監控與檢查系統中的視頻解碼器基本原理介紹

　　機器人可以尋找特定距離和有限范圍內的目標。在一些應用中可以使用超聲波;但如果物體表面會吸收超聲波或目標在玻璃后面，可以使用視頻。攝像頭焦距設定在鄰近物體上。在近距離范圍內的物體會有清晰的邊緣，而范圍之外的背景物只有模糊的邊緣(圖3)。

　　圖3：焦距——窄的景深。

　　邊緣檢測可以用來分辨目標距離范圍內的物體，因為它們是唯一具有清晰邊緣的物體。背景中的物體將足夠模糊，不能通過邊緣檢測測試。這種邊緣檢測處理將產生一個二元位圖，其中1表示檢測到一個邊緣，0表示沒有檢測到邊緣。每個檢測到的邊緣像素的位置(x,y)可以代入公式1近似算出被隔離物體的中點：

　　(1)

　　其中 xn是邊緣像素n的x軸位置，yn 是邊緣像素n的y軸位置，N是檢測到的邊緣像素的數量。

　　一旦物體位置及其邊緣已知，我們就可以試著進行跟蹤。關鍵是從圖片中正確提取物體，將它的邊緣轉換成輪廓，然后用來判斷物體是否在朝攝像頭移動，方法是檢查像素距物體中心的平均距離以便判斷物體尺寸是否在改變，如公式2所示：

　　(2)

　　N是FRAME幀中的邊緣像素數量，M是FRAME-1幀中的邊緣像素數量。聚焦橫軸可以得到公式3：

　　(3)

　　當物體朝攝像頭移動時(像素從物體中心向外擴展)，這個公式的值是正的。負值意味著物體正在遠離攝像頭，如圖4所示。

　　圖4：移動中物體的幀變化。

　　請注意，物體必須在攝像頭焦距范圍內。通過修改算法我們可以主動改變焦距以掃描更大的面積。一旦檢測到物體就可以進行分段、處理和跟蹤。

　　隨著視頻復雜度的增加，跟蹤物體將變得更加困難，特別是有紋理的物體以及由于移動速度過快而失去銳度的物體。Jianbo Shi所著的“Good Features to Track”一文介紹了一些跟蹤算法。當物體失去銳度時，邊緣檢測將會失敗。在這種情況下使用復數相關技術(如模塊匹配)——用來估算運動——或采用Yao Wang、Jörn Ostermann和Ya-Qin Zhang三人合著的“Video Processing and Communications”一書中詳細介紹的其它方法仍可以完成跟蹤。

　　由于攝像頭提供的是連續的數據流，因此可以通過跟蹤物體判斷它的加速度和其它參數。然而，必須使用高質量的視頻序列才能獲得良好的視頻分析結果。當通過分析相鄰像素檢測邊緣時，逐行掃描視頻要比低質量的隔行PAL或NTSC信號具有更好的分辨率。ADV7401 和ADV7403 視頻解碼器可以接受各種視頻標準，包括逐行模式。這兩款器件能夠數字化處理高達140MHz的視頻信號，并且能夠處理標清、增強清晰度和高清分量信號、CVBS和圖形。另外，它們還支持非標準視頻模式，允許使用不太流行的標準，比如STANAG。靈活的像素輸出總線允許處理4:2:2、4:4:4 YcbCr或4:4:4 RGB格式的數據。非標準視頻格式可以通過過采樣或欠采樣達到特定的水平寬度，詳見應用筆記 AN-0978, “Component Processor Nonstandard Video Formats”。

　　圖5所示的內置色彩空間轉換器(CSC)可以轉換彩色空間以滿足用戶要求(公式4，其中A1… A4，B1… B4，C1… C4都是可調整的CSC參數)。YPrPb或RGB輸入信號可以用可配置矩陣轉換功能轉換成其它格式。例如，將RGB轉換成YCbCr允許丟棄色度信息(Cb,Cr)，通過使用單色圖片可簡化邊緣檢測。

上一頁 1 2 3 4 下一頁