基于多路双光模组的智能识别预警摄像机

发布时间：2021-07-20 05:05

　　为解决传统监控摄像机在超宽温野外环境下存在工作不稳定、可靠性差、智能化程度低、视场角小和全天候工作能力差等问题,提出一种基于嵌入式平台的多路可见光和红外双光模组融合拼接识别处理方法。嵌入式处理平台采用ARM+FPGA架构,集成于探测预警摄像机内部,智能探测识别摄像机前段监控场景中的威胁目标,并进行效果验证。结果表明:该摄像机集成度高、结构紧凑,能减轻监控系统终端视频处理的压力。 

【文章来源】：兵工自动化. 2020,39(04)

【文章页数】：3 页

【部分图文】：

图1 双光摄像头模组安装及实物

摄像机信息流程如图2所示。摄像机内的视频处理模块通过对双光摄像头模组的可见光和红外视频的图像融合[1]、图像拼接[2]、移动侦测和AI智能检测，实现对场景中运动目标的检测和识别。最终将目标的位置、识别结果连同h.265编码的宽视场图像通过千兆网发出，发送到监控的客户端显示。3 基于嵌入式平台的AI智能探测识别

智能识别预警摄像机的实物如图1(b)所示。可见光摄像头为1 920×1 080 P高清摄像头，红外摄像头分辨率为640×512，对车、人、小动物进行识别探测的准确率达到85%，满足昼夜、不同气候环境下的监控需要，实现200 m距离内识别的智能警戒能力需求。图3为在室内环境下进行融合拼接视频的识别测试。对人体部分区域被遮挡的情况下，仍能得到较好的识别效果。5 结束语

【参考文献】：
期刊论文
[1]红外与可见光双摄像机标定方法研究[J]. 胡广胜,王青,单清群.  科技创新与应用. 2017(04)
[2]基于FPGA+DSP架构异步FIFO视频图像数据采集实现[J]. 李波,李亚南,李健.  兵工自动化. 2016(09)
[3]自动目标识别算法发展综述[J]. 刘士建,金璐.  电光与控制. 2016(10)
[4]基于卷积神经网络的人脸识别方法[J]. 陈耀丹,王连明.  东北师大学报(自然科学版). 2016(02)
[5]卷积神经网络在人脸识别的应用[J]. 胡亚君.  无线互联科技. 2016(09)
[6]基于空中目标识别的特征提取与选择[J]. 田瑞娟,杨帆.  兵工自动化. 2014(03)

博士论文
[1]红外与可见光的图像融合系统及应用研究[D]. 张宝辉.南京理工大学 2013
[2]全景图像拼接方法研究与实现[D]. 宋宝森.哈尔滨工程大学 2012



本文编号：3292191