| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 本文研究工作及论文结构 | 第12-14页 |
| 2 运动目标检测理论基础 | 第14-25页 |
| 2.1 色彩空间理论 | 第14-18页 |
| 2.1.1 RGB色彩空间 | 第14-15页 |
| 2.1.2 HSV色彩空间 | 第15-17页 |
| 2.1.3 YUV色彩空间 | 第17-18页 |
| 2.2 形态学处理 | 第18-21页 |
| 2.2.1 膨胀 | 第18-19页 |
| 2.2.2 腐蚀 | 第19页 |
| 2.2.3 开运算和闭运算 | 第19-21页 |
| 2.3 运动目标检测技术 | 第21-24页 |
| 2.3.1 光流法 | 第21-22页 |
| 2.3.2 帧间差分法 | 第22-23页 |
| 2.3.3 背景减除法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于DM642的硬件平台及其开发环境 | 第25-36页 |
| 3.1 DM642处理器 | 第25-27页 |
| 3.2 系统开发硬件平台 | 第27-31页 |
| 3.2.1 SEED-VPM642硬件平台 | 第27-30页 |
| 3.2.2 硬件仿真器等相关外围设备 | 第30-31页 |
| 3.3 软件集成开发环境 | 第31-35页 |
| 3.3.1 CCS集成开发环境 | 第31-32页 |
| 3.3.2 CCS开发流程 | 第32-33页 |
| 3.3.3 实时操作系统DSP/BIOS | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 运动目标检测算法设计 | 第36-48页 |
| 4.1 运动目标提取算法 | 第36-37页 |
| 4.2 基于动态阈值的统计平均法 | 第37-42页 |
| 4.2.1 阈值与动态阈值 | 第37-38页 |
| 4.2.2 平均法背景建模 | 第38-40页 |
| 4.2.3 统计法背景建模 | 第40-41页 |
| 4.2.4 算法整体流程图 | 第41-42页 |
| 4.3 基于纹理的运动目标检测法 | 第42-47页 |
| 4.3.1 基于纹理的阴影去除法 | 第42-44页 |
| 4.3.2 基于纹理特性和灰度信息的运动目标检测算法 | 第44-46页 |
| 4.3.3 算法整体流程图 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 算法移植及其实现 | 第48-59页 |
| 5.1 TMS320DM642视频图像处理软件框架设计 | 第48-53页 |
| 5.1.1 RF5软件框架 | 第48-50页 |
| 5.1.2 系统软件框架的设计与实现 | 第50-53页 |
| 5.2 基于DM642平台上的算法移植与优化 | 第53-56页 |
| 5.2.1 硬件优化 | 第53-54页 |
| 5.2.2 软件优化 | 第54-56页 |
| 5.3 基于DM642平台上的运动目标的检测结果 | 第56-59页 |
| 5.3.1 基于动态阈值的统计平均法的实现 | 第56-57页 |
| 5.3.2 基于纹理的运动目标检测法的实现 | 第57-58页 |
| 5.3.3 结果分析 | 第58-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录A 文件程序 | 第64-72页 |
| 攻读学位期间的研究成果 | 第72页 |