基于DM642的實時運動目標檢測系統(tǒng)

　　引言

　　數(shù)字視頻系統(tǒng)在智能交通、圖像識別以及安防監(jiān)控等領(lǐng)域，都得到了廣泛的應用，運動目標檢測作為數(shù)字視頻系統(tǒng)的一個重要環(huán)節(jié)，是后續(xù)目標識別、目標跟蹤等應用的基礎(chǔ)。本文提出了一個基于DM642的實時運動目標檢測系統(tǒng)方案，依靠DM642芯片強大的運算能力，使目標檢測的數(shù)據(jù)吞吐量及實時性得到保證。本方案設(shè)計合理、可擴展性強，具有實際應用價值。

　　1 運動目標檢測算法

　　實現(xiàn)運動目標檢測的算法很多，一般有光流法、背景差分法、相鄰幀間差分法等。光流法通過求解光流方程來實現(xiàn)運動檢測，其算法復雜、計算量大，且較難滿足實時要求;而相鄰幀間差分法雖然算法簡單、運算量小，但抗干擾能力很差，檢測效果不太理想;而背景差分法算法簡單、運算量小、且抗干擾能力強，因此本文采用該方法實現(xiàn)運動目標檢測。具體步驟如下：首先獲取數(shù)字圖像進行預處理，之后采用背景差分法實現(xiàn)運動檢測，再對所得的圖像用大津法進行自適應閥值分割，最后通過濾波得到檢測出的運動目標。圖1是本文運動目標檢測的流程圖。

　　1.1 圖像獲取及預處理

　　在CCS中配置系統(tǒng)的視頻輸入以及視頻輸出FVID驅(qū)動，從TMS320DM642的VPORT口獲取到攝像頭采集的視頻流所對應的數(shù)字YUV視頻流，將其存放到緩存IMG_CURRENT、IMG_PREVIOUS、IMG_BACKGROUND里面，其中IMG CURRENT存放的是當前的圖像，IMG_PREVIOUS存放的是上一次存放的圖像，IMG BACKGROUND存放的圖像作為背景圖像。圖像的分辨率為720×576，每個分量為8比特。由于獲取的視頻圖像不可避免地含有噪聲，必須對這些噪聲加以抑制，本文采用高斯濾波對所得到的YUV視頻信息進行高斯濾波處理。濾波后的圖像保存到IMG_CURRENT緩存中。

　　1.2 背景差分法處理

　　視頻圖像經(jīng)過預處理后，采用背景差分法檢測出運動圖像，步驟如下：

　　(1)獲取一幀圖像作為初始的背景Bg(x,y,tk);

　　(2)間隔4幀再次獲取下一幅圖像，作為當前圖像Curr(x,y,tk);

　　(3)按照背景差分法得到差分圖像Sub(x,y,tk)=|Curr(x,y,tk,)-Bg(x,y,tk);

　　(4)統(tǒng)計所有和值

　　(5)重復前面(2)到(3)的步驟。

　　上述背景差分法中，可隨機獲取開機時刻的一幀圖像為初始背景圖像。為了讓圖像之間的差異更加明顯，按每間隔4幀來獲取下一幅圖像作為當前圖像，進行背景差分得到差分圖像，將差分圖像灰度的和與設(shè)定閥值FF相比較，判定是否需要更新當前背景，閥值FF為經(jīng)驗值，本文取20000。背景更新公式中的系數(shù)a反映了背景更新快慢，其取值范圍在[0，1]之間，a越大，背景更新速度越快，a越小，背景更新速度越慢。

　　1.3 差分圖像的二值化

　　對差分圖像按照下式二值化：

　　式中的閥值TR采用大津法獲取。在實際測試時發(fā)現(xiàn)，直接采用大津法獲取的閥值TR對差分圖像二值化進行處理時，如果沒有物體運動，那么二值化得到的圖像為噪聲的二值化圖像，這樣直接處理得到的二值化噪聲圖像在后續(xù)的形態(tài)學濾波中很難完全消除，通過分析差分圖像的直方圖，發(fā)現(xiàn)當沒有物體運動時，差分圖像的直方圖主要分布在0～10間，此時大津法獲取的閥值為1～6之間;當有物體運動時，差分圖像的直方圖分布在0～255之間，此時大津法獲取的閥值為20以上。

　　基于以上的分析，本文采用改進的方法，如果大津法獲取的閥值小于10，則說明沒有物體運動，否則說明有物體運動，當閥值小于10時，按照下式進行二值化處理

　　f(x，y，tk)=0 當TR10

　　即當沒有物體運動時，獲取的二值化圖像應為全黑，這樣后續(xù)的形態(tài)學處理只需對有物體運動時的二值化圖像進行處理即可。圖2分別為無物體運動時直接二值化和采用改進方法二值化后的結(jié)果。其中a)為直接采用大津法獲取的閥值分割沒有物體運動時的差分圖像的結(jié)果，可以看出圖中布滿噪聲;b)為對大津法獲取的閥值進行判斷后，沒有物體運動時的差分圖像分割的結(jié)果，可以看出此時圖像為全黑，也即沒有運動物體，這與實際情況相符，簡化了后續(xù)的形態(tài)學處理。

　　2 算法的TMS320DM642實現(xiàn)

　　2.1 硬件平臺

　　硬件平臺采用TMS320DM642作為CPU，該芯片主頻600MHz。視頻編解碼芯片采用SAA7115H和SAA7105H。另外采用了兩片SDRAM(共4M×64bi-t)芯片作為存儲介質(zhì)，用于圖像的暫時存儲，同時還采用一片F(xiàn)LASH用于實現(xiàn)自啟動，硬件平臺框圖見圖3。

　　此硬件平臺從攝像機獲取模擬圖像，經(jīng)過SAA7115解碼得到標準的。BT.656格式的YUV4：2：2數(shù)字圖像碼流，然后通過DM642的EDMA功能將碼流暫存到SDRAM，再用算法進行處理后，然后通過DM642的EDMA功能送入到SAA7105進行解碼，經(jīng)過CVBS引腳輸出，這樣系統(tǒng)的處理結(jié)果就可以在顯示器上實時地顯示。

　　2.2 算法的DM642實現(xiàn)

　　系統(tǒng)的軟件在TI提供的集成開發(fā)環(huán)境CCS完成，編程用C語言和匯編語言實現(xiàn)，軟件采用TI推薦的RF-5架構(gòu)，采用了三個線程tsk_inpu-t、tsk_process、tsk_output。

　　軟件的執(zhí)行流程如下：

　　(1)TMS320DM642的初始化。包括初始化BIOS、CSL、設(shè)置CACKE;

　　(2)初始化RF-5模塊。用CHAN_init，ICC_init，SCOM_init分別初始化CHAN模塊、ICC模塊、SCOM模塊;

　　(3)DSP/BIOS根據(jù)操作系統(tǒng)的調(diào)度規(guī)則環(huán)調(diào)度執(zhí)行tsk_input、tsk_process、tsk_output三個線程。其中tsk_inpufi通過按照順序調(diào)用FVID_create、FVID_control、FVID_aUoc函數(shù)實現(xiàn)對FVID驅(qū)動的調(diào)用，打開輸入通道，實現(xiàn)得到SAA7ll5獲取的BT.656格式的YUV422數(shù)字視頻碼流。tsk_process負責對tsk_input線程獲取的數(shù)字圖像進行運動圖像檢測算法的處理，其中要調(diào)用到上一節(jié)所述的算法函數(shù)，經(jīng)過處理，運動目標被分割出來。tsk-output負責調(diào)用FVID_create、FVID_control、FVID_alloc函數(shù)，打開輸出通道實現(xiàn)對已經(jīng)分割處理的數(shù)字視頻流通過SAA7105輸出，在顯示器上予以顯示。這三個線程在DSP/BIOS的調(diào)度下循環(huán)并行運行，三個線程之間的數(shù)據(jù)交換通過SCOM模塊實現(xiàn)。

　　上述程序中，核心程序為tsk_process線程，其主要代碼如下：

　　While(1)

　　{……

　　Background()：//獲取背景并根據(jù)條件更新

　　Diff_picture()：//背景與當前圖像差分

　　Otsu_binary()： //由改進的大津法進行閥值分割并二值化

　　Filter_obitct()：//對二值化圖像進行濾波得到運動的物體，即為檢測的結(jié)果。

　　……

　　}

　　2.3 軟件優(yōu)化

　　應用TMS320DM6425開發(fā)運動目標檢測系統(tǒng)時，為保證檢測結(jié)果的高效、實時，軟件代碼的優(yōu)化顯得尤為重要。基于TMS320DM642編程時，我們參照該芯片的特點在編寫算法時進行了如下的優(yōu)化：

　　(1)使用流水線技術(shù)。采用編譯選項-o2、-o3，充分利用軟件流水線方式提高運行效率。

　　(2)對寄存器進行優(yōu)化，通過CCS自帶的性能分析工具Profiler對調(diào)用頻率高的C語言代碼采用匯編語言改寫，并采用匯編優(yōu)化器進行優(yōu)化，使代碼的執(zhí)行效率得到最大限度提升。

　　2.4 實驗結(jié)果

　　基于DM642的運動目標檢測系統(tǒng)實驗結(jié)果如圖3所示。

　　3 結(jié)論

　　本文采用TI的專用圖像處理芯片TMS320DM642構(gòu)建硬件平臺，采用背景差分法來檢測運動物體，采用大津法獲取自適應閥值，并按閥值取值來判斷是否有物體運動，這樣簡化了后續(xù)的形態(tài)學處理，然后再對差分圖像進行二值化處理，最后用形態(tài)學處理消除孤立的點，經(jīng)過試驗，本文的運動檢測系統(tǒng)有很強的適應能力，能避免背景死鎖情況，并能最大程度抑制拖影和空洞現(xiàn)象的產(chǎn)生。