如何降低藍牙裝置的功耗
加入技術(shù)交流群
2.2 系統(tǒng)工作過程
系統(tǒng)上電或復(fù)位后，首先完成FPGA芯片的配置、對TVP5150進行的初始化以及DSP啟動引導(dǎo)及其外圍芯片的初始化工作，之后便開始進行圖像采集。利用FPGA模擬I2C口對系統(tǒng)中的其他芯片進行控制，從攝像頭采集到的摸擬視頻信號經(jīng)過視頻解碼器轉(zhuǎn)換為數(shù)字視頻信號，經(jīng)預(yù)處理后送入DM642的視頻通道(VP端口)。在檢測到有人進入監(jiān)視區(qū)域時，啟動錄像功能，DM642將接收到的數(shù)字視頻信號和數(shù)字音頻信號用MPEG4標準編碼壓縮，并通過以太網(wǎng)傳送到監(jiān)控中心。同時捕捉人臉圖像并進行身份識別，如有異常則啟動報警程序。
3 系統(tǒng)軟件組成
對于本系統(tǒng)來說，系統(tǒng)軟件主要包括3部分：運動目標檢測、人臉的檢測定位、人臉匹配。其中人臉的檢測定位尤為關(guān)鍵，是正確識別的前提。因為圖像的拍攝受到各種因素的干擾，如亮度、人物移動速度、表情、著裝等，這些因素如果在檢測時不能得到有效處理，勢必會影響后期的匹配，造成識別率下降。因此，如何將人臉從背景中檢測出來，并進行適當?shù)奶幚怼⒎指?，是關(guān)系到識別成敗的關(guān)鍵環(huán)節(jié)，需要著重進行處理。
3.1 運動目標檢測
對于運動目標的檢測，常用的方法有背景差值法、圖像差分法、光流分割法和模式匹配法。由于光流分割和模式匹配等方法數(shù)據(jù)計算量較大，無法滿足實時檢測的要求。背景差值法計算簡單、速度快且檢測準確，但需要在背景靜止時檢測有效，對于背景變化的場合不適合。對于背景變化的場合，可以采用圖像差分法，即通過檢測圖像序列相鄰兩幀對應(yīng)像素點之間灰度值的變化確定移動的物體。設(shè)圖像定義f(x，y，i)，其中(x，y)為圖像的位置坐標，i、j為圖像幀數(shù)，T為設(shè)定的閾值，則幀f(x，y，i)與幀f(x，y，j)之間的變化可用如下的二值差分圖像表示：
本文引用地址：http://butianyuan.cn/article/151852.htm 式中取值為1和0的像素分別對應(yīng)于前景（運動目標區(qū)域）和背景（非運動區(qū)域）。
對于緩慢移動的物體，圖像差分的變化量很小，有可能會被濾波器濾掉，解決方法是通過累積差分法ADP[2](Accumulative Difference Picture)。該法不僅可以用于可靠檢測緩慢移動的物體，還可用于估計物體移動速度的大小和方向以及物體尺度的大小。獲得累積差分圖像的過程如下：將圖像序列的每一幀圖像與參考圖像進行比較，當差值大于某一閾值時就在累積差分圖像中加1，這樣，在第i幀圖像上的累積差分圖像ADP(x，y，i)為：
通過判斷灰度值的變化，即可判斷出移動物體及其方向。
針對本系統(tǒng)，可以先利用背景差值法確定是否有移動目標進入監(jiān)視區(qū)。如有則啟動錄像功能，結(jié)合圖像差分法，經(jīng)過一系列檢測檢出運動目標，并啟動跟蹤程序。具體程序如圖3所示。
3.2 人臉的檢測定位
在檢測出運動的目標之后，要判斷目標為人體還是其他動物，這可以通過目標的尺寸及目標的空間特征(如寬高比等)來區(qū)分。在確定為人體目標之后，就要確定出人臉的區(qū)域。確定人臉區(qū)域的方法有多種，本系統(tǒng)采集的是彩色圖像，可以根據(jù)膚色進行判別。利用膚色提取色彩信息的方法已被廣泛應(yīng)用在計算機視覺研究領(lǐng)域中。膚色是人臉的重要信息，不依賴于面部的細節(jié)特征，對于旋轉(zhuǎn)、表情等變化情況都能適用，具有相對的穩(wěn)定性并且和大多數(shù)背景物體的顏色相區(qū)別。與其他人臉檢測方法相比，膚色的判斷在速度上具有明顯優(yōu)勢。因此，將其作為人臉檢測的其他方法的預(yù)處理，可以在很大程度上減小人臉檢測的搜索范圍，降低誤報率，進而大大提高人臉檢測算法的整體性能。
人臉檢測過程如下：對于彩色圖像首先進行膚色檢測；在檢測出膚色區(qū)域后，需要進行區(qū)域分隔及形態(tài)學(xué)運算，通過形態(tài)學(xué)處理可以過濾由于噪音或者其他原因引起的一些較小的不可能為人臉的類膚色區(qū)域，減少候選區(qū)域和提高檢測速度，降低誤判的可能性；之后根據(jù)它們在色度上的相似性和空間上的相關(guān)性分割出可能的人臉區(qū)域，同時利用區(qū)域的幾何特征及灰度特征驗證是否為人臉，以排除其他色彩類似膚色的物體。
用膚色來檢測人臉，要先確定膚色模型?；镜哪w色模型有3種：RGB模型、HIS模型和YCbCr模型。這里選用YCbCr模型，原因是圖形采集輸出的格式為YUV，而YUV格式和YCbCr格式在數(shù)學(xué)上具有一致性，同時對于后期的數(shù)據(jù)進行MPEG壓縮也很方便。人臉檢測的程序流程如圖4所示。具體過程分析如下：
評論