基于FPGA的行人檢測系統設計，實(shí)現智能視頻監控

項目實(shí)施背景及可行性分析：

智能視頻監控是計算機視覺(jué)的一個(gè)重要應用領(lǐng)域，有著(zhù)廣闊的應用前景，尤其是那些對安全要求比較敏感的場(chǎng)合，如飛機場(chǎng)、地鐵站、銀行、超市等。

因為在視頻監控場(chǎng)景中出現的行人是事件發(fā)生的主體，所以行人是智能視頻監控系統研究的主要對象，系統對這些行人目標進(jìn)行實(shí)時(shí)檢測、跟蹤與識別，進(jìn)而分析他們的運動(dòng)或行為。而我們的研究課題——行人檢測就屬于智能監控系統中的目標分類(lèi)功能部分，它的作用是將視頻中的行人與其他物體區分開(kāi)來(lái)，并準確定位。檢測性能的好壞將直接影響后續工作以致整個(gè)智能監控系統的性能。因而這將是一個(gè)有著(zhù)現實(shí)應用意義的課題項目

在視頻圖像中進(jìn)行行人檢測可轉化為一個(gè)目標分類(lèi)問(wèn)題，設計行人檢測系統的前提就是分類(lèi)器的訓練。訓練分類(lèi)器的主要步驟包括目標特征提取和機器學(xué)習算法的選擇。利用特征對目標進(jìn)行建模比直接使用圖像的像素值在計算上更加方便快捷，另外特征提取有利于減小同類(lèi)目標對象的類(lèi)內距離，同時(shí)增大不同類(lèi)對象之間的類(lèi)間距離，使最終的分類(lèi)結果更加準確。目前矩形特征經(jīng)常被同來(lái)表述行人形狀的邊緣信息，此類(lèi)特征在樣本圖像中的大小和位置都是可變的，在逐像素遍歷的情況下特征總數目還是非常龐大，因此需要一個(gè)特征選擇算法來(lái)選擇對分類(lèi)最有的特征，而級聯(lián)Adaboost算法正具有此功能。級聯(lián)Adaboost算法成熟、快速，具有很強的實(shí)用性。綜上所述，成熟的行人檢測算法為本研究項目奠定了堅實(shí)的理論基礎。

項目實(shí)施方案：

1 項目基本框圖及描述：

從實(shí)用角度出發(fā)，本文涉及的行人檢測系統，共有三個(gè)功能模塊，系統框圖如圖一所示。第一部分的作用是通過(guò)背景建模進(jìn)行前景目標的提??；第二部分完成對行人目標的多尺度檢測功能，其中的行人分類(lèi)器是由級聯(lián)Adaboost算法使用矩形特征訓練出來(lái)的；第三部分的作用是將同一目標產(chǎn)生的多個(gè)檢測結果進(jìn)行合并，完成最終的檢測定位功能。

圖一：行人檢測系統框圖