c语言运动目标检测,基于DM642的实时运动目标检测系统

引言

数字视频系统在智能交通、图像识别以及安防监控等领域,都得到了广泛的应用,运动目标检测作为数字视频系统的一个重要环节,是后续目标识别、目标跟踪等应用的基础。本文提出了一个基于DM642的实时运动目标检测系统方案,依靠DM642芯片强大的运算能力,使目标检测的数据吞吐量及实时性得到保证。本方案设计合理、可扩展性强,具有实际应用价值。

1 运动目标检测算法

实现运动目标检测的算法很多,一般有光流法、背景差分法、相邻帧间差分法等。光流法通过求解光流方程来实现运动检测,其算法复杂、计算量大,且较难满足实时要求;而相邻帧间差分法虽然算法简单、运算量小,但抗干扰能力很差,检测效果不太理想;而背景差分法算法简单、运算量小、且抗干扰能力强,因此本文采用该方法实现运动目标检测。具体步骤如下:首先获取数字图像进行预处理,之后采用背景差分法实现运动检测,再对所得的图像用大津法进行自适应阀值分割,最后通过滤波得到检测出的运动目标。图1是本文运动目标检测的流程图。

4b0c34ee7ef93df26f34153c74d02fc5.png

1.1 图像获取及预处理

在CCS中配置系统的视频输入以及视频输出FVID驱动,从TMS320DM642的VPORT口获取到摄像头采集的视频流所对应的数字YUV视频流,将其存放到缓存IMG_CURRENT、IMG_PREVIOUS、IMG_BACKGROUND里面,其中IMG CURRENT存放的是当前的图像,IMG_PREVIOUS存放的是上一次存放的图像,IMG BA

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战:原理与源码解析》,课程链接 https://edu.csdn.net/course/detail/29865【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来!  代码阅读是从基础到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码,具体内容包括:- YOLOv4目标检测原理- 神经网络及darknet的C语言实现,尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器:BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】 除本课程《YOLOv4目标检测:原理与源码解析》外,本人推出了有关YOLOv4目标检测的系列课程,包括:《YOLOv4目标检测实战:训练自己的数据集》《YOLOv4-tiny目标检测实战:训练自己的数据集》《YOLOv4目标检测实战:人脸口罩佩戴检测》《YOLOv4目标检测实战:中国交通标志识别》建议先学习一门YOLOv4实战课程,对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】 下图由白勇老师绘制  
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值