵌入式目标检测算法。
技术介绍
随着嵌入式技术、数字图像技术、通信技术、人工智能的发展，计算机视觉与计算机智能处理已经成为可能，智能视频监控已经成为一个重要的研究领域。它通过对采集到的视频序列进行处理分析，进而对监控场景中的目标进行检测、跟踪和识别，并可以在此基础上分析估算出运动目标的下一步动作，在特殊情况下能及时做出反应。因而能担负监控过程中人类的大部分工作，避免了由于监控过程中工作人员的注意力分散而造成的失误。当今社会对智能视频监控系统需求很大。监控摄像头在日常生活中已经相当平常了，但是监控摄像头只能记录并保存检测结果，并不能实时的，主动的提醒安全人员及时的处理特殊情况，安全人员只能通过保存的记录才能知道发生的实情，但已经难以挽回损失了。因此，我们需要一种智能的视频监控系统，它不仅能监测记录画面，还能实时的对监测到的画面进行智能的分析，并将检测结果上报。在实际应用中，考虑到图像处理的数据量很大，对CPU的要求很高的特点，现有的智能视频监控系统基本都是以PC机作为主控。但是这种方案在某些情况下存在明显的缺陷首先，是图片采集传感器采集到的数据量比较大，在传给PC机的过程中容易出错，回传的图像清晰度不够，对目标检测的结果影响比较大；其次，是由于PC机体积较大，携带、安装不方便，一般都远离图像采集的现场，这就导致系统监控的实时性较差；再则，图片传感器回传大量的图片数据，严重的增加了数据通信量，也加重了 PC机的工作量。最后，PC机上面集成了很多与智能视频监控无关的硬件和软件，如存储量很大的硬盘...
【技术保护点】
一种嵌入式目标检测算法，其特征在于，包括以下步骤：S1、获得图片数据，对帧图片进行滤波处理；S2、建立背景模型；S3、采集前景帧，对背景模型和前景帧进行隔行隔列的模板匹配，得到背景模型和前景帧的偏移距离Lshif(X′，Y′)；S4、从背景模型的中间对称截取一图片区域，再通过偏移距离Lshif(X′，Y′)得到前景帧的对应部分图片，并对背景模型和前景帧的这两个图片进行Sobel边缘化、二值化，以及相互模糊比较；S5、分析比较结果，判断检测目标是否出现或移动，若是则返回S2更新背景，反之则返回步骤S3。
【技术特征摘要】
1.一种嵌入式目标检测算法，其特征在于，包括以下步骤51、获得图片数据，对帧图片进行滤波处理；52、建立背景模型；53、采集前景帧，对背景模型和前景帧进行隔行隔列的模板匹配，得到背景模型和前景帧的偏移距离Lshif(X' ,Ψ ) '54、从背景模型的中间对称截取一图片区域，再通过偏移距离Lshif(X',V )得到前景帧的对应部分图片，并对背景模型和前景帧的这两个图片进行Sobel边缘化、二值化，以及相互模糊比较；55、分析比较结果，判断检测目标是否出现或移动，若是则返回S2更新背景，反之则返回步骤S3。2.如权利要求1所述的嵌入式目标检测算法，其特征在于，在步骤S2中包括采用均值法建立背景模型，通过对任意N帧图片IKiIi=I, 2，3，…η}的求和平均来得到与当前实际背景相近的初始背景，对于任意一巾贞图片表述为kjx，y) = Ai (χ, y) +Zi (x, y),其中AiU, y) 为第i帧数据中的准确背景图像，Zi (x, y)为此帧图片中的噪声，对任意N帧图片进行背景建模得3.如权利要求2所述的嵌入式目标检测算法，其特征在于，N的值取8。4.如权利要求1所述的嵌入式目标检测算法，其特征在于，在步骤S3中包括5301、在背景模型中截取一匹配模板和在前景帧截取一待匹配区；5302、计算匹配模板的灰度均值，从待匹配区域的(0，0)坐标点开始隔行隔列匹配；5303、计算匹配子图的灰度均值，在匹配子图中隔行隔列的选取像素点并计算绝对误差E及其绝对值误差的累加和SUM ；5304、找出E累加次数最大的点O作为粗匹配点并取其邻域进行精确逐点的SSDA模版匹配；5305、找出精确匹配中的E累加次数最大点K作为最佳匹配点并与匹配模板的初始点作差求出偏移距离。5.如权利要求1所述的嵌入式目标检测算法，其特征在于，步骤S3中所述对背景模型和前景帧进行...
【专利技术属性】
技术研发人员：姚笛，
申请(专利权)人：上海宇航系统工程研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。