【摘 要】
：
视频图像的实时性特点使其在银行系统、商业推广、远程会议、教学、医学图像分析、工业、监控、军事以及管理等领域有着广泛的应用,因此,大力研究视频图像处理技术具有十分重要的意义。随着超高清视频的普及,人们对硬件性能和实时视频处理技术的需求也逐步提高。本文首先分析了FPGA加速,在图像处理方向上应用的重大意义,并针对当前视频技术的研究现状和实际应用场景需求,设计了一款多路视频实时处理系统。采用具有高速并行
论文部分内容阅读
视频图像的实时性特点使其在银行系统、商业推广、远程会议、教学、医学图像分析、工业、监控、军事以及管理等领域有着广泛的应用,因此,大力研究视频图像处理技术具有十分重要的意义。随着超高清视频的普及,人们对硬件性能和实时视频处理技术的需求也逐步提高。本文首先分析了FPGA加速,在图像处理方向上应用的重大意义,并针对当前视频技术的研究现状和实际应用场景需求,设计了一款多路视频实时处理系统。采用具有高速并行处理能力的FPGA作为核心处理器,完成了从前端4路HDMI接口的3840x2160@30Hz视频流接收,到后端4K显示器上的任意比例缩放、旋转、透明度调节以及多路视频任意位置漫游、叠加与融合。同时,本次设计在FPGA硬件平台上进行了整体设计方案的逻辑设计,在线仿真和整体验证,在此基础上,分别对视频发送卡和输出控制卡的逻辑资源消耗以及片上功耗进行分析。本文首先对多路实时视频处理系统硬件进行设计,主要基于4层电路板设计了视频采集卡,包括HDMI解码、FPGA配置、光口输出等模块。其次基于FPGA平台,采用双线性插值缩放算法,实现了对最高分辨率为3840x2160视频任意比例的缩放;采用Alpha叠加融合算法,实现对多路视频任意位置的漫游叠加,以及任意通道视频透明度的调节。再次用户可以通过串口发送角度参数,在保证较低损耗的情况下,实现图像0～360°旋转。最后对多路实时视频处理系统进行调试与分析,分析了系统整合的重难点问题并提出解决方案,展示了多路实时视频处理系统的显示效果,并对FPGA资源消耗以及系统功耗做了相关分析。实验结果表明,本次设计的多路实时视频处理系统,在系统性能、灵活性方面具有明显的优势,具有较好的应用价值,也符合市场需求。
其他文献
近年来,计算机视觉的发展使得图像处理技术被运用于航空、气象、医疗、安防等各个领域。但是图像在采集、传输和存储等过程中容易受到各种噪声干扰,导致图像质量下降,从而直接影响图像后续处理。因此,图像去噪是图像处理中必不可少的环节。目前研究者们针对高斯噪声进行研究,并提出了许多高性能的去噪算法。而混合噪声的噪声分布较复杂。对诸如混合高斯、脉冲噪声的研究还不够深入,相关算法的去噪性能有待提升。目前对于混合噪
时序动作检测任务是当前计算机视觉领域的研究热点之一。该任务可以定义为:以自然采集的视频片段作为输入,自动输出视频中包含动作片段的开始时间点和结束时间点（时序动作提名生成）,以及该动作的具体类别（动作识别）。本文分别对时序动作提名生成任务和时序动作检测任务进行了探索和研究。关于时序动作提名生成任务,针对现有方法对动作开始和结束边界点难以准确定位的问题,本文提出了一种基于精确边界预测（Boundary
作为自动视频监控中最重要的技术之一,行人重识别（Re-Identification,Re-ID）技术受到了广泛的关注。当前,大多数行人重识别方法假设所有来自不同摄像机的行人图像具有相同的分辨率。然而,在许多真实场景中,由于摄像机与行人之间距离的变化以及摄像机的部署设置,行人图像的分辨率往往不同。由于信息数量的差异,直接匹配不同分辨率的行人图像会对识别性能产生不利影响。为了解决这个问题,一个潜在的解
多无人船系统在执行传统连续分布式编队控制算法过程中,无人船之间需要进行频繁通信且无人船控制器会持续更新。为减少算法执行过程中对通信带宽以及控制器性能的要求,本文通过引入事件触发机制,设计多无人船分布式事件触发编队控制算法。在保证多无人船系统编队控制基础之上,有效降低算法执行过程中无人船之间通信量与控制器更新频率。本文主要研究内容如下:首先,本文提出一种基于事件触发的多无人船分布式编队控制算法。通过
混合式教学结合在线教学和线下教学的优势,在一定程度上打破时空的限制,体现了“以学生为中心”教学范式的转变。伴随着混合式教学规模的扩大,如何通过学习者学习行为数据来分析和挖掘出有用的信息,帮助学习者提高学习效率,改善教师教学水平和质量,成为迫切需要解决的问题。针对上述问题,本文对学生在混合式教学过程中产生的学习行为数据进行分析和挖掘,构建了学习行为数据分析-特征选择-Stacking融合的学业预测模
图像超分辨率重建是一种从低分辨率图像中获取信息,生成对应高分辨率图像的技术。作为计算机视觉领域优化图像质量的一项重要的图像处理技术,图像超分辨率重建在医疗图像、遥感影像和视频监控等场景都具有重要的应用意义。近年来,随着深度卷积神经网络的兴起,基于深度学习的图像超分辨率重建算法逐渐受到更多人的关注。相比传统超分辨率技术,深度学习超分辨率重建算法不仅训练方法简单,而且模型性能提升显著。然而,逐渐加深的
随着机器视觉技术的不断发展与完善,基于机器视觉的导航系统在农业、工业、无人驾驶、服务业等领域都得到了广泛应用。由于城市化的发展,近年来割草机应用的越来越广泛,然而传统的割草机需要人工操作,劳动强度大,工作效率低。随着嵌入式处理器速度的提高以及机器视觉技术的进步,将机器视觉与嵌入式结合,用于对割草机进行自主导航成为可能。因此研究基于机器视觉的割草机自主导航与智能化控制具有重要的理论意义与实际应用价值
随着我国经济的不断发展以及科学技术的进步,对于交通网络的监控日益完善,交通视频监控设备在很多路口完成了部署,为车辆检测、轨迹预测等诸多技术的研究提供了数据支撑,通过这些技术可以挖掘出交通网络中的特征信息,为完善交通以及制定交通策略提供辅助作用。车辆检测是交通视频处理中常用的技术手段,其中的技术难点是如何解决错检、漏检以及外部环境变化对检测结果的影响。针对这些问题本文提出一种改进ViBe算法。根据车
检测人体生理参数可以帮助人们了解自身的健康状况,及时发现疾病并治疗,在医学体系中具有重要意义。基于成像式光电容积描记（Imaging Photoplethysmography,IPPG）技术的非接触式生理参数检测方法,避免了人体与仪器的接触,让居家监测、远程实时检测成为现实,除此之外还具有成本低、操作简单等优点,具有良好的实际应用价值,但是也面临着信号运动伪差难以去除、实时性差等挑战。基于上述背景
显著性目标检测是通过算法提取图片或者视频中显著区域（即人类感兴趣的区域）的技术。其中,显著目标可以依据纹理、颜色、大小甚至运动状态等有别于背景的要素来定义。显著性目标检测技术可以助力相关计算机视觉研究和现实场景应用。目前的显著性目标检测算法研究主要依靠卷积神经网络的学习来获取相关特征,进而使算法具有良好的性能。所以本文使用卷积神经网络为显著目标检测做出了探索性和创新性地研究,并取得如下成果:（1）