模式识别应用范围广泛，在机器学习，图像处理，运动目标检测与跟踪方面具有较大的应用价值。是本好书，值得推荐。
标签： 模式识别
上传时间： 2015-10-10
上传用户：kikye
D:\中兴比赛\用matlab读取视频文件中的图像，并对图像中的运动目标检测\1读取avi视频，并进行帧间差分法运算，检测运动目标
标签： matlab avi 读取 视频 图像 中兴 帧间差分 检测 运动目标检测 运动目标
上传时间： 2020-04-18
上传用户：rainq
能够支持运动目标检测和跟踪的图像处理系统目前非常少见。这种系统一方面需要能够灵活转动的摄像器件，另一方面需要高速度的图像实时处理。此外，运动目标检测和跟踪算法一般都非常复杂，需要连续几帧甚至十几帧的图像，而且多为彩色的高分辩率图像。这就更需要图像处理系统功能强大，具有实时采集与处理能力。本文采用CCD摄像头采集图像数据，利用ADV7181B对图像数据解码处理，FPGA对采集来的数据信息进行预处理，储存和传输数据时采用双RAM的乒乓机构，实现数据的实时高速传输，在DSP中对数据进行最终处理，处理的结果上传到ARM中，ARM把运动规划等程序下载到第二块FPGA中来实现电机的精确控制。系统中着重介绍了图像处理要用到的各个功能模块和各模块间的连接接口，由于嵌入式系统必然涉及到高速电路板的设计，加之图像采集过程对信号的高要求，所以采用Cadence这款在高速电路板设计仿真中的独特优势的设计软件，来完成PCB板的设计，搭建好硬件平台，为以后的运动图像分析算法验证，芯片架构设计打好基础。在设计高速电路板的过程中涉及到了很多信号完整性和电源完整性的问题。最终积累了一定的嵌入式系统硬件设计的经验。
上传时间： 2022-06-22
上传用户：bluedrops
从人流统计的实际工程出发,实现了基于计算机视觉的人体运动检测及跟踪系统,采用“差影法”滤掉静止帧,使用自适应的一阶递归滤波及帧差法提取运动区域,并通过数学形态滤波的开运算和闭运算改善运动区域提取效果。实验结果证明本运动跟踪方案处理简单高效 、抗噪能力强,可以完成复杂背景下运动目标的实时性检测与跟踪。
上传时间： 2014-11-29
上传用户：梧桐
近年来，随着现代社会对军用和民用设备需求的不断扩大及要求的不断提高，运动目标的识别和跟踪技术已经迅速发展成为现代信息处理领域中一项非常重要的技术，并在许多领域内发挥着不可替代的作用，但是在面向应用的目标跟踪系统却不尽如人意，不能很好的满足应用的要求。 本文简述了传统的基于桌面PC机的目标跟踪系统实现方法。目标跟踪具有两个突出的特点，一是计算数据量大，一是对处理速度要求高。传统上，运动目标跟踪系统的实现是基于桌面PC机，但工业应用的快速发展使传统的目标跟踪系统越来越不能满足应用的需要。 本文提出了一种基于ARM嵌入式平台的目标跟踪解决方案。研究了如何将嵌入式平台和目标跟踪结合起来，并对系统的设计思想和设计方法进行了详述。首先进行了功能分析和总体设计，分析了将嵌入式平台作为目标跟踪解决方案的关键性问题，包括采用ARM嵌入式平台的必要性，系统框架的设计，对于嵌入式处理器和操作系统的选择：然后在总体设计的基础上完成了系统的设计，包括软硬件平台的设计，完成了BootLoader的设计，Linux内核的定制，USB摄像头驱动程序的设计和OpenCV视觉库的建立；最后分析了目标跟踪的过程，利用背景差法实现了运动的检测，提取了行人的特征，利用Mean-Shift算法实现了对运动目标的跟踪。 本文提出的基于嵌入式平台的目标跟踪系统的应用潜力巨大，有待进一步的研究和探索。在论文最后对研究进行了总结和展望，提出了未来的研究方向。
上传时间： 2013-05-27
上传用户：qiao8960
在图像处理及检测系统中，实时性要求往往影响着系统处理速度的性能。本文在分析研究视频检测技术及方法的基础上，应用嵌入式系统设计和图像处理技术，以交通信息视频检测系统为研究背景，展开了基于FPGA视频图像检测技术的研究与应用，通过系统仿真验证了基于FPGA架构的图像并行处理和检测系统具有较高的实时处理能力，能够准确并稳定地检测出运动目标的信息。可见FPGA对提高视频检测及处理的实时性是一个较好的选择。 本文主要研究的内容有： 1．分析研究了视频图像检测技术，针对传统基于PC构架和DSP处理器的视频检测系统的弊端，并从可靠性、稳定性、实时性和开发成本等因素考虑，提出了以FPGA芯片作为中央处理器的嵌入式并行数据处理系统的设计方案。 2．应用模块化的硬件设计方法，构建了新一代嵌入式视频检测系统的硬件平台。该系统由异步FIFO模块、图像空间转换模块、SRAM帧存控制模块、图像预处理模块和图像检测模块等组成，较好地解决了图像采样存储、处理和传输的问题，并为以后系统功能的扩展奠定了良好的基础。 3．在深入研究了线性与非线性滤波几种图像处理算法，分析比较了各自的优缺点的基础上，本文提出一种适合于FPGA的快速图像中值滤波算法，并给出该算法的硬件实现结构图，应用VHDL硬件描述语言编程、实现，仿真结果表明，快速中值滤波算法的处理速度较传统算法提高了50％，更有效地降低了系统资源占用率和提高了系统运算速度，增强了检测系统的实时性能。 4．研究了基于视频的交通车流量检测算法，重点讨论背景差分法，图像二值化以及利用直方图分析方法确定二值化的阈值，并对图像进行了直方图均衡处理，提高图像检测精度。并结合嵌入式系统处理技术，在FPGA系统上研究设计了这些算法的硬件实现结构，用VHDL语言实现，并对各个模块及相应算法做出了功能仿真和性能分析。 5．系统仿真与验证是整个FPGA设计流程中最重要的步骤，针对现有仿真工具用手动设置输入波形工作量大等弊病，本文提出了一种VHDL测试基准(TestBench)方法解决系统输入源仿真问题，用TEXTIO程序包设计了MATLAB与FPGA仿真软件的接口，很好地解决了仿真测试中因测试向量庞大而难以手动输入的问题。并将系统的仿真结果数据在MATLAB上还原为图像，方便了系统测试结果的分析与调试。系统测试的结果表明，运动目标的检测基本符合要求，可以排除行走路人等移动物体(除车辆外)的噪声干扰，有效地检测出正确的目标。 本文主要研究了基于FPGA片上系统的图像处理及检测技术，针对FPGA技术的特点对某些算法提出了改进，并在MATLAB、QuartusⅡ和ModelSim软件开发平台上仿真实现，仿真结果达到预期目标。本文的研究对智能化交通监控系统的车流量检测做了有益探索，对其他场合的图像高速处理及检测也具有一定的参考价值。
上传时间： 2013-07-13
上传用户：woshiayin
随着电子技术的快速发展，计算机的性能得到了极大的提高，使得利用计算机实现人类的视觉功能成为目前计算机领域中最热门的课题之一。基于视频的目标检测与跟踪技术是计算机视觉领域中最主要的研究方向之一，它是智能监控、人机交互、移动机器人视觉导航、工业机器人手眼系统等应用的基础和关键技术。在科学研究和工程应用上都有十分诱人的前景。 论文提出了以FPGA为核心的思想，设计出一套应用于背景静止视频序列的动态目标检测与跟踪系统。通过位置固定的摄像头监控某一区域，分析摄像头采集到的动态视频序列，计算出目标的运动参数。与传统的基于PC机的视频动态目标跟踪系统相比，适应了目标跟踪系统对图像处理速度的实时性与数据带宽越来越高的要求，同时成本较低、设计更灵活，而且硬件重构性好、处理速度快、系统易于升级。 论文的主要工作包括：构建目运动标跟踪系统软件平台和硬件平台。应用MATLAB对目标检测算法进行仿真分析比较。采用Synplifty Pro、ModelSim和TimingDesigner等各种EDA软件工具对系统中各个层次的模块进行时序设计、代码编写、仿真验证等。最后使用QuartusⅡ将整个系统工程文件综合、布局布线。在察看时序报告无误后，将系统配置文件下载至FPGA开发板中。 实现结果表明：所设计的系统能很好地工作在FPGA中，实现了设计要求，为视觉智能监控打下基础。
上传时间： 2013-08-05
上传用户：亮剑2210
对于GSM相控阵无源雷达接收机获取的目标数据提出一种用最佳后验感知的神经网络进行处理的算法，在复杂的杂波及噪声背景下，相比于流行的卡尔曼滤波，提高了目标的检测跟踪精度，对促进GSM无源探测系统实用化具有重要意义。
上传时间： 2013-11-06
上传用户：hhkpj
给出了一种运动人体区域的检测及其对应的二维关键点的提取方法。首先运用帧差法构建一个自适应的背景模型以达到背景初始化和背景更新的目的。接着用减背景法实现二维运动人体区域的检测。最后将检测到的运动人体区域，通过运用APAR（anti-paralle lines）区域法实现对运动人体关键点的提取。
上传时间： 2013-10-25
上传用户：lz4v4
OpencV是用来实现计算机视觉相关技术的开放源码工作库，是计算机视觉、图像处理、模式识别、计算机图形学、信号处理、视频监控、科学可视化等相关从业人员的好工具。本书介绍了大约200多个典型的技术问题，覆盖了基于OpenCV基础编程的主要内容，利用大量生动有趣的编程案例和编程技巧，从解决问题和答疑解惑入手，以因特网上最新资料为蓝本，深入浅出地说明了OpenCV中最典型和用途最广的程序设计方法。全书结构清晰、合理，范例实用、丰富，理论结合实践，即使读者只是略懂计算机视觉原理，也能人手对相关理论方法直接进行编码实现。 "基于OPENCV的计算机视觉技术实现"的图书目录…… 前言 第一章 使用OpenCV实现计算机视觉技术 1.1 计算机视觉技术 1.2 什么是OpenCV 1.3 基于OpenCV库的编程方法 本章小结 第二章 OpenCV的编程环境 2.1 OpenCV环境介绍 2.2 OpenCV的体系结构 2.3 OpenCV实例演示 本章小结 第三章 OpenCV编程风格 3.1 命名约定 3.2 结构 3.3 函数接口设计 3.4 函数实现 3.5 代码布局 3.6 移植性 3.7 文件操作 3.8 文档编写 本章小结 第四章 数据结构 4.1 基本数据结构 4.2 数组有关的操作 4.3 动态结构 本章小结 第五章 数据交互 5.1 绘图函数 5.2 文件存储 5.3 运行时类型信息和通用函数 5.4 错误处理函数 5.5 系统函数 本章小结 第六章 图像处理 6.1 边缘检测 6.2 直方图 6.3 Hough变换 6.4 几何变换 6.5 形态学 本章小结 第七章 结构与识别 7.1 轮廓处理函数 7.2 计算几何 7.3 平面划分 7.4 目标检测函数 7.5 生成与控制贝塞尔曲线 7.6 用OpenCV进行人脸检测 本章小结 第八章 图形界面（HighGUI） 8.1 读取和保存图像 8.2 OpenCV中的实用系统函数 本章小结 第九章 视频处理（CvCAM） 9.1 使用HighGUI对视频进行读写处理 9.2 CvCam对摄像头和视频流的使用 本章小结 第十章 OpenCV附加库第一部分 10.1 附加库介绍 10.2 形态学（morhing functions） 本章小结 第十一章 OpenCV附加库第二部分——隐马尔可夫模型 11.1 隐马尔可夫模型概述 11.2 隐马尔可夫模型中的基本结构与函数介绍 11.3 隐马尔可夫模型中的函数介绍 11.4 人脸识别工具 本章小结 第十二章 核心库综合例程 12.1 检测黑白格标定板内指定矩形区域内的角点 12.2 解线性标定方程组程序 本章小结 第十三章 运动与跟踪 13.1 图像统计的累积函数 13.2 运动模板函数 13.3 对象跟踪 13.4 光流 13.5 预估器 13.6 Kalman滤波器跟踪示例 13.7 用Snake方法检测可变形体的轮廓 13.8 运动目标跟踪与检测 本章小结 第十四章 立体视觉第一部分——照相机定标 14.1 坐标系介绍 14.2 透视投影矩阵的获得 14.3 摄像机参数的获取 14.4 径向畸变的校正 14.5 使用OpenCV及CVUT进行摄像机定标 14.6 OpenCV中的定标函数 14.7 CVUT介绍 本章小结 第十五章 立体视觉第二部分——三维重建 15.1 极线几何 15.2 特征点匹配 15.3 三维重建 15.4 OpenCV中相关函数介绍 本章小结 第十六章 立体视觉第三部分——三维重建算法 16.1 图像校正 16.2 已校正图像的快速三维重建 16.3 Birchfield算法 16.4 OpenCV中相关函数介绍 本章小结 第十七章 立体视觉第四部分——立体视觉实例 17.1 图像校正实例代码 17.2 基于窗口的稀疏点匹配及三维重建之一 17.3 基于窗口的稀疏点匹配及三维重建之二 17.4 Birchfield算法的OpenCV实现 本章小结 第十八章 常见问题解疑 18.1 安装与编译出错解决方法 18.2 OpenCV库基本技术问题 18.3 OpenCV在Linux下的相关问题 18.4 OpenCV库中的陷阱和bug
上传时间： 2013-07-18
上传用户：huyiming139
