視頻檢查系統(tǒng)已被廣泛應用于商業(yè)和工業(yè)領域。攝像頭——從黑白閉路電視(CCTV)系統(tǒng)中的廉價和低分辨率產品到數字視頻系統(tǒng)中的先進和高分辨率產品——被用于從產品檢驗、交通監(jiān)管到實時人臉識別等各種應用場合。

　　視頻本身承載有大量數據，這些數據使得信號處理和數據存儲任務變得相當復雜。通過丟棄無用的信息、只傳遞圖片的重要部分可以簡化視頻檢查系統(tǒng)，節(jié)省存儲器和運算周期。圖1給出了一個典型系統(tǒng)的組成單元。

　　圖1：簡化的視頻檢查數據流程。

　　本文將通過幾個例子來闡述提取有用數據如何能夠使處理要求、存儲器容量和DSP使用率達到最小，并介紹ADI公司視頻解碼器的特殊性能如何能夠簡化視頻算法、加快視頻檢查系統(tǒng)的開發(fā)速度。

　　實例1：計數和檢驗物體

　　試想一下，一條寬傳送帶正在快速傳送許多產品，而大量的產品使得人工計數非常困難。攝像頭除了能使計數任務自動化外，還能用來監(jiān)視產品質量。這可以通過修改簡單的計數算法以讓它關注特定細節(jié)和瑕疵來加以實現。

　　存儲所有視頻數據需要大量存儲器，而處理大量數據也需要耗費大量硬件資源和處理能力。因此在檢驗傳送帶上的產品時，系統(tǒng)不會將整個圖片數據采集進存儲器，而是要從大量數據中找到感興趣的細節(jié)，并盡可能多地丟棄無用數據。

　　在大多數情況下，灰度級圖片就攜帶有足夠的信息，因此可以將RGB信號轉換成(只有亮度的)Y信號，丟棄掉色度信息。然后使用邊緣檢測方法檢查單色圖片中的內容以發(fā)現傳送帶上的產品，然后將它們的形狀與樣板進行比較，判斷產品是否正常。

　　邊緣檢測算法——只需要活動視頻的幾條線和少量存儲器——能夠通過計算活動圖片的一階和二階導數發(fā)現相鄰像素亮度的不連續(xù)性，詳見Bernd Jähne所著的 “Digital Image Processing”一書。在實際應用中，邊緣檢測可以通過使用矩陣計算方法提取信息來實現，如Sobel矩陣算子。在FPGA(現場可編程門陣列)實現中，以像素為單位進行這樣的邊緣檢測可以提供令人滿意的結果。Tanvir A. Abbasi和Mohm Usaid Abbasi合作撰寫的“A proposed FPGA Based Architecture for Sobel Edge Detection Operator”一文介紹了一種簡單的FPGA實現方案。還可以通過增加高斯二維濾波器消除噪聲，詳見Mathukumar Venkatesan和Daggu Venkateshwar Rao合著的“ Hardware Acceleration of Edge Detection Algorithm on FPGAs”。這篇文章介紹了一個類似于Canny邊緣檢測器的檢測器成功實現案例。

　　還有其它幾種優(yōu)化算法可以用來提高圖片質量，但這些算法都要占用FPGA設計中的寶貴資源。然而，一些集成電路(IC)視頻解碼器已經集成了實用的預處理算法或濾波器，因此選擇這樣的IC可以節(jié)省FPGA資源。例如， ADV7802 視頻解碼器就包含了亮度瞬態(tài)改進(LTI)和色度瞬態(tài)改進(CTI)模塊。這些模塊通過改善亮度和色度變化的銳度來提高圖片質量，并使用自適應峰值和非線性方法——不會增加噪聲或引入瑕疵——在邊緣檢測過程中非常有用。另外，亮度整形和其它內置輸入濾波器可以消除源自信號源的高頻噪聲——專注于信號，忽略偶然出現的噪聲。

　　圖2：LTI/CTI運算圖解。

　　邊緣檢測提供的是物體邊緣變化的信息，而不是物體的整個圖片，數據量能從3×8位/像素(bpp)減少到1bpp，從而節(jié)省大量存儲器空間：

　　640 像素 × 480像素= 307,200位(1bpp時)

　　800像素× 600像素= 480,000位(1bpp時)

　　1024像素× 768像素= 786,432位(1bpp時)

　　1280像素× 720像素= 921,600位(1bpp時)

　　通過將RGB轉換為Y，在存儲器中只存儲活動視頻的幾條線，并使用FPGA算法，我們就可以檢測物體，觀察它們的形狀。一旦知道這些物體在移動中的傳送帶上的位置，我們就能估計它們的運動，并從下一幀中采集顏色或其它信息，確保使用最少的存儲器空間。這個過程涉及：

　　邊緣檢測

　　存儲信息

　　預測下個位置 xn+1

　　從預設的產品位置區(qū)域提取信息