安防應用中圖像處理難點分析及處理器選擇

　　引言

　　隨著人們對生活質量要求的提高和全球反恐的大勢所需，以及數字化技術本身的不斷進步，依托指紋識別、虹膜識別、人臉識別等技術的生物識別方案和視頻監(jiān)控方案等正逐步成為提高個人、家庭、企業(yè)和社會安全性的重要手段。生物識別方案主要包括四個步驟：圖像采集、圖像預處理，特征取樣，匹配分析;而視頻監(jiān)控方案則主要包括圖像采集、圖像預處理、圖像處理與傳輸、圖像顯示及圖像管理等。不難看出，無論是生物識別還是視頻監(jiān)控，圖像預處理都是必需的。事實上，圖像預處理算法的靈活度、復雜度、對圖像處理芯片資源的占用度，以及處理時間的長度將直接對整個系統(tǒng)運行產生舉足輕重的影響。因此，圖像預處理對于整個安防方案來說都是一項艱巨而又關鍵的任務，直接決定了后續(xù)圖像處理與分析的準確性和便捷性。

　　圖像預處理分析

　　根據目的的不同，圖像預處理可分為對采集圖像進行清晰化處理，對圖像進行識別前的預處理，以及對圖像進行壓縮前的預處理等。其中，對采集圖像進行清晰化處理主要包括對CMOS或CCD圖像傳感器感光單元的不一致進行后續(xù)糾正，對實際環(huán)境與傳感器采集的圖像進行差異補償(如背光)，以及對采集到的原始圖像進行去噪處理等。雖然這種預處理算法本身的難度不大，但隨著實時性需求的普及，尤其是在像素較大時，這種算法還是對DSP的處理能力提出了很高的要求。

　　而對圖像進行識別前的預處理則目的性很強，可能需要破壞原來的像素和分布，以便后續(xù)進行特征提取。這種預處理算法的難度視識別場合的不同而不同。要綜合后面的識別算法部分，選擇適當的DSP。圖像壓縮前的預處理主要是指將YUV422變?yōu)閅UV420、將RGB變?yōu)閅UV等。這類處理往往有實時性要求，如果采用軟件實現，會對處理性能有較高的要求;如果采用硬件實現，則雖然在處理性能上有保證，但硬件成本會有所上升。

　　同時，根據應用不同，圖像預處理又可分為生物識別應用中的圖像預處理和視頻監(jiān)控應用中的圖像預處理。對于生物識別應用，以指紋識別為例，其預處理主要包括指紋圖像增強、指紋圖像二值化、指紋圖像細化、指紋圖像細化后處理。而視頻監(jiān)控應用中的圖像預處理主要是指對圖像傳感器輸出的連續(xù)圖像進行分析，獲取足夠的信息，并通過自動白平衡、伽馬(Gamma)校正、自動聚焦、自動曝光、背光補償等來提高圖像的實際效果。

　　圖像預處理的挑戰(zhàn)

　　無論是生物識別還是視頻監(jiān)控，其圖像預處理正面臨以下挑戰(zhàn)：其一，用戶對圖像質量的要求越來越高，圖像預處理的算法越來越復雜，從而對圖像預處理主芯片處理能力及存儲空間提出了更加苛刻的要求;其二，用戶對圖像的實時性處理和傳輸要求越來越高，一方面要求圖像預處理算法盡量優(yōu)化、精簡，另一方面也對圖像預處理主芯片的內核處理能力、內部總線架構、數據傳輸能力、外圍接口，以及硬件整體架構和指令集對預處理算法的支持提出了更高要求;其三，不同于圖像和視頻編解碼算法具有業(yè)界統(tǒng)一的算法標準和清晰的演進路線圖，圖像預處理算法不僅沒有統(tǒng)一的標準和清晰的發(fā)展方向，甚至在很大程度上，方案提供商正是通過這些“秘密”的個性化算法來作為市場競爭的法寶。此外，隨著應用領域的不同、需求的提高和技術本身的演進，原有算法會不斷升級，新的算法會不斷涌現，這些都要求圖像預處理芯片具有更高的靈活性和適應能力。其四，對于方案提供商來說，不僅其體現競爭力的核心算法需要防止被非法讀取或拷貝，而且無論是生物識別還是視頻監(jiān)控，其圖像數據往往都會涉及隱私，因此也需要提供可以信任的安全保證。以上兩方面，都要求圖像處理芯片必須提供一個可靠、完全的處理平臺。