劉金利，傅志中，周 陽，黃 波

(上海理工大學光電信息與計算機工程學院，上海 200093)

運動目標檢測是智能視頻監(jiān)控的熱點，快速準確地檢測出運動目標是智能視頻監(jiān)控系統(tǒng)優(yōu)劣的評價標準。運動目標檢測的關(guān)鍵任務是從圖像序列中檢測出運動目標，為后續(xù)的目標跟蹤、分割以及目標識別奠定基礎(chǔ)。運動目標檢測的準確性以及實時性一直是其面臨的難點，雖然研究人員進行了大量的研究，并取得了矚目的成果，但仍存在局限性，尤其是在光線強烈變化的情況下［1］。運動目標檢測的準確性以及實時性一直是其面臨的難點，這就需要設(shè)計出一套高質(zhì)量的運動目標檢測系統(tǒng)。本文采用TI公司的TMS320DM6446作為系統(tǒng)圖像處理器，并在該硬件平臺上采用一種將幀間差分法和VIBE算法相結(jié)合的算法來實現(xiàn)運動目標檢測。該系統(tǒng)功耗低、抗干擾能力強，且能有效檢測出運動物體，在實時監(jiān)控方面具有良好的應用前景。

1 系統(tǒng)平臺介紹

1.1 系統(tǒng)硬件架構(gòu)

針對基于TI DM6446架構(gòu)的運動目標檢測，平臺采用合眾達SEED－DVS6446開發(fā)模塊。其豐富的系統(tǒng)資源適用于智能視頻分析系統(tǒng)，有效縮短了開發(fā)周期。SEED－DVS6446系統(tǒng)硬件模塊主要包括:DM6446系統(tǒng)以及電路;CCD視頻采集模塊;LCD視頻顯示模塊;ATA硬盤存儲模塊，用于存儲圖像、視頻等信息;電源模塊;JTAG主要用于系統(tǒng)調(diào)試以及DSP算法開發(fā);RJ45網(wǎng)口用于以太網(wǎng)開發(fā)。系統(tǒng)結(jié)構(gòu)圖如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)圖

1.2 系統(tǒng)軟件平臺配置

實驗系統(tǒng)是包含ARM核與DSP核的雙核處理器平臺，DSP端運行視頻檢測算法，ARM端運行操作系統(tǒng)負責任務調(diào)度和控制。操作系統(tǒng)采用SEEDDVS6446中的MontionVista Linux，而PC端還需要安裝一個Linux系統(tǒng)主機作為與ARM端進行交互的平臺，進而可以進行后續(xù)的文件掛載、編譯和燒寫的操作。系統(tǒng)中Linux主機Fedora 14安裝在Windows上的虛擬機中，Linux主機與ARM交互需要通過DM6446評估板上的串口連接Linux虛擬機。Windows主機主要用作通過串口連接評估板的控制臺，是Linux的載體，連接好后再將網(wǎng)線連接公網(wǎng)，因為要實現(xiàn)遠程調(diào)用及NFS網(wǎng)絡(luò)文件系統(tǒng)調(diào)試，所以必須要通過網(wǎng)絡(luò)IP地址來實現(xiàn)。系統(tǒng)連接圖如圖2所示。

圖2 系統(tǒng)連接圖

在Linux平臺環(huán)境的配置中，重要的是NFS網(wǎng)絡(luò)服務配置，系統(tǒng)使用NFS服務使主機Linux上的MontionVista Linux系統(tǒng)映射到DM6446上，使其自身在無文件系統(tǒng)的情況下執(zhí)行各種任務。配置網(wǎng)絡(luò)文件系統(tǒng)服務，需要修改/etc/exports文件，在/etc/exports文件中增加以下內(nèi)容/opt/nfs*(rw，sync，no_root_squash，no_all_squsah)。

運行以下命令啟動NFS服務:［root@liujl/］#/user/sbin/exportfs－a［root@liujl/］#/sbin/service nfs restart

2 運動目標檢測

2.1 運動目標檢測算法

隨著運動目標檢測技術(shù)的不斷發(fā)展，運動目標檢測所采用的方法［2］也不斷增加。針對固定場景中運動目標檢測較為常用的方法有光流法、背景差分法、幀間差分法、高斯混合模型碼本模型［3］及VIBE算法等。

幀間差分法［4］能有效檢測出簡單場景下運動目標，算法簡單、程序設(shè)計復雜度低，能夠適應各種動態(tài)環(huán)境，穩(wěn)定性好。缺點是當運動目標存在大量顏色一致的區(qū)域時，會導致檢測前景目標存在大量孔洞，只能檢測到物體的邊緣。VIBE算法［5］運行速度快，并能快速抑制陰影及照相機晃動對前景檢測造成的影響［6］。具有較好的前景檢測性能，但在背景干擾及噪聲干擾影響下，VIBE算法檢測穩(wěn)定性大幅降低。

鑒于幀間差分法和VIBE算法各自的優(yōu)缺點，本文設(shè)計出了由幀間差分法和VIBE算法相結(jié)合的運動物體檢測方法，采用VIBE算法來檢測運動物體，用幀間差分法處理監(jiān)控場景下的背景突變。該方法主要針對室內(nèi)、靜態(tài)背景下運動物體的檢測。

2.2 圖像預處理

在圖像的采集及傳輸過程中，通常會受到隨機信號的干擾，在圖像上疊加一些噪音，形成圖像噪聲，為保證檢測算法的準確性及穩(wěn)定性，并且降低后續(xù)處理的計算量，視頻處理第一步將對圖像做預處理［7］。本設(shè)計綜合考慮算法復雜度、可移植性、去噪效果等條件，使用中值濾波進行圖像去噪處理。中值濾波通常利用某種固定結(jié)構(gòu)的二位滑動模板來進行圖像的預處理，將模板內(nèi)包含的像素點按照其像素值進行大小排列，形成一個單調(diào)的二維數(shù)據(jù)序列，而噪聲像素點由于很難被選上而大幅減小了對輸出的影響。

2.3 背景模型構(gòu)建與前景檢測

VIBE算法是由比利時列日大學首次提出的一種目標檢測算法，針對VIBE算法的特點，本文利用VIBE算法來實現(xiàn)初始背景模型構(gòu)建和前景檢測［8］。VIBE算法為場景中每個像素p(x)建立一個包含N個樣本模型。

如圖3所示，黑色實心點p1，p2，…，pN表示像素點Pt(x)的N個背景模型，空心圓點Pt(x)表示當前位置x的待分類像素點。定義一個球體區(qū)域S(Pt(x))來表示像素點Pt(x)所允許的差異度范圍。根據(jù)圖像中待分類像素與模型M(x)相似度來檢測其前景，若不相似，則分類為前景，否則為背景。

圖3 M(x)模型

背景模型的構(gòu)建實際上就是式(1)中VIBE模型的構(gòu)建。視頻序列第一幀開始，從第一幀圖像中隨機N次選取當前像素領(lǐng)域中像素點的灰度值，存放到模型M(x)中，從第一幀就完成了對模型的構(gòu)建和初始化，第二幀就進行前景目標檢測。

VIBE算法前景檢測:根據(jù)在前景目標區(qū)域定位的灰度模型M(x)獲得前景目標區(qū)域矩形框，由VIBE算法，當有運動目標進入時，模型M(x)可迅速檢測出前景區(qū)域。對前景區(qū)域進行形態(tài)學處理，使前景區(qū)域趨向完整，然后找出前景區(qū)域輪廓線，得到最大外接矩形框。矩形框里面的圖像就是要檢測出的運動目標。前景檢測的算法流程圖如圖4所示。

圖4 前景檢測的算法流程圖

2.4 背景更新

當監(jiān)控場景中出現(xiàn)異常物體運動或光線變化的干擾造成當前像素點的設(shè)計背景值無效時，使用連續(xù)幀間差分法，利用圖像序列中相鄰的兩幀或多幀之間差異來處理背景突變。其基本原理為:采集兩幀實時圖像，若兩幀圖像相位位置的像素點的值的差分不大于系統(tǒng)為該像素點維護閾值［9］。即滿足條件

則對應計數(shù)值 D(x，y)增加 1，否則 D(x，y)=0。當D(x，y)增加到設(shè)定值N時，系統(tǒng)將實時像素值作為估計背景像素值。式(2)中 E(x，y，k)和 E(x，y，k －1)分別是第k幀和第k－1幀的亮度分量，T為閾值。在背景模型建立時，用輸入的第一幀初始化背景圖像。算法流程圖如圖5所示。

圖5 背景更新算法流程圖

3 實驗結(jié)果

本文主要針對室內(nèi)場景下見識系統(tǒng)進行研究，所以將來實驗室作為本文的試驗場所，系統(tǒng)算法在Linux集成開發(fā)環(huán)境下進行開發(fā)，并將算法移植到系統(tǒng)設(shè)計的硬件平臺上進行脫機運行。系統(tǒng)處理速度為10幀/s，達到滿足實時性要求，在實驗室環(huán)境下對運動目標進行檢測結(jié)果如圖6所示。該實驗表明在復雜的背景下該系統(tǒng)依然能準確地提取背景，檢測出運動物體，且檢測畫面能在顯示器上流暢地顯示。

圖6 運動目標檢測結(jié)果

4 結(jié)束語

本文采用TI公司的TMS320DM6446作為系統(tǒng)圖像處理器，在該硬件平臺上采用由幀間差分法和VIBE算法相結(jié)合的運動目標檢測算法，幀間差分法負責背景突變，VIBE算法運用于檢測運動目標。實驗結(jié)果表明，在室內(nèi)場景背景下，系統(tǒng)在滿足實時性情況下能夠克服光線變化等因素的干擾，準確地檢測出運動目標，能夠在顯示屏上輸出流暢的檢測畫面，現(xiàn)場試驗取得了良好的效果。但系統(tǒng)也存在占用較大內(nèi)存的缺點，在運動目標提取方面還需要進一步優(yōu)化。

［1］ 李剛，邱尚斌，林凌，等．基于背景差法和幀間差法的運動目標檢測方法［J］．儀器儀表學報，2006，27(8):961 －964．

［2］ Elgammal A，Harwood D，Davis L．Non － parametric model for background subtraction［C］．Processing of the 6th European Conference Computer Vision Dublin Ireland，2000:751－767．

［3］ 黃鑫娟，周杰敏，劉伯楊．自適應混合高斯背景模型的運動目標檢測方法［J］．計算機應用，2010，30(1):71－74．

［4］ 趙劍宇．基于TI－Davinci平臺的運動目標檢測與跟蹤系統(tǒng)開發(fā)［D］．天津:天津大學，2011．

［5］ Barnich O，Droogenbroeck M V．Vibe:A universal background subtraction algotithm for video sequences［J］．IEEE Transactions on Image Processing，2011，20(6):1709 －1724．

［6］ 邱禎艷，王修暉．一種結(jié)合Grabcut Vibe目標檢測算法［J］．中國計量學報，2012，3(23):250 －256，288．

［7］ 陳兵旗，孫明．實用數(shù)字圖像處理與分析［M］．北京:清華大學出版社，2008．

［8］ 張磊，傅志中，周岳平．基于HSV顏色空間和Vibe算法的運動目標檢測［J］．計算機工程與應用，2014，50(4):182－185．

［9］ 滕游，董輝，俞立．基于DSP的運動目標檢測與跟蹤系統(tǒng)設(shè)計［J］．浙江工業(yè)大學學報，2009，37(6):607 －609．