You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
模型<br />
配置<br />
文件<br />
元数据<br />
文件<br />
应用<br />
配置<br />
文件<br />
仅使用赛灵思 IP 识别道路标志<br />
道路标志被分割<br />
的(大小、形状、颜色、图案、在帧<br />
中的位置等),故而能够将相关的像<br />
素集群组合成更大的群组。类似的,<br />
这些算法也能判断什么时候应该去除<br />
看 似 颜 色 相 近 但 并 非 标 志 的 像 素 集<br />
群,比如前面提及的车辆刹车灯。<br />
赛灵思视频分析 IP 的 MATLAB 模型<br />
获取一帧<br />
元数据,<br />
解析和<br />
预分类<br />
将元数据对象<br />
与被跟踪对象<br />
匹配<br />
主机 PC<br />
解析器 跟踪器 识别器<br />
预测每个<br />
被跟踪对象的<br />
运动<br />
被跟踪对象清单<br />
每帧一次<br />
图 1 - 在项目的前两个阶段,BDTI 和赛灵思的视频分析概念验证参考设计开发项目完全在 PC 上进行<br />
使用 BDTI 演示软件识别道路标志<br />
正确识别道路标志<br />
图 2 - 采用专门针对应用定制的二级算法进一步处理 FPGA 的视频分析硬件电路输出的元数据<br />
第二阶段:行人检测与跟踪<br />
按类别识别<br />
被跟踪对象<br />
在项目的第一阶段中,摄像头处<br />
于运动状态而待识别的对象(即道路<br />
标志)处于静止状态。第二阶段主要<br />
针对安全应用,摄像头处于静止状态<br />
而对象(本例中为行人)则未必。对<br />
这种情况,视频分析算法就不能依靠<br />
输入<br />
YUV<br />
视频流<br />
报警<br />
测试<br />
预设的颜色、图案或其它对象特征,<br />
因为行人可以穿着各种衣物,可以高<br />
矮胖瘦各异,可以肤色、头发颜色和<br />
发型不同(另外还可能戴着遮挡头发<br />
的帽子、墨镜等装饰物)。软件还需<br />
要解决另一个难题,不仅需要识别和<br />
跟踪行人,还需要在行人穿越一道数<br />
字“绊网”,进入视频帧的特定区域<br />
时发出警报(见图 3)。<br />
项目第二阶段与第一阶段采用的<br />
硬件配置完全相同,只是软件有所变<br />
化。视频流馈送到视频分析 IP 核的仿<br />
真模型中,所生成的元数据传输到二<br />
级算法器件供进一步处理。此时面临<br />
的难题包括:<br />
• 解决不必要的噪声和适当的对<br />
象分割之间根本性的权衡取舍<br />
问题<br />
• 对象不断变化的形态(外形和<br />
结构)<br />
输出<br />
YUV<br />
视频流<br />
OSD 处理<br />
专 家 观 点<br />
2012 年第 1 季度 11
Change language