摘 要： 結(jié)合DM8168多核多通道的特點，設(shè)計了一個實時運動目標檢測系統(tǒng),，能夠?qū)崿F(xiàn)視頻數(shù)據(jù)的采集,、實時運動檢測、編解碼以及傳輸?shù)裙δ?。采用ViBe的目標檢測算法,，并利用中值濾波進行改進，解決了背景中容易出現(xiàn)Ghost區(qū)的問題,，提高了運動目標識別能力,。最后采用像素掃描標記法實現(xiàn)了目標跟蹤。實驗結(jié)果表明,，所提出的方法能在達芬奇平臺上實現(xiàn)實時魯棒的運動目標檢測和跟蹤,。
關(guān)鍵詞： 智能監(jiān)控；目標檢測,；中值濾波；像素標記法
0 引言
迅速發(fā)展的視頻監(jiān)控在日常生活中起著十分重要的作用,，實時處理和智能化分析已經(jīng)成為視頻監(jiān)控發(fā)展的一種趨勢,。當(dāng)前,，TI公司推出的TMS320DM8168 Davinci平臺集成了多個處理器與高效的異構(gòu)多核和多通道軟件開發(fā)框架，極大地滿足了人們對高集成度,、多功能視頻監(jiān)控的需求,。本文綜合利用DM8168及其異構(gòu)多核視頻的開發(fā)套件DVRRDK，設(shè)計并實現(xiàn)了嵌入式平臺的實時運動目標檢測系統(tǒng),。
傳統(tǒng)的運動目標檢測方法[1]存在魯棒性較低,，計算量較大且適應(yīng)復(fù)雜背景變化的問題。為了適應(yīng)嵌入式平臺的軟硬件系統(tǒng),，本文采用并改進ViBe運動目標檢測算法,，在運動檢測中能有效應(yīng)對光照變化和抖動等影響，而且計算量非常小,。最后,，在檢測的基礎(chǔ)上利用像素掃描標記方法[2-4]對目標進行分類，根據(jù)分類結(jié)果實現(xiàn)運動目標的跟蹤,。
1 系統(tǒng)結(jié)構(gòu)設(shè)計與實現(xiàn)
1.1 總體結(jié)構(gòu)設(shè)計
系統(tǒng)采用TI DM8168評估板,，由一塊負責(zé)視頻處理的母板和一塊主要負責(zé)輸入輸出的子板組成，系統(tǒng)高度集成了Cortex-A8主處理器,、視頻處理子系統(tǒng)VPSS,、C674x DSP、3D加速模塊等,。視頻采集采用子板上的TVP5158芯片,，采用Linux操作系統(tǒng)下的TCP/IP協(xié)議進行網(wǎng)絡(luò)傳輸，VPSS用來實現(xiàn)本地顯示,。一個網(wǎng)絡(luò)監(jiān)控系統(tǒng)主要包括視頻采集,、編碼、處理,、網(wǎng)絡(luò)發(fā)送,、傳輸、接收,、解碼與播放等模塊,，整體框架如圖1所示。
攝像頭將采集的模擬信號譯碼成數(shù)字視頻YUV格式后交給DM8168進行處理,，算法主要是在DSP上實現(xiàn),，在Video-M3協(xié)處理器上實現(xiàn)編解碼，本地回放與測試通過Vpss-M3實現(xiàn),，Cortex-A8核協(xié)調(diào)各處理器運行,，把處理后的視頻幀通過Linux下的網(wǎng)絡(luò)設(shè)備驅(qū)動發(fā)送到網(wǎng)絡(luò)。
1.2 系統(tǒng)軟件的實現(xiàn)
1.2.1 系統(tǒng)軟件框架
為了實現(xiàn)視頻監(jiān)控的基本功能，系統(tǒng)采用DVRRDK開發(fā)套件,，基于MCFW[5]軟件框架,，其結(jié)構(gòu)如圖2所示。本系統(tǒng)主要由3個從處理器和1個主處理器構(gòu)成,，主處理器為Cortex-A8,，負責(zé)外圍設(shè)備驅(qū)動、引導(dǎo),、加載各個從處理器等,。3個從處理器分別負責(zé)視頻捕獲、播放,、隔行轉(zhuǎn)逐行,、視頻的編解碼、運動目標檢測等各類視頻處理計算,。本系統(tǒng)MCFW API包含4個子系統(tǒng)：視頻捕獲,、視頻顯示、視頻編碼和視頻解碼子系統(tǒng),。各個子系統(tǒng)由若干Link API構(gòu)成,，MCFW API通過其下層的Link API實現(xiàn)，構(gòu)成視頻處理數(shù)據(jù)通路,。
1.2.2 視頻處理數(shù)據(jù)通路
系統(tǒng)的VPSS-M3通過CaptureLink獲得一路視頻數(shù)據(jù)并傳給DSP,，經(jīng)過DSP視頻算法的處理后進行編碼，然后經(jīng)過DupLink復(fù)制出兩路視頻數(shù)據(jù),，一路進行本地測試,，一路傳給ARM HOST A8。
本系統(tǒng)使用CCS編寫TI標準的代碼,，生成庫文件并加入到MCFW目錄中,，以供調(diào)用。本文的運動檢測算法庫文件運行在DSP上,，算法接口實現(xiàn)于alg_link中,。運動目標檢測事件的觸發(fā)是用基于sys/link的支持在異構(gòu)多核之間傳遞消息的組件。
2 結(jié)合中值濾波的ViBe運動目標檢測算法
2.1 ViBe運動目標檢測算法
ViBe（Visual Background extractor）是VAN D M[6]等人提出一種像素級的背景減除算法,。與傳統(tǒng)的GMM[7]等方法需要假設(shè)模型不同的是,，ViBe建立的是樣本模型，采用隨機更新策略,，計算量小,，對于光照的變化和抖動等其效果都十分穩(wěn)定。該算法過程主要包括：建立背景模型,、前景檢測和模型更新,。由于在第一幀中沒有包含像素的歷史信息,，在初始建模時容易因存在運動目標和噪聲而產(chǎn)生Ghost現(xiàn)象。
針對上述提到的不足,，本文結(jié)合中值濾波提出了改進方法,。在初始化模型的過程中，利用前L幀選取中間的K個像素值作為初始背景模型,。實驗效果如圖3所示，利用中值濾波能在建立背景模型時有效避免Ghost區(qū)的出現(xiàn),，同時過濾其他隨機噪聲,。
2.2 基于改進ViBe算法的實時運動檢測
（1）建立背景建模,。利用中值濾波方法得到初始背景模型M0,；然后對于當(dāng)前的第t幀建立背景模型，如圖4所示：設(shè)x點處的像素值為p（x）,，通過歷史t幀的選擇和更新結(jié)果建立其包含N個樣本的背景樣本集：
M（x）={p1,，p2，…,，pN}（1）
?。?）前景檢測。SR（p（x））是以x為中心,、R為半徑的球體區(qū)域,，用球體SR（p（x））和背景模型M（x）的交集來衡量p（x）與M（x）的相似度：
Sim（x）={SR（p（x）∩{p1，p2,，…,，pN}）（2）
若Sim（x）大于閾值Th，則待分類點p（x）與背景模型相似,，那么x點屬于背景點,，否則為前景。
?。?）背景模型更新,。采用隨機更新粗略：在新的一幀中，當(dāng)像素點p（x）被判斷為背景點時,，在N個樣本中選擇替換的樣本值時,，一個樣本值在時刻t被更新的概率只有1/N，那么在經(jīng)過時間dt后,，樣本值不被更新的概率是：
式（3）表明,，當(dāng)前樣本值在背景模型中被替換的概率與當(dāng)前時間t無關(guān)。
?。?）輸出,。對每一幀設(shè)置一個前景點統(tǒng)計量F，當(dāng)F大于設(shè)定的閾值時就輸出當(dāng)前幀。
3 運動目標跟蹤
本文在上述的檢測結(jié)果基礎(chǔ)上結(jié)合像素掃描標記方法進行實時的運動目標跟蹤,，使目標檢測系統(tǒng)能應(yīng)用于實際的車流量統(tǒng)計,、目標軌跡提取等方面。具體方法如下：
?。?）設(shè)當(dāng)前像素所屬的目標類為Cxy,；M為當(dāng)前矩形框的最小類別號；List={V1,，V2,，…}表示屬于同一個矩形框的類別號集合；set_List={L1,，L2,，...}表示所有List的集合。初始化所有像素和背景的類別號都為0,。
?。?）第一次掃描。將檢測得到的二值化圖像進行掃描,，檢查掃描框中像素的最小類別號,，對每個像素進行標記分類。分類方法如下：用V表示掃描過程中的所有分類標記的類別數(shù),。如果像素值為1,，則檢查該像素所在矩形框中所有像素的最小類別號M：
當(dāng)M為0時，如圖5（a）所示,，將當(dāng)前像素標記為新的類別號V+1,，并將Cxy更新為V+1。
最小M不為0時,，類似于圖5（b）所示的情況,，將當(dāng)前像素標記為M類，將Cxy更新為M,。
?。?）歸并。所有的List集合中至少有一個相同的類別號時,，歸并為新集合并標記新類別號,。此時，這些相同標記的點就是一個完整的目標所在區(qū)域,。
4 實驗與分析
4.1 算法仿真實驗
為了驗證算法的有效性,，首先在4 GB內(nèi)存、主頻3.2 GHz的PC平臺上進行仿真實驗,，并與參考文獻[7],、[8]幾種經(jīng)典的背景建模方法進行比較,，最終得到表1所示的仿真實驗結(jié)果。由表1可以看到,，在仿真實驗中改進的ViBe目標檢測算法的時間比幾種傳統(tǒng)的背景建模要更快速,。
4.2 TI DM8168平臺上的實時運動目標檢測實驗
基于TI DM8168 EVM平臺的實時運動目標檢測實驗，在移植過程中,，為了降低DSP的運算量,，本文將一些浮點運算改為定點計算，減少了循環(huán)中的復(fù)雜運算,。如圖6,、圖7所示，改進的ViBe算法能在嵌入式平臺中克服背景抖動,，實現(xiàn)實時魯棒的目標檢測；采用像素標記法能夠準確掃描并跟蹤目標,。
5 結(jié)論
設(shè)計并實現(xiàn)了基于DM8168的實時視頻監(jiān)控系統(tǒng),，利用中值濾波方法解決了ViBe算法中容易出現(xiàn)Ghost的問題；然后結(jié)合像素標記方法對目標進行分類并實現(xiàn)跟蹤,；最后,，通過將該算法融合到TI的視頻監(jiān)控軟件框架中，實現(xiàn)了嵌入式平臺的實時運動目標檢測,。經(jīng)過對系統(tǒng)進一步優(yōu)化,，本文提出的方案還可以應(yīng)用于安防報警、數(shù)量統(tǒng)計等系統(tǒng)的應(yīng)用中,。
參考文獻
[1] 蘇松志,，李紹滋，陳淑媛,，等.行人檢測技術(shù)綜述[J].電子學(xué)報,，2012，40（4）：814-820.
[2] 衛(wèi)保國,，曹慈卓.一種基于標記修正和樣本更新的目標跟蹤算法[J].計算機應(yīng)用研究,，2012，29（5）：1963-1966.
[3] 宋南,，趙晶.基于改進型像素標記算法的目標定位[J].現(xiàn)代電子技術(shù),，2012，35（5）：52-54.
[4] 胡小冉,，孫涵.一種新的基于ViBe的運動目標檢測方法[J].計算機科學(xué),，2014（2）：149-152.
[5] 朱海.基于DM8168的視頻監(jiān)控系統(tǒng)的實現(xiàn)[D].成都：電子科技大學(xué)，2013.
[6] VAN D M,， PAQUOT O. Background subtraction： experiments and improvements for ViBe[C]. 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops（CVPRW）,， IEEE,， 2012： 32-37.
[7] 徐成，田崢,，李仁發(fā).一種基于改進碼本模型的快速運動檢測算法[J].計算機研究與發(fā)展,，2010，47（12）：2149-2156.
[8] 劉靜,，王玲.混合高斯模型背景法的一種改進算法[J].計算機工程與應(yīng)用,，2010，46（13）：168-170.0