基于DM6446的視頻運動車輛檢測系統(tǒng)

摘 要： 給出了一種基于DM6446 處理器的視頻運動車輛檢測系統(tǒng)的技術(shù)實現(xiàn)方法，介紹了系統(tǒng)的硬件結(jié)構(gòu)及軟件設(shè)計思路。結(jié)合DM6446 雙核處理器的特點，給出了處理器ARM 端與DSP 端通信及雙緩沖區(qū)切換的具體方法。在視頻運動車輛檢測算法上，采用差異積累法對DM6446 實時獲取的交通視頻數(shù)據(jù)進(jìn)行背景建模，用背景差法檢測車輛運動區(qū)域，再結(jié)合Otsu 閾值化、形態(tài)學(xué)濾波及區(qū)域生長等算法，最終在DM6446 硬件平臺上實現(xiàn)視頻運動車輛的實時檢測。實驗結(jié)果表明，該系統(tǒng)具有良好檢測效果。

　　隨著現(xiàn)代交通運輸業(yè)的快速發(fā)展，道路上的車輛日益增多，而伴隨而來的交通擁堵、道路使用效率不高等問題卻給日常交通管理帶來了重重困難。融合了計算機(jī)、電子等現(xiàn)代高新科技的智能交通系統(tǒng)（ITS:Intelligent Transport System）提供了解決方法。

　　運動車輛檢測是ITS 的重要組成部分，本文探討了以TI 的TMS320DM6446（簡稱DM6446）為嵌入式開發(fā)平臺的交通視頻信息采集和處理系統(tǒng)的設(shè)計，通過分析實時交通視頻序列，采用差異積累背景建模、Otsu 自動閾值選取、形態(tài)學(xué)濾波及區(qū)域生長定位等技術(shù)，最終實現(xiàn)交通場景視頻運動車輛的檢測。

　　1 系統(tǒng)硬件構(gòu)成

　　本系統(tǒng)選用的TMS320DM6446 是基于ARM926 和TMS320C64x+兩個核心的、高度集成的數(shù)字媒體處理器。ARM926EJ-S 采用管道化流水線可以執(zhí)行32bit/16bit 指令集，并提供了獨立的16KB的指令Cache 和8KB 的數(shù)據(jù)Cache,可有效控制和管理外部中斷、各種接口及外設(shè)。TMS320C64x+屬TMS320C6000 系列高性能的定點DSP 處理器，集成了64 個32 位通用寄存器和8 個功能單元，硬件支持塊循環(huán)操作，采用二級Cache 結(jié)構(gòu)：L1 程序/數(shù)據(jù)Cache 和L2 存儲/Cache.ARM 和DSP 共享外部256MB DDR SDRAM 存儲器，64MB NAND Flash用于存放ARM 和DSP 代碼。

　　系統(tǒng)硬件平臺還包含視頻處理子系統(tǒng)（VPSS）和眾多外設(shè)資源。VPSS 是DM6446 中專門負(fù)責(zé)視頻輸入輸出的硬件模塊，由視頻處理前端（VPFE）和視頻處理后端（VPBE）組成，系統(tǒng)模擬視頻信號經(jīng)由TVP5150解碼器解碼成YUV422 格式的視頻數(shù)據(jù)后傳送給VPFE 的CCD 控制器，然后通過EMIF 接口將暫存在VPSS 內(nèi)部Buffer 中的數(shù)據(jù)傳送到外部DDR SDRAM中。VPBE 的屏幕顯示（OSD）模塊將視頻數(shù)據(jù)以YCbCr形式提交給視頻編碼器（VENC），通過視頻編碼器輸出到VGA 或CVBS 接口。本文處理系統(tǒng)的硬件拓?fù)浣Y(jié)構(gòu)如圖1 所示。

圖1 DM6446 系統(tǒng)平臺硬件結(jié)構(gòu)示意圖

　　2 系統(tǒng)軟件設(shè)計

　　圖2 示意了系統(tǒng)硬件平臺軟件處理模塊的組成結(jié)構(gòu)。如圖2 所示，軟件部分主要完成3 個任務(wù)：圖像的采集與存放、ARM 與DSP 通信和視頻圖像處理。

圖2 DM6446 系統(tǒng)平臺軟件模塊構(gòu)成框圖。

　　ARM 端負(fù)責(zé)初始化系統(tǒng)并控制數(shù)據(jù)的采集和存放。系統(tǒng)初始化時VPSS 被配置為場模式，VPFE 負(fù)責(zé)將采集到的視頻數(shù)據(jù)連續(xù)傳送到內(nèi)存緩沖區(qū)。由于ARM 端在向內(nèi)存中存放圖像時DSP 端不能同時讀取，為了保證數(shù)據(jù)處理的正確性，本文采用雙緩沖機(jī)制，即：設(shè)定兩個各自連續(xù)的幀緩沖區(qū)VIDEO BUF0 和video BUF1,視頻數(shù)據(jù)交替的向這兩個區(qū)域緩沖刷新。

　　ARM 與DSP 兩核之間的通訊通過內(nèi)存共享和中斷的方式實現(xiàn)。ARM 通過寄存器ARM2DSP0 向DSP發(fā)出中斷信號，DSP 使用寄存器DSP2ARM0 給ARM發(fā)送中斷信號。發(fā)中斷的一方在中斷信號發(fā)出前向共享內(nèi)存填寫命令，接收中斷的一方在中斷函數(shù)中讀取命令，其他模塊按照當(dāng)前的命令執(zhí)行相應(yīng)任務(wù)。

　　視頻圖像的處理在DSP 核上進(jìn)行，采集到的視頻圖像數(shù)據(jù)為YUV422 格式，算法處理時僅讀取視頻數(shù)據(jù)的Y 分量，緊接將視頻數(shù)據(jù)進(jìn)行差異積累背景建模、運動區(qū)域檢測等操作以實現(xiàn)對視頻序列運動目標(biāo)的檢測。最后DSP 負(fù)責(zé)將檢測完的視頻數(shù)據(jù)存放至固定顯示緩存區(qū)，由VPBE 讀取后顯示。

3 視頻運動目標(biāo)檢測算法設(shè)計

　　在獲得視頻數(shù)據(jù)后，需進(jìn)一步對視頻運動目標(biāo)進(jìn)行檢測（運動車輛）。對固定相機(jī)的應(yīng)用場合，一般采用背景差技術(shù)檢測視頻運動目標(biāo)，而背景差法又受背景建模效果的約束。目前存在如基于光流場、目標(biāo)模型以及差分圖像等多種視頻運動目標(biāo)檢測方法。基于光流場的目標(biāo)檢測法對噪聲敏感、計算量大，導(dǎo)致算法實時性較差?；谀繕?biāo)模型的檢測方法一般須建立目標(biāo)的三維模型，再將模型投影至二維平面，再在圖像中進(jìn)行匹配?；诓罘謭D像的檢測方法較為常用，可分為鄰幀差和背景差兩種方法，背景差法是視頻運動目標(biāo)檢測中的流行方法。本文即采用背景差法對目標(biāo)運動區(qū)域進(jìn)行檢測，本文針對嵌入式應(yīng)用，從檢測算法的處理效率出發(fā)，場景背景模型的獲取采用文獻(xiàn)[4]所述的基于差異積累的背景建模法。對視頻運動目標(biāo)進(jìn)行檢測主要經(jīng)過四個步驟：差異積累背景建模、運動區(qū)域檢測、形態(tài)學(xué)濾波和區(qū)域生長法視頻運動目標(biāo)定位。

　　3.1 差異積累背景建模

　　差異積累背景建模法首先要建立差異圖像，設(shè)差異圖像為F（i,j,t），當(dāng)前視頻幀為f（i,j,tc），基準(zhǔn)幀為f（i,j,tb）， 則由當(dāng)前幀與基準(zhǔn)幀比對可以得到一幅差異圖像，可表示為公式（1）：

　　這里的Tf 是一個特定的門限，決定著差異的程度。

　　若兩幅圖像間灰度差在其坐標(biāo)上有較大的不同時，F(xiàn)（i,j,t）的值被賦為1,否則為0.這樣可以生成一個像素值為0 或1,大小與輸入圖像一致的圖像矩陣，稱為差異圖像。現(xiàn)在考慮一組m 幀視頻序列{f（i,j,t1），f（i,j,t2）， …， f（i,j,tm）},本文選取視頻的第f（i,j,tc-3）幀作為基準(zhǔn)幀，系統(tǒng)初始化時將讀取的第一幀視頻數(shù)據(jù)賦予基準(zhǔn)幀，基準(zhǔn)幀隨著視頻的輸入不斷迭代，程序?qū)崿F(xiàn)時可按如下方式進(jìn)行迭代：

　　差異圖像描述了視頻圖像中物體的運動，若在連續(xù)圖像序列中存在相對穩(wěn)定的非運動區(qū)域則可考慮作為背景。差異圖像矩陣隨視頻幀變化而不斷改變，根據(jù)差異圖像每個像素值的變化程度可以得到一個差異積累動態(tài)矩陣D（i,j,t）。 如公式（2）所示：

　　λ記錄每個像素差異積累的深度，動態(tài)矩陣的單元數(shù)量和高寬比例與差異圖像矩陣相同，當(dāng)差異圖像某位置處的值為0時使動態(tài)矩陣相同位置處的計數(shù)器加1,這種計數(shù)器在動態(tài)矩陣每個單元位置各有一個。在對視頻序列連續(xù)處理過程中，若動態(tài)矩陣元素的計數(shù)器值等于λ時，就認(rèn)為對應(yīng)位置的像素灰度值在規(guī)定范圍內(nèi)無變化，可以作為背景像素。

　　背景的更新采用加權(quán)平均法，設(shè)更新前背景為Bold（i,j,t），新背景為Bnew（i,j,t），結(jié)合系數(shù)利用公式（3）可獲得當(dāng)前更新的背景。應(yīng)用場景的背景會隨著新視頻幀的輸入而不斷進(jìn)行自動更新，圖3 示意了差異積累法的背景更新效果。

圖3 差異積累背景建模過程示意圖

　　3.2 運動區(qū)域檢測

　　在獲得背景模型后，采用背景差法即可獲得背景差圖，設(shè)背景差圖為Bd（i,j,t），則有：

　　對背景差圖做二值化處理即可獲得視頻運動車輛區(qū)域。本文二值化閾值選取采用文獻(xiàn)[5]的Otsu 法（最大類間方差法）。Otsu 法根據(jù)圖像的灰度特性，將圖像分成前景和背景兩部分。前景和背景之間的類間方差越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分前景錯分為背景或部分背景錯分為前景時都會導(dǎo)致兩部分差異變小，因此，使類間方差最大的分類意味著錯分概率最小，選取使類間方差最大和類內(nèi)方差最小的圖像灰度值作為最佳閾值。