监控和检查系统中的视频解码器基本原理
例子2：检测运动和质量
机器人可以寻找特定距离和有限范围内的目标。在一些应用中可以使用超声波;但如果物体表面会吸收超声波或目标在玻璃后面，可以使用视频。摄像头焦距设定在邻近物体上。在近距离范围内的物体会有清晰的边缘，而范围之外的背景物只有模糊的边缘(图3)。
图3：焦距——窄的景深。
边缘检测可以用来分辨目标距离范围内的物体，因为它们是唯一具有清晰边缘的物体。背景中的物体将足够模糊，不能通过边缘检测测试。这种边缘检测处理将产生一个二元位图，其中1表示检测到一个边缘，0表示没有检测到边缘。每个检测到的边缘像素的位置(x,y)可以代入公式1近似算出被隔离物体的中点：
(1)
其中 xn是边缘像素n的x轴位置，yn 是边缘像素n的y轴位置，N是检测到的边缘像素的数量。
一旦物体位置及其边缘已知，我们就可以试着进行跟踪。关键是从图片中正确提取物体，将它的边缘转换成轮廓，然后用来判断物体是否在朝摄像头移动，方法是检查像素距物体中心的平均距离以便判断物体尺寸是否在改变，如公式2所示：
(2)
N是FRAME帧中的边缘像素数量，M是FRAME-1帧中的边缘像素数量。聚焦横轴可以得到公式3：
(3)
当物体朝摄像头移动时(像素从物体中心向外扩展)，这个公式的值是正的。负值意味着物体正在远离摄像头，如图4所示。
图4：移动中物体的帧变化。
请注意，物体必须在摄像头焦距范围内。通过修改算法我们可以主动改变焦距以扫描更大的面积。一旦检测到物体就可以进行分段、处理和跟踪。
随着视频复杂度的增加，跟踪物体将变得更加困难，特别是有纹理的物体以及由于移动速度过快而失去锐度的物体。Jianbo Shi所著的“Good Features to Track”一文介绍了一些跟踪算法。当物体失去锐度时，边缘检测将会失败。在这种情况下使用复数相关技术(如模块匹配)——用来估算运动——或采用Yao Wang、Jörn Ostermann和Ya-Qin Zhang三人合著的“Video Processing and Communications”一书中详细介绍的其它方法仍可以完成跟踪。
由于摄像头提供的是连续的数据流，因此可以通过跟踪物体判断它的加速度和其它参数。然而，必须使用高质量的视频序列才能获得良好的视频分析结果。当通过分析相邻像素检测边缘时，逐行扫描视频要比低质量的隔行PAL或NTSC信号具有更好的分辨率。ADV7401 和ADV7403 视频解码器可以接受各种视频标准，包括逐行模式。这两款器件能够数字化处理高达140MHz的视频信号，并且能够处理标清、增强清晰度和高清分量信号、CVBS和图形。另外，它们还支持非标准视频模式，允许使用不太流行的标准，比如STANAG。灵活的像素输出总线允许处理4:2:2、4:4:4 YcbCr或4:4:4 RGB格式的数据。非标准视频格式可以通过过采样或欠采样达到特定的水平宽度，详见应用笔记 AN-0978, “Component Processor Nonstandard Video Formats”。
图5所示的内置色彩空间转换器(CSC)可以转换彩色空间以满足用户要求(公式4，其中A1… A4，B1… B4，C1… C4都是可调整的CSC参数)。YPrPb或RGB输入信号可以用可配置矩阵转换功能转换成其它格式。例如，将RGB转换成YCbCr允许丢弃色度信息(Cb,Cr)，通过使用单色图片可简化边缘检测。
评论