论文部分内容阅读
智能视频监控系统如今在安防市场上的需求已经越来越明显，其潜在的价值是非常巨大的，但目前还是非常缺乏能在硬件上实现的、稳定的智能视频算法。为此旨在研究并提出一种新的、简单的运动目标检测算法，并使其能在硬件上实现。通过研究传统算法，发现它们的资源利用量比较大，而且实时性也比较弱。所以提出了一种新的、简单的目标检测算法（SCN）。该算法是细胞神经网络（CNN）的一种简化模型，它极大地提高了系统的执行效率，并在仿真和硬件实现上体现出了较好的实时性和资源低耗性，为其它CNN和SCN模型在FPGA上实现的研究提供了一定的参考价值。主要工作和成果如下：1．针对传统背景建模算法实时性差，资源消耗过多等不足，采用了细胞神经网络原理，提出了一种新的、简单的细胞网络，该网络具有很好的实时性和资源低耗性；2．提出了一种细胞神经网络边缘检测模板参数优化的新方法，即利用AFSA对参数进行寻优，对比结果表明AFSA优化的参数比其他几类算法优化的参数具有更好的边缘检测效果；3．针对原有CNN目标检测系统收敛次数不定的缺点，提出了利用新的SCN模板构建目标检测系统的方法，并得到了较好的仿真结果；4．将SCN算法在FPGA上进行实现，并得到了很好的边缘检测结果和灰度负片效果，体现了比CNN更强的实时性和资源低耗性。通过研究传统背景建模算法的缺点，提出了基于CNN的一种新的SCN算法，并将其成功进行仿真和硬件实现。在后续工作中，将会研究3维CNN和SCN结构模型，以进一步提高检测的准确率。