基于DSP的H264數字視頻服務(wù)器設計

此外為了改進(jìn)安防監控性能可以加入人臉檢測的功能，入臉檢測比較成熟的算法是Adaboost算法，它是通過(guò)選擇一部分特征，形成一個(gè)分類(lèi)器，通過(guò)把若干簡(jiǎn)單的分類(lèi)器級聯(lián)形成一個(gè)強大的級聯(lián)器，可以根據實(shí)際需要選擇級聯(lián)個(gè)數，數目越多則準確率越高，但是反應時(shí)間就越長(cháng)，這對于實(shí)時(shí)監控是不利的，具體實(shí)現可以加載opencv的分類(lèi)器，再加載圖像(視頻)數據做檢測并且顯示出來(lái)，其中加載分類(lèi)器的函數為

CvHaarClassifierCascade*cvLoadCvHaarClassifier(const char*directory,CvSize size)

其中，directory為路徑，size為圖片尺寸。

檢測的函數

CvSeq*cvHaarDetectObjects(const CvArr*image，CvHaarClassifierCascade*cascade，

CvMemStorage*storage，double scale_factor，intmin_neighbours，int flags，CvSize min_size);

其中，image表示待測圖像，storage用于存儲矩形區域，scale factor為放大系數，min_neighbours為檢測目標相鄰矩形的最小格式，若小于該值則不予以檢測，flag為默認值0，表示為Canny檢測，min_size表示檢測窗口的大小。該算法實(shí)驗結果如下。

3 結論

本文采用DSP對視頻進(jìn)行采集，實(shí)現了H264編碼，并且成功通過(guò)TCP協(xié)議傳輸到客戶(hù)端并顯示。論文還加入人臉檢測的功能，采用Adaboost算法對人臉進(jìn)行識別。調試結果表明，系統達到了設計所要求的技術(shù)指標。