一、项目背景
传统仓库夜间安防存在“看不清、报不准”的痛点：光照不足导致画面偏暗、细节丢失；人工值守成本高、漏报误报率高；深度学习方案依赖云端、算力需求大、难以边缘实时部署。本项目采用FPGA硬件平台，以直方图均衡增强低光画面、帧差法检测运动目标，在本地完成“采集—增强—检测—报警”全流程，低功耗、低延迟、低成本，获评国家级大学生创新创业训练与实践项目。

二、系统方案
系统以正点原子Cyclone IV EP4CE10开发板为核心，构建全硬件闭环链路。主控为EP4CE10F17C8（10320 LE），OV5640摄像头（RGB565，480×272），SDRAM帧缓存解决跨时钟域交换，输出HDMI与声光报警。团队5人分工涵盖硬件开发、算法软件、测试文档与项目统筹。

图1系统总体方案流程图

三、关键算法
1. 直方图均衡：统计Y分量灰度直方图，计算CDF并归一化，将灰度映射到更宽动态范围；FPGA用双端口RAM统计、寄存器累加、乘除运算输出。暗光画面经增强后对比度显著提升，轮廓清晰可见。

图2 增强前（暗光）与增强后对比图

2. 帧差法：当前帧与上一帧灰度相减，差值超阈值标记为前景，输出二值图。计算量小、实时性高、无需训练数据，阈值可配置。ModelSim仿真波形验证了时序与输出正确性。

3. 形态学滤波+投影定位：先腐蚀去噪、再膨胀填补空洞，使轮廓连续；通过水平/垂直投影定位目标边界，映射回RGB图像绘制红框并驱动蜂鸣器报警。

图3运动目标检测实物测试（红框标注）

四、仿真与实测
ModelSim仿真验证了采集同步、灰度转换、直方图映射与帧差二值化各模块时序正确。板级实测三种场景均稳定：正常光照画面清晰无延迟；暗光增强后对比度明显提升；运动目标红框准确标注、蜂鸣器联动报警。

图4  ModelSim帧差算法仿真波形

五、创新与成果
创新点：①全硬件本地闭环，无需云端与PC；②算法与硬件深度协同，Verilog并行实现；③暗光增强与运动检测一体化。成果包括整机原型、多传感器融合算法、轻量AI模型边缘部署、全套开发文档与市场调研材料。团队完整经历需求调研至系统集成全流程训练。

六、总结与展望
项目锻炼了团队硬件、算法、嵌入式联合开发的工程能力，也让大家认识到原型到产品化的差距。后续将引入背景建模、自适应均衡参数、更高性能FPGA、网络远程监控，并探索轻量神经网络部署，推进论文专利与实地试点。