基于DM648的實時越界檢測系統

舒 君，呂 順，李 飛，何小海

（四川大學 電子信息學院，四川 成都 610064）

隨著社會的發展，在一些重要的地區和區域（如軍事邊界、銀行金庫、自然保護景區等），為了防止非法人員的入侵或者其他外來破壞，通常在外圍設置一些屏障和阻擋物并配備人員進行巡邏或者安裝周界探測報警系統。目前，國內周界探測報警系統主要有兩類：一類是以微波、紅外和激光燈為代表的對射面或對射線的報警系統；另一類是以振動光纖、傳感電纜、高壓脈沖電網和泄露電纜等其他各種線纜式傳感器為代表的報警系統。這些方法不僅耗費人力和財力，而且檢測效率不高，容易出現失誤，因此難以適應現代安防需求。隨著視頻采集和視頻信息處理在日常生活、軍事、醫療和安防等許多領域的廣泛應用，利用視頻監控周界報警逐漸的成為了一個新的趨勢。

本文以TI公司DM648為核心構架硬件平臺，設計實現了基于DM648的圍界實時越界監測系統，通過提取以圍界為核心的感興趣區域ROI（Region of Interest），實時檢測二值化后ROI中亮度值突變及白點的連通區域面積，實現區域越界報警。

1 硬件平臺介紹

DM648是TI公司生產的達芬奇系列多媒體數字信號處理器，其主頻最高可達1.1 GHz，可同時處理8條指令，處理速度最快為8 800 MIPS。它的一級緩存包含32 KB的數據緩存（L1D）和 32 KB程序緩存（L1P），一級數據緩存和數據緩存共用一個512 KB大小的二級緩存。它內部集成了5個視頻輸入輸出端口（VP0～VP4），理論上可以同時采集8路視頻。外圍配以視頻解碼芯片TVP5154、編碼芯片THS8200和SAA7105構成典型的嵌入式圖像采集顯示系統，同時外部存儲器總線接口（EMIF）上擴展了 256 MB的 DDR2和 64 MB Flash。

通過模擬攝像頭采集的視頻信號經TVP5154芯片解碼后轉為YUV格式的數字視頻數據送入DM648的VP0口，然后通過EDMA3（EnhancedDirectMemory Access3）將視頻數據搬運到 DDR2中進行處理，將處理好的視頻數據送入VP1口，由THS8200接收數據并傳給SAA7105芯片編碼為標清模擬信號后輸出到監視器顯示。

DM648圖像處理平臺硬件系統框架如圖1所示。

圖1 硬件系統框架圖

2 越界檢測算法設計與實現

為了能檢測是否有目標越界，就需要提取目標。常用的運動目標檢測的方法主要有光流法、相鄰幀差法和背景差分法。光流法支持攝像頭移動，能夠很好地檢測運動目標的完整信息，但是其計算量非常大且計算復雜，目前難以在嵌入式平臺上實現實時處理。相鄰幀差法則算法簡單、速度快，滿足實時性要求，但是穩定性差，檢測目標不準確，容易出現空洞現象。背景差分法相對光流法運算量小，相對相鄰幀差法可靠性高，只要建立可靠的背景，就能夠提取出準確的目標。因此，本文選擇背景差分法進行運動目標的檢測。

背景差分法的核心是背景模型的建立。常見的背景建模方法有中值背景建模、單高斯背景建模、混合高斯背景建模和碼書背景建模等。中值背景建模和單高斯背景建模算法簡單，但對環境適應能力差，如光照變化、樹葉搖擺會造成提取的背景噪聲比較大，檢測準確率低；混合高斯背景建模算法精度高，算法的運算量大，背景更新慢，很難在本文所用的嵌入式平臺上做到實時處理；碼書背景建模算法簡單易于實現，更新速度快，檢測效果好，因此本文選擇碼書背景建模。

為了實現實時越界檢測，需要解決以下3個問題。（1）如何構建 ROI，并對其進行處理以減少運算量；（2）如何改進簡化碼書背景建模以進一步減少計算量達到實時檢測；（3）如何檢測物體目標越界，提高檢測準確率并對物體越界進行警示。本文的算法最后在DM648圖像處理硬件平臺上得以實現，該越界檢測系統的核心算法流程圖如圖2所示。

圖2 核心算法流程圖

2.1 ROI構建與處理

在越界檢測系統中，ROI圖像的信息只集中在需要進行檢測的ROI中，去除冗余數據，提取出ROI以提高圖像處理速度和準確度。只對ROI進行檢測將會大大減少計算量。

首先對要處理的視頻信息設置圍界，如圖3所示，用白色線條表示設定的界線，通過白色線條的邊界點確定黑色的區域為ROI。

圖3 ROI區域圖

設定界線后，選取邊界點{B（x，y）}里面坐標值x的最大值xmax和最小值xmin及y的最大值ymax和最小值ymin構建矩形區域左上方點（xmin，ymin）和右下方點構建矩形（xmax，ymax）。 為了減少在硬件上的計算量，突顯實時性，對ROI區域繼續作下采樣處理。

采用YUV顏色模型，使用水平和垂直兩種分塊方法對這兩個方向上的亮度信息特征作處理，可以得到亮度值在這兩種分塊模型中分割區域的平均分布，如圖4所示。

圖4 兩種分塊模型

最后，選取LUMRA最大的N/2個區域作為判斷亮度值突變及白點的連通區域面積的區域。

2.2 ROI碼書背景模型建立

在ROI建立之后，由于需要檢測的物體只與圍界的范圍相關，本文通過構建ROI模板來分別提取背景區域和要處理的視頻區域，以減少背景建模和背景更新時的計算量。

碼書背景建模對RGB空間的視頻序列具有較好的檢測效果，但有一些不足之處：視頻采集設備（如網絡攝像機、DV等）采集的視頻序列大多是YUV格式的，如果按照原碼書算法思想[4]，則需要進行從YUV空間到RGB空間的轉換，該轉換運算為浮點型運算，運算量大，而且DM648是一個定點數字處理器，不適合作浮點運算。本文越界檢測只需對亮度信號進行處理，YUV相比RGB色度空間更有優勢。因此，對原碼書算法進行改進，直接在YUV空間Y通道上進行碼書背景建模，不僅省去了大量的浮點型運算，而且省去了計算色度失真度對碼字的匹配，只是在Y通道上進行像素值匹配。改進后的碼書背景建模非常適合在嵌入式平臺上進行實時處理。

改進后的碼書建模模型是以一個長度為N的圖像序列{X1，X2，X3，…，XN}，對碼書模型進行訓練，一幅圖像的碼書表示為長L的碼字序列{C1，C2，…，CN}，根據像素值的變化程度，其碼書長度或長或短。在基于YUV色度空間的碼書模型中，一個碼字由一個均值亮度向量v=和一個六元組aux=＜Im，IM，f，λ，p，q＞構成， 其中Im與IM分別表示像素在某個范圍內的最小亮度與最大亮度，f表示該碼字在圖像序列訓練過程中出現的次數，λ表示碼字最長沒有出現的跨度，p與q分別表示碼字第一次出現與最后一次出現的幀數。

改進后的碼書模型建模的基本流程如下。

（1）對每個像素的碼字長度初始化為0，碼書長度為L。

（2）對 于圖 像 序 列{X1，X2，X3，…，XN}，像 素 亮 度值I=Y。

（3）對于第n幀圖像中的像素，若對應碼字為空，則建立新碼字，以當前像素值設定亮度向量和六元組，p=q=n，IM=Im=I，λ=0；若碼字不為空，則計算亮度向量與碼字亮度向量的亮度失真是否在一個閾值Th以內，同時比較亮度值是否在六元組Im和IM以內更新碼字。

（4）若滿足條件（3），則更新碼字：

（5）若不滿足條件（3），則 λ+1，其他值不變。

完成訓練以后，對碼書中的碼字進行整理，對于λ比較大的碼字予以去除，閾值Th需根據實際情況進行調整。與混合高斯模型比，碼書模型由于其更新運算比較簡單，更為節省運算量，因此非常適合運算資源與存儲資源都比較有限的嵌入式平臺。

2.3 目標提取

當訓練完成時，將得到RQI碼書背景模型，碼書下每個碼字都是一個像素亮度能量的集合，因此碼書背景不能單獨直接顯示在屏幕上。當一段連續視頻的一幀被讀取以后，只需遍歷整個碼書來判斷輸入幀該點像素的亮度值I（x，y）是否存在于碼書的對應碼字CB（x，y）中，若不存在，則將該點判斷為前景點。

采用 Ostu 最大類間方差法[5]求取由Dt（x，y）組成的前景圖像最佳分割閾值T。最后采用式（6）分割，即可得到檢測目標的二值圖像 （x，y）處的前景二值圖像值Gt（x，y）。

為了消除由背景差分和Ostu分割提取二值化前景圖像而帶來的噪聲，首先進行均值濾波，再采用圖像形態學腐蝕、膨脹操作消除目標圖像中的點噪聲。

本文采用該方法測試了兩種場景環境下的圖像，并與在混合高斯建模方法下提取的運動目標效果圖進行了比較，結果如圖5和圖6所示，兩種建模方法提取目標所用的時間對比如表1所示。

圖5 采用兩種背景建模方法對圖像1提取目標的效果圖

圖6 采用兩種背景建模方法對圖像2提取目標的效果圖

表1 兩種建模方法提取目標運行時間對照表

從圖5、圖6和表1可以看出，使用本文簡化改進的碼書背景算法與混合高斯算法提取的目標效果圖基本相同，差別不大，但是處理時間節省了11.12 ms。

2.4 越界檢測

為了檢測到是否有目標闖入，本文對已經檢測到的ROI進行亮度檢測來初步確定目標是否闖入。檢測的算式為：

其中，MY為檢測區域的亮度值，Mth為檢測區域門限值，當MY＞Mth時，Mth可以根據不同的場景進行更改。

若ROI的亮度發生突變，不一定是有目標闖入，有可能是很多噪聲點或者其他原因引發檢測區域亮度突變。為提高檢測準確度，需要進一步對提取的目標進行連通區域面積的計算。本文采用相鄰點循環掃描的方法按照從上向下、從左至右的順序掃描ROI中的連通區域，步驟如下。

（1）提取 ROI二值化圖像，Flag=0，從上向下、從左至右開始掃描。

（2）如遇到白點，相鄰點循環掃描直到找不到白點，統計白點數（連通區域面積）退出循環。

（3）如果連通區域面積大于設定閾值Num，則 Flag=1進入步驟（4）；否則檢查掃描是否完畢，如果沒有則跳回步驟（2），完畢則退出掃描。

（4）Flag=1表示有目標存在，報警后退出掃描。

3 實驗結果及數據分析

使用 720×576的 AVI視頻作為本文所設計的系統的測試視頻，結果如表2和表3所示。由表2實驗數據可知，當對 ROI進行下采樣處理時能做到26 f/s，由此可見對ROI進行下采樣在實際應用中的意義之大。由表3可知，本文通過先做亮度突變檢測再進行白點的連通區域面積檢測后的檢測精度能達到92.65%，實用性很強。

表2 實時性數據比較

表3 檢測正確率數據比較

本文越界檢測系統效果圖如圖7所示，在圖中黑色線條表示警戒線，當有目標經過ROI時，系統會自動用矩形框出目標在ROI中的位置并發出警報。

圖7 直觀效果圖

本文設計了以TI公司DM648為核心的硬件圖像處理平臺，設計實現了目標越界的實時監測，通過提取以圍界為核心的ROI，實時檢測ROI中亮度值突變及白點的連通區域面積，實現越界報警。實驗結果表明，本文所設計越界檢測系統實時性好，檢測精度高。但當物體運動太快時候將會出現檢測不到的情況，需要進行改進。

[1]LOWE D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision， 2004，60（2）：91-110．

[2]齊美彬，楊愛麗，蔣建國，等．一種基于改進碼本的車輛檢測與跟蹤方法[J]．中 國圖象圖形 學 報 ，2011，16（3）：406-412．

[3]郭志濤，劉玉菲，劉恩海，等．基于區域特征分析的層級有序碼書目標檢測算法[J]．計算機應用研究，2013，30（6）：1903-1906.

[4]KIM K， CHALIDABHONGSE T H， HARWOOD D， et al．Real-time foreground-background segmentationusing codebook model[J]．Real-Time Imaging，2005，11（3）：172-185．

[5]齊麗娜，張博，王戰凱.最大類間方差法在圖像處理中的應用[J].無線電工程，2006（7）：25-26.

[6]李峰，周荷琴．融合碼本和紋理的雙層視頻背景建模方法[J]．中國科學技術大學學報，2012，42（2）：99．105．