祝宇鴻，陳賀新，張 燕

(吉林大學(xué)通信工程學(xué)院，長春130012)

近年來，許多學(xué)者在移動偵測陰影消除算法方面進(jìn)行了大量研究，文獻(xiàn)［1］采用基于梯度分析消除陰影，算法簡單但陰影消除效果一般。文獻(xiàn)［2］在彩色空間模型下進(jìn)行的陰影檢測和消除，通用性強且結(jié)果較精確;但參數(shù)較多，需在不同場景修正，靈活適應(yīng)性差。文獻(xiàn)［3］和文獻(xiàn)［4］通過模型精確地計算出陰影的形狀和位置，算法比較復(fù)雜且計算量大。文獻(xiàn)［5］和文獻(xiàn)［6］均采用Sobel算子進(jìn)行梯度分析的方法去除運動目標(biāo)的陰影，其復(fù)雜度較高。文獻(xiàn)［7］提出了一種新的雙矩形框算法，在彩色空間模型下提取運動目標(biāo)時，能夠較好地去除光照變化陰影影響。

本文優(yōu)化了基于空間的雙矩形框算法流程，使用自制的DM642多媒體DSP硬件系統(tǒng)實現(xiàn)了算法。實驗結(jié)果證明，優(yōu)化后的算法能夠很好地去除陰影，實現(xiàn)了運動目標(biāo)的精確提取。

1 原移動偵測算法

1.1 算法流程

移動偵測算法主要包括視頻圖像預(yù)處理，初步確定目標(biāo)的運動區(qū)域，陰影消除、進(jìn)一步精確目標(biāo)的運動區(qū)域，目標(biāo)提取，光照干擾影響消除，背景更新等。算法流程如圖1所示。

圖1 移動偵測算法流程圖Fig.1 M otion detection algorithm flow chart

1.2 預(yù)處理

圖1中視頻預(yù)處理包括利用灰度統(tǒng)計平均法提取初始背景圖像，對讀入的視頻使用維納濾波進(jìn)行高斯白噪聲的濾除，將輸入視頻圖像轉(zhuǎn)化為HSV格式。

1.3 外接矩形框算法

因為三幀差分法存在孔洞和雙影的問題，研究了一種使用兩次矩形框計算標(biāo)定運動目標(biāo)的算法［5］，稱為“雙矩形框法”。設(shè)當(dāng)前幀為fk(x，y)，每隔 n幀取一幅圖像，圖像大小為 M×N，fk－n(x，y)和fk+n(x，y)分別表示視頻流前次采樣幀和下次采樣幀。算法步驟如下。

(1)計算fk－n(x，y)和fk(x，y)的二值差分圖像dk－n(x，y)。dk－n(x，y)中所有值為1的像素點的集合記為B1。

集合B1中x的最小值標(biāo)記為x1min，最大值標(biāo)記為x1max，用公式表示如下:

同理，得到y(tǒng)1min和y1max。

在dk－n(x，y)中，以(x1min，y1min)和(x1max，y1max)為對角頂點的矩形即為dk－n(x，y)的外接矩形框。

(2)計算fk(x，y)和fk+n(x，y)的二值差分圖像dk+n(x，y)，同理可得B2。

同理得到x2min，x2max，y2min和y2max:

在dk+n(x，y)中，以(x2min，y2min)和(x2max，y2max)為對角頂點的矩形即為dk+n(x，y)的第2個外接矩形框。

(3)令

以(xmin，ymin)和(xmax，ymax)為對角頂點的矩形即為所求矩形框。

1.4 運動區(qū)域初步確定

此步驟使用了幀間差分算法、雙矩形框算法和閾值分割算法。

閾值分割算法采用將Otsu閾值分割算法與單峰直方圖法相結(jié)合的方法。

運動區(qū)域初步確定步驟為，在HSV彩色模型下，計算V分量的相鄰視頻幀幀差，然后雙矩形框算法初步確定目標(biāo)的運動區(qū)域，得到矩形框。依據(jù)得到的矩形框，判斷當(dāng)前幀視頻幀中是否有運動目標(biāo)。若無，則執(zhí)行步背景更新步驟。

1.5 陰影消除精確目標(biāo)運動區(qū)域

設(shè)背景圖像為fb(x，y)，當(dāng)前幀圖像為fc(x，y)，則背景差分視頻幀為:

其中，T1為二值化閾值，取值為1和0的像素分別對應(yīng)于前景和背景。

計算S分量的背景視頻幀幀差，并采用一般矩形框法計算其外接矩形。由于S分量不受陰影效應(yīng)影響，由此得到的矩形框可進(jìn)一步縮小目標(biāo)區(qū)域，即將陰影部分去除。由得到的矩形框再次判斷當(dāng)前幀圖像是否有運動目標(biāo)出現(xiàn)。若無，則執(zhí)行背景更新步驟。

1.6 目標(biāo)提取

在精確的目標(biāo)運動區(qū)域內(nèi)，分別計算H、S和V分量的背景差分圖像，設(shè)為Hob、Sob和Vob，然后按照公式(8)將三者進(jìn)行“相或”運算，提取運動目標(biāo)的完整信息HSVob。

1.7 光照干擾消除和背景更新

用HSVob的像素點數(shù)占整幅圖像總像素點數(shù)的百分比判斷是否有光照影響。若無光照突變，則HSVob是當(dāng)前幀檢測到的運動目標(biāo);否則，舍棄當(dāng)前幀，繼續(xù)檢測。

利用Surendra［8］背景更新算法對背景圖像進(jìn)行更新。

2 優(yōu)化的移動偵測算法

2.1 原算法可優(yōu)化的步驟

在原來的算法中每個視頻幀都需要進(jìn)行初步運動區(qū)域判斷，連同陰影消除步驟要使用兩次雙矩形框算法，且運動區(qū)域初步確定與陰影消除精確目標(biāo)運動區(qū)域均在彩色模型下運算，計算步驟有冗余，可以進(jìn)行算法優(yōu)化。

2.2 優(yōu)化的算法流程

優(yōu)化算法是先進(jìn)行運動判斷，若檢測到無運動則不進(jìn)行運動區(qū)域判斷;若檢測到運動，進(jìn)行陰影消除步驟，此處是在彩色模型下，利用V分量視頻幀幀差和S分量背景視頻幀幀差，在V分量僅使用幀間差分法進(jìn)行運動目標(biāo)初步判斷，而在S分量使用雙矩形框算法進(jìn)行運動目標(biāo)精確判斷，進(jìn)行光照干擾消除后，進(jìn)行目標(biāo)提取。優(yōu)化后的算法流程圖如圖2所示。

圖2 優(yōu)化的算法流程圖Fig.1 Optim ized algorithm flow chart

優(yōu)化后的算法流程對于運動視頻幀，節(jié)省了一次雙矩形框計算，且運動區(qū)域初步確定和精確確定陰影消除同時操作，因為均在HSV運算域針對V和S分量操作，在程序?qū)崿F(xiàn)時簡化了運算步驟。

3 算法的DSP實現(xiàn)

3.1 DSP視頻幀捕獲

DSP使用的是自制的TMS320DM642［9］視頻板，其板上資源有PAL編碼器、PAL解碼器、DM642 DSP處理器及其外配SDRAM和FLASH等。

因為PAL解碼器送入DM642視頻數(shù)據(jù)是BT.656的格式，Y、Cb、Cr三個分量按4∶2∶2的頻率進(jìn)行采樣，DSP實現(xiàn)需做Y、Cb、Cr彩色空間到HSV彩色空間的變換。且PAL解碼器的輸出為按場模式，而算法是采用幀處理的方式，因此DSP在視頻捕獲模式中配置為幀模式。

為了減小運算量，視頻輸入設(shè)為CIF格式，每個視頻幀的大小為320×240，這樣在HSV彩色空間，每幀就有3×320×240個像素點需要處理。

3.2 DSP算法實現(xiàn)

編寫了濾波、彩色空間變換、背景更新、雙矩形框算法等函數(shù)，在程序中合理定義變量的類型。為了調(diào)試方便，使用了RTDX技術(shù)。為了使程序可靠，合理使用了const、restrict和volatile關(guān)鍵字;為優(yōu)化程序運行速度，使用內(nèi)聯(lián)函數(shù)實現(xiàn)濾波、色彩空間變換、雙矩形框等算法;使用軟件流水技術(shù)實現(xiàn)指令的并行執(zhí)行，從而提高代碼的執(zhí)行效率。把頻繁使用的數(shù)據(jù)儲于L2 RAM空間的存儲區(qū)中。在DM642 DSP上編程實現(xiàn)了圖2中的算法流程。

4 實驗結(jié)果

經(jīng)過優(yōu)化后的算法使用DSP實現(xiàn)后，用一室外視頻流進(jìn)行實驗，得到測試視頻幀及提取運動目標(biāo)的圖像如圖3所示。

圖3 移動偵測算法實驗結(jié)果Fig.3 Experimental result ofmotion detection algorithm

圖3中，上面為視頻幀，下面為移動目標(biāo)提取的結(jié)果，通過實驗結(jié)果可以看出，實現(xiàn)的算法能夠有效去除陰影，較為完整得提取運動目標(biāo)。

通過實驗證明，該算法不僅適用于室外環(huán)境，對室內(nèi)燈光造成的陰影同樣具有很好的消除性能，實驗結(jié)果不再貼出。

5 結(jié)束語

研究了基于彩色空間模型的雙矩形框陰影消除算法的流程，對其進(jìn)行優(yōu)化，減少了計算量，通過設(shè)置DSP的視頻幀的捕獲及DSP程序的優(yōu)化，在TMS320DM642中實現(xiàn)了該優(yōu)化算法。實驗結(jié)果表明，該算法能夠較好地去除陰影，實現(xiàn)了運動目標(biāo)的精確提取。

因為目前使用的是C語言代碼實現(xiàn)的，沒有使用DSP線性匯編進(jìn)一步優(yōu)化，視頻使用的是CIF格式，有待下一步工作繼續(xù)完善。

［1］Zhao T，Nevatia R.Tracking multiple humans in complex situations［J］.IEEE Trans Pattern Analysis and Machine Intelligence，2004，26(9):1208－1221.

［2］Rafael C Gonzalez，Richard E Woods.Didital image proccessing using MATLAB［M］.Beijing:Publish House of Electronics Industry，2009.

［3］Cucchiara R，Crana C，Piccardi M，et al.Improving shadow suppression in moving object detection with HSV color information［C］//The Proc of IEEE International Conference on Intelligent Transportation Systems. Oakland(CA)，USA，2001:334－339.

［4］Kilger M.A shadow handler in a video－based real－time trafficmonitoring system［C］//The Proc of IEEEWorkshop on Applications of Computer Vision.Palm Springs，CA，1992:11－18.

［5］林坤杰，萬曉東.基于邊緣信息及光照方向的陰影檢測算法［J］.計算機(jī)工程，2009，35(20):192－196.

LIN Kun－jie，WAN Xiao－dong.Shadow detection algorithm based on edge information and illumination direction［J］.Computer Engineering，2009，35(20):192－196.

［6］劉雪，常發(fā)亮，王華杰.運動目標(biāo)檢測中的陰影去除方法［J］.微處理機(jī)，2008(5):116－117.

LIU Xue，CHANG Fa－liang，WANG Hua－jie.An shadow suppressionmethod in detectingmoving object［J］.Microprocessors，2008(5):116－117.

［7］張燕.移動偵測的抗干擾算法研究［D］.長春:吉林大學(xué)，2011.

Zhang Yan.Research on anti－interference algorithm of motion detection［D］.Changchun:Jilin University，2011.

［8］Surendra Gupte，Osama Masoud，Robert F K Martin，et al.Papanikolopoulos，detetion and classification of vehicles［J］.IEEE Transactions on Intelligent Transportation Systems，2002，3(1):37－47.

［9］ Ti，Inc.TMS320DM642 Video/Imaging Fixed－Point Digital Signal Processor(Rev.D)［EB/OL］.(2010－10－19).http://www.ti.com/product/sm320dm642－ep.