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，由一塊負責視頻處理的母板和一塊主要負責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

　?。?）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）

　　（2）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，當前樣本值在背景模型中被替換的概率與當前時間t無關(guān)。

　　（4）輸出。對每一幀設(shè)置一個前景點統(tǒng)計量F，當F大于設(shè)定的閾值時就輸出當前幀。

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)當前像素所屬的目標類為Cxy；M為當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M為0時，如圖5（a）所示，將當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，將當前像素標記為M類，將Cxy更新為M。

　　（3）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，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，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