| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文的研究内容 | 第11-13页 |
| 2 基于ZYNQ的运动目标检测系统 | 第13-23页 |
| 2.1 系统原理设计 | 第13-14页 |
| 2.2 系统硬件结构设计 | 第14-22页 |
| 2.2.1 视频采集子系统 | 第15-17页 |
| 2.2.2 视频处理子系统 | 第17-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 运动目标检测技术的研究 | 第23-44页 |
| 3.1 常用运动目标检测方法 | 第23-26页 |
| 3.1.1 光流法 | 第23-24页 |
| 3.1.2 帧差法 | 第24页 |
| 3.1.3 背景差分法 | 第24-25页 |
| 3.1.4 几种算法的仿真及比较 | 第25-26页 |
| 3.2 基于结构型Haar特征和AdaBoost的运动目标检测算法 | 第26-37页 |
| 3.2.1 样本的创建 | 第28-29页 |
| 3.2.2 Haar-like特征与特征值的计算 | 第29-33页 |
| 3.2.3 样本训练 | 第33-37页 |
| 3.3 基于结构型Haar特征和AdaBoost的运动目标检测算法实验 | 第37-43页 |
| 3.3.1 运动车辆检测实验 | 第37-40页 |
| 3.3.2 运动人脸检测实验 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于结构型Haar特征和AdaBoost目标检测算法的软硬件协同实现 | 第44-71页 |
| 4.1 视频处理系统架构 | 第44-46页 |
| 4.2 FPGA工程设计 | 第46-58页 |
| 4.2.1 Vivado开发工具 | 第46-48页 |
| 4.2.2 AXI接口 | 第48-49页 |
| 4.2.3 AXI协议 | 第49-50页 |
| 4.2.4 AXI Interconnect | 第50页 |
| 4.2.5 AXI VDMA配置 | 第50-54页 |
| 4.2.6 图像预处理的硬件加速 | 第54-58页 |
| 4.3 ARM嵌入式软件设计 | 第58-65页 |
| 4.3.1 嵌入式开发环境搭建 | 第58-60页 |
| 4.3.2 OpenCV的交叉移植 | 第60-61页 |
| 4.3.3 Qt的交叉移植 | 第61-62页 |
| 4.3.4 算法的实现 | 第62-65页 |
| 4.4 实验过程及结果分析 | 第65-70页 |
| 4.5 本章小结 | 第70-71页 |
| 5 结束语 | 第71-73页 |
| 5.1 本文工作总结 | 第71-72页 |
| 5.2 有待进一步完成的工作 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78页 |
