基于達芬奇平臺智能監控系統設計

蔣志良，趙 攀

(1.重慶郵電大學通信新技術應用研究所，重慶 400065;2.重慶信科設計有限公司，重慶 400065)

隨著人工智能和計算機技術的發展，智能監控技術研究取得了長足的進步。目前，嵌入式監控系統完成的運動檢測、識別、跟蹤廣泛地應用于國防建設、航空航海、醫藥衛生、安全監控等國民經濟的各個領域。筆者設計了以DM6467為主處理器，結合目標跟蹤法算法和網絡傳輸的遠程智能監控系統。本系統和其他視頻處理系統相比，具有體積小、功耗低、運行穩定、便于擴展等技術優勢，有著廣泛的應用前景。

1 系統總體設計

智能監控系統的總體結構如圖1所示，由視頻采集模塊、視頻處理模塊、視頻壓縮傳輸模塊、終端控制播放等模塊組成。視頻采集模塊利用攝像頭對現場進行實時采集，并把視頻信號傳送到視頻處理器。視頻處理器基于達芬奇(DaVinci)雙核處理器和Linux嵌人式系統對目標進行檢測和跟蹤，并將其結果進行視頻編解碼壓縮，通過以太網接口進行遠程傳輸，并通過硬盤將其存儲，同時主處理器還負責將客戶控制端發來的信息轉化成外設控制。客戶控制端則負責視頻解碼及播放，同時把用戶的操作轉換成相應的控制信號發送到視頻處理中心，如縮放、抓拍、攝像頭調度等［1－2］。

圖1 系統總體設計框圖

2 達芬奇平臺

2.1 系統軟件設計

軟件系統一般分為應用層、信號處理層和I/O層三部分，達芬奇軟件框架也是基于這樣的結構，如圖2所示。DaVinci用戶在應用層ARM端進行Linux應用程序的開發，包括I/O操作與Linux API函數的調用(主要負責外圍設備的控制)并使用由Codec Engine提供的VISA API接口，實現對視頻、圖像、語音以及音頻信號的處理，此外DaVinci用戶還可以添加和發揮自己的特色。信號處理層通常都運行在DSP一側，負責信號處理，包括音視頻編解碼算法、Codec Engine、DSP的實時操作系統DSP/BIOS以及處理器間通信模塊。ARM端與DSP端的通信則是通過Codec Engine，使用DSP/BIOS Link及xDM接口協議，與DSP端的Remote Server進行通信，并通過共享存儲空間的方式實現的。

圖2 系統軟件設計框圖

2.2 系統硬件設計

本系統采用TI公司的最新一代視頻處理芯片DM6467為硬件核心處理器，硬件設計框圖見圖3。它的視頻輸入模塊采用8路視頻接口，并采用2組TVP5158作為數模轉化器，內置2組獨立HDVICP協處理器單元，極大地提高了編碼效率，提供了更多智能處理能力。中央處理器包括ARM+DSP雙核處理器，其中ARM主要負責系統的控制，而DSP主要負責音視頻算法的實現。存儲模塊除了用于視頻信息的存儲硬盤外，還包括用于初始化的NOR閃存。外圍設備，以太網接口、USB接口等，為網絡傳輸提供了多種路徑。

圖3 系統硬件設計框圖

3 系統的算法實現

3.1 目標跟蹤算法

目標跟蹤算法實質上就是基于區域、特征、模型的圖像匹配問題，考慮到區域匹配和特征匹配的精確性問題，本文采用基于動態輪廓Snake模型的跟蹤算法，它不僅適用于復雜的環境，而且具有良好的穩健性［3－6］。

動態輪廓Snake模型就是一條可變形的參數曲線及相應的能量函數，以最小化能量函數為目標，控制參數曲線變形，從而提出目標輪廓曲線實現其跟蹤。Snake的初始化輪廓曲線定義為 X(s，t)=(x(s，t)，y(s，t))，s∈［0，1］。曲線的能量函數為Ε =)+ Εext(X(s，t))}ds，由此可知曲線的收斂取決于基于模板特性的內能函數Εint和基于圖像特性的外能函數Εext。內部能量函數為Εint(X(s，t))=(α(s)+β(s))，其中α為曲線的連續性控制參數，β為曲線的光滑性控制參數，Xs和Xss分別為X(s，t)對s的一階導數和二階導數。

外部能量函數Eext=γEimage(X(s，t))由圖像的灰度、邊緣等特征獲得。對于I(x，y)一般采用以下圖像能量函數(X(s，t))= ±［Gσ(x，y)*I(x，y)］，(X(s，t))=±I(x，y)，其中Gσ(x，y)為標準差為σ的二維高斯函數，為梯度算法。為了使能量函數最小，Snake必須滿足歐拉方程即 αX″(s，t)－ βX?(s，t)－Eext=0，能量平衡方程可視為驅動力的平衡方程Fint+Fext=0。其中，Fint= αX″(s，t)－ βX?(s，t)，控制著曲線的特性。Fext= －Eext，將活動輪廓吸引到目標輪廓，Snake 在內力Fint的吸引驅動下向目標輪廓移動，而外力Fext在保持Snake拓撲性的同時隨著Snake的移動變化，最終達到內外力之和等于零，這時，Snake就停留在目標輪廓上。

3.2 算法的運行

算法主要由ARM端和DSP端協同工作實現的，如圖4所示。首先進行系統初始化，ARM端通過TVP5158進行視頻圖像采集并進行模/數轉化，Codec engine一方面通過VISA API函數調用視頻數據，放入共享內存，另一方面通過 DSP link與 DSP端 Codec server進行通信，DSP端則通過Codec server調用符合xDM標準的目標跟蹤算法進行視頻圖像處理，并將結果放入共享內存，然后繼續調用符合xDM標準的H.264算法進行視頻壓縮，應用程序再通過共享內存，將其壓縮后的數據通過以太網接口發送到終端進行播放。

3.3 實驗結果

如圖5為系統的實驗結果，可以看出當有人員經過監控區域時，目標跟蹤系統就會自動進行目標檢測與跟蹤，并自動顯示跟蹤結果。

4 結束語

本文采用了最先進的達芬奇嵌入式技術與目標跟蹤算法相結合的設計方案，實現了監控系統的智能化，從實驗結果可知該系統具有來良好的穩定性和穩健性，并具有廣泛的應用前景。

圖4 系統算法實現

圖5 系統算法實現

［1］HARITAOGLU I，HARWOOD D，DAVIS L S.W4:Realtime surveillance of people and their activities［J］.IEEE Trans.Pattern Analysis and Machine Intelligence，2000，22(8):809－830.

［2］WREN C R，AZARBAYEJANI A.Pfinder:real－time tracking of the human body［J］.IEEE Tran.Pattern Analysis and Machine Intelligence，1997，19(7):780－785.

［3］王平，陳素華，董福洲.運動目標檢測技術在智能監控系統中的應用［J］.電視技術，2007，31(7):81－83.

［4］侯志強，韓崇昭.視覺跟蹤技術綜述［J］.自動化學報，2006，32(4):603－614.

［5］陳鋒強.復雜場景下運動物體檢測與跟蹤算法的研究［D］.上海:上海交通大學，2008.

［6］邵文坤，黃愛民，韋慶.動態場景下運動目標跟蹤方法研究［J］.計算機仿真，2006(5):17－20.