文摘

本文基于改进的自适应滤波方法,进行深入讨论和研究嵌入式图形和视频编码和选择从三个方面来改善自适应滤波算法:起点预测,分区搜索模板和窗口。该算法导入视频采集和编码的编码器。通过捕获不同的视频格式,分辨率,和时间、内存大小的视频文件收集算法优化前后相比,优化算法占用内存空间的视频文件在实际系统。少和更高的编码率的结论。收集到的视频信息存储在个人电脑配备一个任性,和外部电子设备只需要下载并安装浏览器,和收集到的视频信息可以在局域网通过访问协议。改进的编码算法具有更高的编码效率,可以减少占用的存储空间视频。

1。介绍

图像信息占据了主要部分的人们从外界获得的信息通过视觉。因此,直观的图像提供的信息的重要性是不言而喻的。视频图像是连续静态图像序列,可以使客观事物更生动的和生动的。图像描述更直观和具体的信息表现形式(1]。与计算机科学的迅速发展和人民安全意识的提高,视频图像采集设备随处可见,视频监控系统由视频采集设备和电脑已经吸引了更多的关注由于其直观和方便的特性。当前视频监控系统不仅可以实时监控还探测、跟踪和识别移动对象(2]。先决条件实现这些复杂的算法是收集到的图像的边缘检测。因此,准确的边缘信息的提取提供了一定依据后续图像分割和识别算法的实现3]。目前,超过90%的互联网流量是由视频服务,移动互联网和视频数据也占50%。视频对我们的工作和生活有着深远的影响。视频监控系统由视频采集设备和计算机普及由于其直观和方便的特性。在现实生活中,视频有很多冗余的信息。如果没有有效地压缩,很难有效地存储和传播在当前有限的带宽和存储空间4]。以满足人们对高清视频的需求在当前情况下,视频压缩技术的使用以减少存储容量和传输带宽的视频信息已经成为一个紧迫和现实的研究课题5]。

Botella加西亚和算法进行了分析,发现匹配块的运动类型和搜索模式有很大的相关性6]。通过测试,运动类型和相应的搜索模式匹配和计算7]。其次,提出了一种新的混合搜索算法;王、赵提出了一个改进算法基于运动方向的差异(8];舒等人借鉴了前人的研究成果的算法;一个多层分层及时分辨率都运动估计算法(9];东奔西走等人针对算法的搜索速度慢,使用的中心偏差特征预测运动矢量,并比较该算法(10]。进行了一些改进,提出了一种改进的运动估计算法;杜塔和古普塔提出算法的改进方法在四个方面:起点预测,搜索模板,搜索窗口,和提前终止11];Coutinho等人关注的运动估计部分标准,利用运动矢量预测特征来获取最佳的起点,并设置两个阈值大小不同的实现螺旋快速搜索方法(12]。•格拉纳多于等人设计了一个实时的基于Sobel算子的边缘检测系统在FPGA平台上(13];黄等人增加Sobel算子的检测方向(14),分析和比较了多个运营商的优化方法,并改进提高系统的运行速度;无独有偶的想法和其他人使用分布式方法处理加速精明的算法(15]。与普通算法相比,边缘提取效果显著,系统消耗更少的时间。二阶导数算子,德和其他人对数算法分析和改进了[16阿尔特拉的德平台上)和验证。上面的边缘检测算法都使用一个固定的阈值在实施过程中,也就是说,人为设定一个阈值在系统根据经验之外,不适应,算法的通用性很差17]。出于这个原因,阈值选择方法的最大价值的二阶导数梯度直方图,虽然效果显著,该算法结构复杂和实现是困难的18]。同样,对于精明的算法,汗等人使用最大的类间方差方法(首先)发现自适应阈值(19]。因为它涉及到发现的方差图像像素,它将消耗大量的逻辑资源,严重影响系统的处理速度。因此,寻求一个合适的自适应阈值方法,便于硬件实现具有重要影响整个边缘检测算法的处理速度。

运动估计是视频编码技术的核心技术,以及其性能直接关系到视频编码效率和图像效果。因此,选择一个性能优越的运动估计算法已经成为学者们的研究的重点。有两种常见的运动表示,一个是基于像素表示,另一种是基于块的运动表示。因为基于像素表示的计算复杂,精度不高,通常使用基于块的运动表示。基于块匹配的运动估计算法表示已经吸引了研究人员的关注和采用不同的编码标准由于其简单的算法,产生了良好的效果,并且很容易实现。基于编码的分析算法在编码标准,本文在率失真优化和运动估计的两个部分。通过咨询大量数据,一些想法变形模式的选择和优化的自适应滤波算法的提出和测试在测试模型。测试的编码性能改进的编码算法在视频系统,该算法移植和视频开发板上进行了实现。结果表明,改进后的新算法在实际系统更好的编码性能。

2。自适应过滤嵌入式图形视频编码的设计

2.1。改进的自适应滤波器编码算法

传统的自适应滤波算法主要依靠冷杉水平结构,和设计的算法主要是输入和输出之间的线性函数。目前,超过90%的互联网流量是由视频服务,移动互联网和视频数据也占50%。这种类型的滤波算法计算复杂度低,具有良好的性能在线性系统辨识,线性回归,频道主动噪声抑制或消除。然而,当线性滤波算法处理非线性问题,如非线性信号回归、非线性系统识别、和时间序列预测,他们将显示性能下降或不能正常运行20.]。处理这些非线性问题,研究人员已经开发出许多相关处理方法,如沃氏函数序列,时滞多层感知器,径向基函数网络,复发性神经网络。虽然这些方法可以显示更好的非线性处理能力,固有的非凸特征,收敛速度慢,计算开销巨大阻碍这些方法在实时应用程序的性能21]。依赖内核方法和自适应滤波理论,内核自适应滤波算法(KAF)有很大的发展和应用领域的自适应滤波。自KAF是一种online-nonlinear自适应滤波算法开发的再生核希尔伯特空间再生核希尔伯特空间理论(),他们可以有效地处理非线性模式的输入和输出数据之间的关系,如图1。

美世内核函数需要满足三个条件:连续性,对称,和积极的明确22]。

在实际应用中,主要包括共同的内核函数

三角核函数:

指数核函数:

高斯核函数的特征空间诱导无限维度,大多数基于内核的自适应滤波算法使用高斯核函数方法。

让表示函数空间由内核函数 ,并采取的元素和在 ,然后

如果和进一步满足以下关系:

公式(6)双线性映射,它是一个内积操作。方程(7)可以表示为

根据美世的定理,一定非线性函数可以表达任何Mercer核函数:

这个公式表明,非线性操作在原始空间可以扩展到高维空间中的线性操作。此外,高维空间中的向量维数远高于原来的空间,和更多的回归因素可以用来解决非线性问题在最初的空间。因此,它是非常重要的选择核函数与KAF大小增加应用程序。

KAF算法,通常的目标是基于一组训练样本的重构。你可以得到

其中,意味着预测误差的时刻,意味着学习步长,为了确保迈普的凸性。进一步扩大第三项公式(9),可以有

在实际应用中,由于非线性变换相应的内核函数通常是未知的,方程(10)只是作为一个理论表达式。然而,当出现一定的新数据,例如,在这个时候,估计输出可以获得

2.2。嵌入式图像和视频编码系统的设计

如图2JetsonTX2配有强大的处理器、内存、闪存、和其他方面和丰富的外围接口,确保其强大的数据处理和计算能力,因此它可以用来在无人机等领域和人类的智慧。本文根据应用程序需求,JetsonTX2将从四个方面介绍:视频输入,并行加速度,视频处理和网络通信。

模块分为6个部分:PCI接口设计和寄存器配置模块,视频图像采集模块,提高了精明的边缘检测算法,控制模块,显示模块控制和内部锁相回路生成模块。首先,一个锁相环(PLL)模块用于生成一个24 MHz相机驱动时钟。相机驱动通过PC接口的设计,相机的内部寄存器的初始化、视频图像采集模块的设计,相机输出数据流是565位宽。16位图像数据处理后阈值自适应边缘检测算法,数据缓冲通过同步动态随机存取存储器(SDRAM),最后,得到边缘检测图像的实时显示。其中,基于改进的精明的边缘检测算法模块,它包括灰度变换、自适应中值滤波,计算梯度幅值和方向,nonmaximum抑制处理,边缘连接,自适应阈值生成等模块。因为基于像素表示的计算复杂,精度不高,通常使用基于块的运动表示。基于块匹配的运动估计算法表示已经吸引了研究人员的关注和采用不同的编码标准由于其简单的算法,产生了良好的效果,并且很容易实现。本章只分析和设计的实时视频图像,即8位相机采集的数据拼接成565年RGB格式的图像采集模块和直接缓冲SDRAM并最终显示在实时视频图形阵列(VGA)通过VGA监视器显示控制。

在分析PCI的读写时间,现在的PC接口是用于配置寄存器的更快(23]。SDRAM共有172的寄存器,每个注册有一个对应的地址和一个配置寄存器的值。寄存器的配置值由8位数据,和相应的参数可以修改来实现不同的功能。如果你想输出预期的视频格式,您必须配置这些寄存器根据所需的功能。然而,这172个寄存器的数量很大,和所有的配置更麻烦。本文的设计只使用70年更重要的寄存器。包括两个只读寄存器,视频图像流,采样图像质量,输出格式和其他重要寄存器。自565年所需的视频输出格式是RGB图像显示是VGA格式和分辨率 ;有必要修改默认寄存器的值来满足设计要求。使用查表技术需要配置这些寄存器。拼接的地址值这70个寄存器和寄存器的配置值,并使用信号找到注册的数量配置目前所需的PCI接口模块。它代表的地址寄存器和寄存器的配置。

kernelized相关滤波跟踪算法是一个目标跟踪算法提出了基于相关滤波理论。当前主流的跟踪算法的核心是设计一个分类器与一个强大的歧视区分目标和背景干扰能力的目标。过程中出现目标和环境的变化,传统的分类器使用训练样本由平移和缩放的初始目标训练分类器。生成样本的策略称为稀疏采样策略,有很多冗余样本。在相关滤波跟踪、示例生成策略是基于密集采样。许多训练样本生成的循环移位操作样本。样品产生的循环移位表示为一个循环移位矩阵。理论相关过滤,循环移位矩阵的属性可以通过傅里叶变换矩阵对角化,通过一系列的理论推导和简化;相关滤波跟踪算法主要是计算的快速傅里叶计算,大大减少了跟踪算法的计算量和存储要求的算法。此外,KCF也大大提高了跟踪精度通过引入核技术和多通道猪的特性。

2.3。评价指标设计

作为一个非常重要的部分视频编码、视频编码的率失真算法已经成为许多研究者的研究对象。他们已经提出许多优秀的思想对该算法的改进。我们的目标是获得最佳编码模式。在这种模式下,比特率和编码失真成本最小化的编码 。上执行标准下,率失真计算每个模式的成本使用的当前编码块,然后,每个模式进行比较和分析,和编码的类型模式,消耗最少的成本被选中时,定义和选择的编码模式。可以看出其成本价值的成本函数是由三个因素共同决定:运动搜索、参照系的选择、标准和模式决策,而只使用遍历计算执行速度。1失真优化不充分考虑其他因素的影响。

为了应对这一问题,本文提出了一种小改进想法如何确认intermacroblock编码模式的选择算法在原始的率失真优化。有很多方法可以将帧间宏模块。根据运动的程度,我们可以使不同部门。大部门方法适用于绝对静止或相对静态小运动,和小分部方法适用于大的位置和细节的变化。这个方案综合考虑了多种因素的限制,最后采用一个 分割块的编码,编码的块分为 模式,并执行相应的分析子模块得到的运动矢量方向 模式。从这些结果,编码模式目前无法使用宏模块的编码,这可以减少不必要的计算。编码模式的集合,可用于创建编码块一起创建一套编码模式,执行和率失真优化计算获得所需的最佳方式。测试表明,改进的率失真算法有一定程度的编码效率,如图3。

完整的搜索方法(FS)是目前最准确的搜索算法。它搜索所有搜索指向获得最佳匹配点。由于计算复杂度较高,不适合传输实时视频,只能作为比较标准的其他算法。三步法(TSS)简化基于完整的搜索方法。在最快的情况下,只需要25个搜索点获得最佳匹配点。虽然减少了计算复杂度,同时,匹配的精度也减少了。当非线性问题,如非线性信号回归,非线性系统识别、处理和时间序列预测、性能退化或失败的正常运行就会出现。处理这些非线性问题,研究人员已经开发出许多相关处理方法,如沃氏函数序列,时滞多层感知器,径向基函数网络,复发性神经网络。虽然这些方法可以显示良好的非线性处理能力,固有的非凸特征,收敛速度慢,计算开销巨大阻碍这些方法在实时应用程序的性能。三步法只适用于图像帧与大型运动振幅。 For frame images with small motion amplitude, this algorithm is easy to fall into the state of the local optimal solution, resulting in a larger match. The new three-step method (NTSS) is a supplement to the shortcomings of the original three-step method (TSS). The algorithm uses the center offset feature to enhance the number of matching calculations for the center area position, and the search performance is improved. Smaller video sequences have good performance. At the same time, the algorithm innovatively proposes a method of quoting thresholds, which provides a new idea for later hybrid search algorithms. The hexagonal search method (FSS) and the diamond search method (DS), as classic block matching motion estimation algorithms, use the same idea and use two different search templates to avoid the defects of local optimization. The Hexagons algorithm can be regarded as an improvement based on the hexagonal search method (FSS) and the diamond search method (DS). The UMHexagonS algorithm uses a hybrid search mode combining multiple templates, combined with an early termination strategy, and can precise prediction of search points be currently recognized as the most ideal motion estimation algorithm under the standard. An important work point in this paper is also to propose its ideas for the improvement of the Hexagons algorithm, as shown in Table1。

使用不同数量的参考帧的概率会影响成功的预测。其中,准确预测起点的概率是最高的中位数和上层预测参考帧选择不同的数字。前一帧的预测和前一个参考系在时域会占据大量的存储空间。大部分的基于核方法的自适应滤波算法使用高斯核函数。空间域的预测方法可以满足需求的起点成功的预测。在此基础上,本文最后决定只使用中值预测,上层预测,在空间域和起源预测,预测中值和上层预测后,添加功能是早期终止判断。

3所示。结果和分析

3.1。分析自适应滤波的目标跟踪结果

在目标跟踪领域,跟踪结果评价指标通常采用精密测量精度(情节),指之间的欧几里得距离中心点的预测算法在目标跟踪中的位置和实际中心位置在地面真理标准,单位是像素。测试前后跟踪算法的性能改善,本文使用的算法改进前后模拟所有上述测试视频序列并保存结果比较。图4使用精度测量曲线和成功率曲线的改进算法。这条曲线比较原始内核相关的跟踪精度过滤KCF, KCF结合亚太经合组织指标,跟踪算法后添加测试数据集上的在线支持向量机分类器和跟踪的成功率。根据图表,亚太经合组织指数判断基于原始的引入KCF显著提高算法的跟踪精度;亚太经合组织+ SVM基于KCF介绍后跟踪,跟踪精度在一定程度上已得到改进与只使用亚太经合组织索引。

比较算法的跟踪结果kernelization相关滤波器跟踪和antiocclusion改进后,这个视频序列来自数据集,和目标操作期间将进行照明变化和遮挡。如图4255年,目标是完全阻挡~ 278帧。KCF算法不判断跟踪结果的信心,每一帧采用更新的策略模型。结果,由于错误的模型学习挡住更新完整的阻塞期间。即使目标树叶挡住帧278 ~ 286年,KCF算法是错误的。默认的值寄存器需要修改,以满足设计要求。使用查表技术需要配置这些寄存器。这70的地址值寄存器和寄存器的配置值拼接在一起,和寄存器配置所需的电流输出的数字信号的接口模块用于搜索,这表明的地址寄存器和数据拼接后的配置寄存器。结果,更新会导致后续跟踪失败;分析改进算法的性能,该算法更新实时曲线绘制在这个实验中,如图5;图的形状是一个“方波”形状,其中0意味着模型不更新,1代表了模型更新。从图中,目标是阻挡255 ~ 278年期间帧。改进算法以来法官的信心跟踪结果,模型更新停止在目标完全闭塞,从而避免了模型退化问题。

跟踪结果的原始KCF算法和KCF跟踪算法引入后的亚太经合组织指标比较。蓝色的盒子是原始KCF跟踪结果,和黄色框后KCF跟踪结果介绍了亚太经合组织指标。自亚太经合组织指数判断需要统计的历史价值,然后比较当前APEC亚太经合组织历史平均水平,更新模型在第一个30帧之前,亚太经合组织是用来确定跟踪结果的信心,如图6;第一个100帧的目标是不好的。因此,亚太经合组织价值相对较大的整体;约133帧,目标开始进入阻塞,亚太经合组织目前值迅速下降。如图6100帧后,模型停止更新;原KCF闭塞期间保持模型更新。因此,在192帧的位置跟踪精度明显更糟糕的是,只有部分的目标跟踪;跟踪都失去了在192 ~ 235帧,但是该算法引入了亚太经合组织在377 ~ 389年没有更新模型框架;目标相反的方向移动。亚太经合组织的介绍后,KCF仍然保持闭塞前的模型。因此,目标是retracked在377年帧中目标的方法,但是最初KCF未能跟踪。

在空心相关滤波跟踪算法,主要计算FFT,所以FFT的计算速度有很大的影响在实时跟踪算法的性能。对于这个实验,计算时间消耗在DSP计算FFT。DSP端时钟频率为1.0 GHz。在目标跟踪,本文主要使用了 跟踪门。的 大小在DSP图像二维FFT计算时间是0.753毫秒,满足算法实时计算的要求。如图7,比较在PC和DSP FFT的计算性能,本文利用MATLAB和Python NumPy PC计算二维傅里叶变换的三种不同大小的图像。示例生成策略是基于密集采样。许多训练样本生成通过样品的循环移位操作。示例生成的循环移位都被表示为一个循环移位矩阵。在相关过滤理论,循环移位矩阵有一个傅里叶变换矩阵。对角化的本质。在程序中,计算循环1000次,平均计算的时间。在电脑方面,由于计算平台是英特尔多核CPU、计算速度非常快,DSP速度比不上电脑端由于电力消费和其他原因。尽管FFT的计算速度也很高,它有利于实时目标跟踪算法在嵌入式方面。

kernelized相关滤波跟踪算法,提高目标跟踪的准确性,猪进行特征提取的目标区域在计算过程中。猪的特性是一个梯度特性和强鲁棒性的优点。猪特性添加到目标后,跟踪精度显著提高,所以实现基于猪特征的目标跟踪算法在DSP端是一个伟大的工程实用价值。自猪的计算效率特性直接影响到时间消耗的目标跟踪算法,本文实验计算时间消耗的不同大小的图像。实验用三种不同大小的图像, ,和 。梯度方向VLIB是无符号计算梯度方向,和容器的最大调整范围是180。计算梯度和梯度方向的最佳性能计算,L1P和L1D缓存将开放在实验中,所有的计算数据存储在DSP的L2。L2的访问速度是男男同性恋者多核共享内存相比,DDR3快。在这篇文章中,目标跟踪门一般大小 ,和猪的计算功能梯度的方向 图片只需要大约1 ms,满足实时要求的跟踪算法。kernelized相关滤波器的跟踪算法,而不是直接使用猪的特性,它使用一个变体的猪features-First房主格兰特(FHOG)特性。有31个维度FHOG特性。本文基于猪的计算功能和DSP FHOG特征提取来实现。在实验中,输入图像 单通道灰度图像。

3.2。分析编码性能评价结果

在参数设置实验1,集 讨论异步长度的影响算法的性能。相关的实验结果如图8。尽管一个较小的步长将减少算法的收敛速度,它将提高过滤精度的算法。相反,一个较大的步长加速算法的收敛性能为代价的过滤精度。

其他参数与前面相同的设置,来研究不同滤波器长度对算法的影响。相关的实验结果如图8。增加不会显著提高过滤精度的算法,但它会降低算法的收敛速度。与此同时,增加也会增加算法的计算复杂度,因此滤波器长度应该合理地选择。

信噪比(信噪比)是一个重要的指标来评估算法的性能。信号信噪比的值改进通过过滤过程可用于量化滤波器在抑制运动构件的有效性。图9展示了运动的抑制结果的信噪比比较工件在ECG信号。这表明,基于小波的自适应运动工件抑制方法比传统算法具有更好的信噪比自适应滤波算法。该方法具有更好的性能在提高信号的信噪比价值和抑制运动构件。

图9显示了各种ECG信号的频谱过滤算法。从图可以看出,信号频率主要集中在0 ~ 50赫兹。LMS算法和NLMS算法仍然有一些运动工件噪音过滤后,过滤效果更好。BNLMS算法,小波LMS算法,小波NLMS算法,小波BNLMS算法在抑制运动工件噪声有明显的影响。与传统的LMS和NLMS算法的滤波结果,运动工件噪音明显减少,但仍有少量的运动工件的噪音。也可以看到运动工件噪音确实是很难完全过滤掉,只能在一定程度上抑制尽可能。从融合的角度,如图9,BNLMS算法收敛速度最快,NLMS算法是第二,LMS算法是最坏的打算。这个方案综合考虑了多种因素的限制,最后采用 分割块的编码,编码的块分为4 模式,并执行相应的运动矢量方向分析所得的4子 模式。

选择10嵌入图像数据的行走动作状态,过滤这些10组数据与上面的算法,然后,计算信噪比的值和均方误差值的10嵌入图像。计算结果如图10。从图可以看出,在行走状态,这10个嵌入图像的信噪比和均方误差值提高了这些算法处理后,和小波自适应算法较其他三种算法;改善信噪比的值和均方误差值的影响更明显。

如图11通过测试结果,我们可以发现改进UMHexagonS算法是好的。因为大多数视频序列在水平方向移动比垂直方向,本文中采用的视频序列是偏向于水平方向,所以效果不明显。

试验结果表明,当信噪比和比特率变化很小,改进的运动估计和编码时间减少,和减少范围增加而增加运动的强度。同时,码流分析软件elseward流眼工具用于分析前后的视频质量优化。主观视频质量优化前后的差异很小,和优化的目标。

4所示。结论

作为视频系统的重要组成部分,视频编码压缩视频信息可以减少带宽和存储设备的占领,并确保视频的传播是在当前有限的带宽和存储空间。编码算法是视频编码的核心。良好的编码算法可以有效地减少计算复杂度,减少编码时间,这是非常重要的视频系统性能的提高。基于运动估计的关键技术的理解,我们试图修改自适应滤波算法和测试的一部分。试验结果表明,改进的方法是可行的;视频数据采集由编写一个脚本文件,控制和被控制的算法改进前后。视频文件占据的内存的大小,我们发现改进的编码算法具有更高的编码效率,可以减少占用的存储空间视频。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。