《電子技術應用》
您所在的位置:首頁 > 通信與網(wǎng)絡 > 設計應用 > 基于DM642的智能視頻監(jiān)控系統(tǒng)的DSP實現(xiàn)
基于DM642的智能視頻監(jiān)控系統(tǒng)的DSP實現(xiàn)
電子產(chǎn)品世界
胡全,徐勝,管慶 電子科技大學
摘要: 基于DM642的智能視頻監(jiān)控系統(tǒng)的DSP實現(xiàn),引言  隨著社會經(jīng)濟發(fā)展,城市交通和基礎設施的不斷進步,人們對安全的要求不斷提高,視頻監(jiān)控系統(tǒng)已經(jīng)廣泛用于小區(qū)安全監(jiān)控、火警監(jiān)控、流量控制以及軍事、銀行、商場、機場、地鐵等公共場所的安全防范。近年來,
Abstract:
Key words :

引言

  隨著社會經(jīng)濟發(fā)展,城市交通和基礎設施的不斷進步,人們對安全的要求不斷提高,視頻監(jiān)控系統(tǒng)已經(jīng)廣泛用于小區(qū)安全監(jiān)控、火警監(jiān)控、流量控制以及軍事、銀行、商場、機場、地鐵等公共場所的安全防范。近年來,數(shù)字視頻監(jiān)控正以其無可比擬的優(yōu)勢逐漸取代模擬視頻監(jiān)控,為用戶提供更安全、更智能化的視頻監(jiān)控服務。智能監(jiān)控向網(wǎng)絡化,智能化,數(shù)字化發(fā)展。目前最先進的數(shù)字視頻監(jiān)控系統(tǒng)已經(jīng)具有智能化分析功能,以計算機圖像處理技術為基礎,對實時場景中的目標進行檢測、識別、跟蹤分析,并在此基礎之上進行行為理解分析,從而代替或者部分代替人類進行監(jiān)視活動。

  近年來,視頻監(jiān)控系統(tǒng)平臺的設計層出不窮,而少有系統(tǒng)架構(gòu)設計層面的介紹。國內(nèi)外較為常見的系統(tǒng)設計,一種是使用PC機作為算法運行的硬件平臺,如 Morita等采用的C/S結(jié)構(gòu)[1]或Dias等采用的分布式結(jié)構(gòu)[2]。這種系統(tǒng)的主要缺點是成本高,由于PC對數(shù)字圖像處理不易優(yōu)化,智能算法很難達到實時要求。另一種使用專門數(shù)字圖像處理器構(gòu)建硬件平臺。這種系統(tǒng)的最大不足在于隨著系統(tǒng)規(guī)模擴大、信息量增多,加大了服務器負擔,進而影響了整個系統(tǒng)。

  在算法研究上,視頻監(jiān)控關鍵技術包括:背景建立,動目標檢測,動目標提取與跟蹤,動目標智能分析。其中背景建立和動目標檢測是關鍵技術中的基礎,其實現(xiàn)的好壞直接影響監(jiān)控效果。目前較常見的算法有:幀間差分法[3],背景差分法[4],光流法[5]等。已有很多仿真工作見報道,但是較少有系統(tǒng)實現(xiàn)了的基于數(shù)字信號處理器DSP的嵌入式實時處理。

  本文設計的視頻監(jiān)控系統(tǒng)遵循數(shù)字化、網(wǎng)絡化和智能化的發(fā)展趨勢,綜合考慮對上述不足進行改進,可以使用普通模擬攝像頭作為視頻源進行本地實時智能監(jiān)控,也可以使用網(wǎng)絡攝像機作為視頻源進行遠程實時智能監(jiān)控。在算法上較好地解決了監(jiān)控算法背景更新,動目標檢測等關鍵技術。提出并實現(xiàn)了對可疑物報警、對貴重物體丟失報警等算法。

1.jpg
  系統(tǒng)設計

  系統(tǒng)硬件

  本系統(tǒng)的硬件由多塊自行開發(fā)的數(shù)字信號處理(DSP)板卡組成,主要提供對本地和遠程視頻監(jiān)控的硬件支持。每塊DSP板卡包括:基于 TMS320DM642(TI多媒體數(shù)字信號處理DSP芯片,下文簡稱DM642)核心處理模塊,外設存儲器模塊,總線控制模塊,模擬視頻輸入模塊, PCI模塊。系統(tǒng)硬件框圖如圖1。

  系統(tǒng)軟件

  ·DSP端軟件

  DSP板卡運行多通道的智能監(jiān)控算法,算法以庫形式提供。軟件構(gòu)架則以算法庫為核心、DSP/BIOS[6]和RF5[7]為框架進行構(gòu)建。 DSP/BIOS是TI公司提出的高度優(yōu)化、可裁剪的DSP實時操作系統(tǒng)內(nèi)核,提供了搶占式的線程調(diào)度,內(nèi)存管理,外設管理和可視化的調(diào)試工具等特性。 RF5是一種基于DSP/BIOS的DSP軟件框架,提供了內(nèi)存管理策略,線程模型,通道封裝和算法管理。一臺服務器主機中可以安裝5張獨立的DSP板卡。

  DSP軟件包括自啟動、初始化、和線程創(chuàng)建,流程如圖2所示。

2.jpg 
  圖2中第五步動態(tài)創(chuàng)建了1個算法處理線程(ProcessTsk)、2個PCI通信線程(SendTsk,ReceiveTsk)以及一個中斷服務子程序(PCI_ISR):ProcessTsk根據(jù)客戶端為每個通道設定的監(jiān)控規(guī)則,對通道中的圖像進行算法分析,若有目標違規(guī),則記錄違規(guī)場景,產(chǎn)生報警信息,否則送出原始圖像。SendTsk負責把ProcessTsk產(chǎn)生的報警信息或者圖像通過PCI傳輸?shù)絇C端;ReceiveTsk負責接收來自本地板卡的模擬攝像頭和來自PC端的網(wǎng)絡攝像頭圖像,以及PC端來的信息。并傳遞給ProcessTsk;PCI_ISR負責監(jiān)聽來自PC端的請求,根據(jù)不同請求發(fā)送不同的旗語,控制線程間的運行。

  主機服務器準備傳輸控制命令或者圖像的時候,向DSP發(fā)送中斷請求。PCI_ISR將響應這些請求,根據(jù)主機服務器的不同信息向其他線程發(fā)送不同的控制旗語:如果是PC端接收一幀圖像完畢,則向SendTsk 發(fā)旗語PCI_READ_OK,表示可以接收下一幀圖像;如果是斷開、連接通道請求,則向ReceiveTsk發(fā)送旗語PCI_WRITE_OK,表示可以接收信息。ReceiveTsk接收網(wǎng)絡攝像機或者模擬攝像機圖像和控制命令。如果收到圖像,將其存儲在SDRAM的一個緩沖區(qū)中,以待進行算法分析; 如果收到控制命令,將其存儲在由PC、DSP共同維護的一個緩沖區(qū)中。然后發(fā)起SCOM通信,把信息傳送到ProcessTsk維護的SCOM中。 SCOM是RF5框架中的通信模塊,提供了隊列 (Queue)和旗語(Semaphore)的雙重功能。ProcessTsk收到信息后,會使用視頻緩沖區(qū)和控制命令緩沖區(qū)中的數(shù)據(jù)作為算法參數(shù)進行計算。ProcessTsk計算完成后,會產(chǎn)生相應的結(jié)果,比如警報或者處理信息。這些數(shù)據(jù)會保存在一個字節(jié)數(shù)組中,然后將其打包封裝成一個Message 對象,將其發(fā)送到SendTsk維護的SCOM中,SendTsk接收到這個Message包后,對其進行相應的處理,然后發(fā)送到PC主機。線程通信如圖 3所示。

  ·PC端軟件

  在服務器主機端,主要實現(xiàn)三個功能:(1)接收來自網(wǎng)絡攝像頭的視頻流并解碼,對應模塊為網(wǎng)絡攝像機模塊;(2)構(gòu)建用戶界面,即客戶端模塊,記錄用戶算法設置、控制命令等,用戶可以根據(jù)自己的需求在規(guī)則設置界面中對特定的通道設置算法參數(shù)和控制命令等;(3)將圖像數(shù)據(jù)和算法參數(shù)、控制命令傳給 DSP端,對應模塊為后臺服務模塊。

  算法設計與DSP實現(xiàn)

  基于DM642的智能視頻監(jiān)控系統(tǒng)的核心是智能視頻監(jiān)控算法,本算法可以實現(xiàn)對監(jiān)控目標物越線產(chǎn)生報警,對貴重物體消失產(chǎn)生報警,對可疑物體產(chǎn)生報警。算法原理:首先利用改進的幀間差分法來初始化背景模型,得到自適應背景圖像[9];然后把當前圖像和背景圖像做差分運算;再使用動態(tài)閾值法對差值圖像二值化,引入形態(tài)學噪聲濾波器來消除噪聲影響[8];進而使用快速二值圖像連通域標記算法提取動目標;最后與用戶預先設置的警戒規(guī)則進行比較,如有違規(guī),產(chǎn)生報警信息。算法流程如圖4所示。

3.jpg
  自適應背景模型建立

  在運動目標檢測過程中背景模型建立的準確與否直接影響到目標檢測結(jié)果的好壞。由于背景是個漸變的過程,所以采用了自適應背景更新方法:在視頻圖像序列中先假設第一幀圖像為參考圖像I0,在隨后的圖像序列中找兩幀圖像I1和I2,要求運動部分在I0,I1以及I2中所占區(qū)域沒有重疊,將三幀圖像的灰度值平均得到圖像I:

4.jpg
  將圖像I與I0進行比較,如果差別較大(差值超出某一閾值T0),則為目標區(qū)域,否則為背景區(qū)域;在目標區(qū)域,進一步判斷I1與I2的灰度值,如差別不大(差值小于某一閾值T1),則可用I1或I2中對應區(qū)域作為背景對應區(qū)域,否則用I0中對應區(qū)域作為背景對應區(qū)域,經(jīng)過這一替代,就可以得到一個不包含運動目標的背景圖像Ib。然后用此參考圖像初始化背景圖像模型,公式如下:

5.jpg
  差值圖像建立及二值化

  自適應背景BL產(chǎn)生后,每一幀視頻圖像將與BL差分,并得到差分后的差值圖像,進而進行二值化。在這一過程中,閾值選取的優(yōu)劣是二值化結(jié)果好壞的關鍵。本文采用動態(tài)閾值法進行二值化處理。它的基本思想是對于需要二值化的每一幀差值圖像,確定一個最佳閾值,使圖像進行二值化處理后,能方便而準確的定位目標物。具體過程如下。

  設差值圖像灰度值取值分布范圍為1~K,像素總數(shù)為N,灰度為i的像素數(shù)為ni,則每個圖像灰度值的取值概率為:pi=ni/N。設以h為閾值將圖像分割為兩個區(qū)域A、B,灰度為1到h的像素和灰度為h+1到K的像素分別構(gòu)成區(qū)域A和B,各組產(chǎn)生的概率為:

6.jpg

  以類間方差作為衡量分離性能的準則,極大化的過程就是自動取定閾值的過程,因此,最佳閾值為:7.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權禁止轉(zhuǎn)載。