基于D S P目標入侵檢測系統的設計

代 超 高 怡 范光星 蔡 凱 董海崗 王明剛

(西安文理學院 物理與機械電子工程學院，陜西西安710065)

0 前言

隨著社會的快速發展，越來越多的生產和生活場所需要對一些禁止區域（例如倉庫、變電站、銀行等）進行實施監控及布防，以計算機技術和圖像處理技術為基礎的目標入侵檢測技術顯得尤為重要。目標入侵檢測技術不僅可以快速、準確的判別出禁止區域內非法入侵者，還可以有效地保護了人員和財產的安全、高效地處理了危機。目標入侵檢測技術在實現時涉及大量的數字信號處理算法，而一款DSP處理器TMS320DM642既可以快速、準確地實現這些算法，還提供了音視頻接口，使用方便，因此成為目標入侵檢測技術實現時常用的一種處理器。

1 目標入侵檢測的原理

對運動目標進行入侵檢測，首先要建立監控畫面的背景模型并標識出禁止區域（即有利害關系的區域），其次要對監控畫面中的運動目標進行準確定位及標識，最后由系統根據運動目標與禁止區域的位置關系進行有效地系統預警。

1.1 高斯分布背景模型的建立

對監控畫面中的運動目標常用的檢測方法有：相鄰幀差法、背景幀差法、光流法[1-2]。其中，相鄰幀差法是將連續兩幀進行相減，從中提取運動目標的信息。雖然該算法計算量小，但是對光線變化不太敏感，甚至運動目標狀態改變過慢將無法正確識別[3]。光流法是利用計算位移向量光流場來檢測運動目標，該方法運算量大、實時性差。背景幀差法是將當前幀與背景模型進行比較，判斷像素點是屬于運動目標區域還是背景區域。背景幀差法對光照變化、氣候等環境因素較為敏感，適應性較弱[4]。但是較之前兩種方法而言，背景幀差法由于算法簡單，易于實現，且能較為準確的提取運動目標信息，因此是應用最廣泛的目標檢測方法。

為了提高背景幀差法在背景模型建立時的準確性，可以先采集多幅背景圖像，再建立參數背景模型。經典的背景建模算法有W4算法、中值濾波法、線性預測法和混合高斯法等。其中，混合高斯模型結構簡單，運算效率高，對動態背景處理時魯棒性也很好。因此，系統在背景幀差法中使用混合高斯模型提取背景模型，可以克服監測環境中重復的干擾、光照和水波等的緩慢變化，具有良好的魯棒性。

在單高斯模型中，用N(μ,δ)描述某個像素點的灰度統計特性，高斯分布定義為：

而混合高斯模型使用K個（3～5）高斯函數來擬合某像素點的灰度分布。對于像素點x，混合高斯模型可定義為：

在監控系統初始化時，采集N幅背景圖像，建立K個分量的混合高斯模型。實時監控時，對新的圖像幀中像素點依次作檢測，統計前景點的個數或比例，當個數或比例大于M（M為閾值，針對環境等條件改變）時，認為存在運動目標，否則作為干擾。同時對背景模型參數不斷更新，以適應背景的變化。

1.2 運動目標定位及標識

對目標的定位主要采用的是背景幀差法和連通分析。背景幀差法即用當前幀對背景作差，幀差后背景區域為黑色，只剩目標和擾動像素。由于混合高斯模型沒有明確的背景幀，因此取K個分量中最匹配的那個分量的均值作為背景幀的灰度值。同時由于灰度圖像的幀差效果往往沒有二值圖像明顯，因此若不是特別要求，一般都可先將當前幀和背景幀根據某閾值二值化處理。

其中，f（x，y，t）表示 t時刻（x，y）點的灰度值，即；k 表示最匹配的分量：

這樣處理后，所得圖像中目標主體基本都比較明顯。

然而，實際應用中往往還是免不了有小區域或大區域的擾動。對于比較細小的干擾，可以采用濾波和形態學收縮等進行處理；而對于比較大的區域，則只能用連通閾分析把目標區域找出來（例如，在已知目標面積比干擾面積大很多的情況下）。連通分析主要通過深度遞歸遍歷和分類實現：

（1）假設有N個連通區域，每個區域中有M個點，構建二級鏈表結構體并初始化（N和M初始為0，查找過程動態增加）；

（2）對經上述處理后的圖像依次作種子區域生長掃描，對每個點檢測是否已被分類，如果不屬于已有區域，則新增一個區域，并將該點加入新區域，如果屬于已有區域，加入已有區域，如果區域生長結束，進入下一個種子點；

（3）設閾值為S，則可把M大于S的區域n納為運動目標區域，同時合并滿足條件的區域。

1.3 入侵分析及預警提示

入侵分析是系統針對禁止區域，預先在監控畫面上劃分一塊像素區域，并記錄坐標，之后判斷運動目標是否落入這個像素區域。當落入目標區域的像素點數量占總前景點數的比例大于某個閾值時，即判斷為入侵，此時系統進行預警提示。否則，系統只對監視畫面中的運動目標進行檢測，而不做任何其他操作。

2 運動目標檢測系統的實現

2.1 系統硬件電路的設計

運動目標檢測系統的硬件平臺采用模塊化設計思想，以DSP處理器為核心，外接視頻采集/顯示模塊、數據/程序存儲模塊、數據通信模塊以及CPLD模塊等。

DSP處理器選用TI公司推出的高端專用數據媒體處理器TMS320DM642作為主處理器，它具有高達4800MIPS的運算速度，64個獨立通道的EDMA(擴展的自接存儲器訪問)控制器，3個可配置的視頻日等特性。視頻采集/輸出模塊為一路攝像機將采集到的模擬視頻信號傳輸給視頻解碼芯片，后者將模擬信號轉換成數字信號通過視頻口傳送給DSP處理器，處理器對所接收到的數字視頻信號進行相關算法的處理，然后將運算后的數據通過另外一個視頻口發送給視頻編碼芯片，后者將數字視頻信號轉化成模擬視頻信號傳輸給顯示器。視頻解碼芯片采用飛利浦公司具有代表性的SAA7113H芯片，采用ITU-BT.6568bit 4:2:2內含同步碼的數據接口。輸出采用SAA7121芯片，提供模擬視頻輸出。數據/程序存儲模塊包括一個4MB的FLASH以及兩個32MB的SDRAM，用來存儲系統的程序和數據。通信模塊包括RS232等接口。CPLD模塊由于可配置其內部邏輯，具有很強的靈活性，可用來輔助DSP處理器對視頻圖像處理平臺進行時序與邏輯控制。

圖1 系統硬件框圖

2.2 系統軟件設計思路

系統初始化完成后，實時采集視頻圖像，通過中值去噪完成圖像增強，建立高斯分布背景模型，將當前幀和背景幀做差，通過灰度值判斷是否有運動目標存在。再按設定的閾值剔除干擾，超過閾值即判定為運動目標，并標識運動目標。然后判斷目標的像素個數占據預警區域的比例，超過設定值，系統將進行報警提示。為了增加抗干擾能力，當判定為沒有運動目標的存在時，更新背景，以消除風、樹葉和光照變化等環境影響。圖2為系統幀處理的流程圖。

圖2 實時幀處理流程圖

3 實驗結果

硬件平臺建立后對系統進行了測試，輸入視頻分辨率720*576，輸入幀頻25幀，測試結果如圖3所示，黃色區域為關鍵區域，一旦有人靠近并進入該區域，系統將預警提示。其中，圖A代表監控背景；圖B為運動目標靠近關鍵區域時的識別狀態，系統將會顯示為警戒狀態；圖C為運動目標進入關鍵區，系統檢測為入侵狀態，系統此時為報警狀態；圖D為入侵目標離開，此時系統將退出報警狀態，但仍會繼續監視運動目標的移動軌跡。通過實際測試，系統能夠較準確地發現目標，并對運動目標進行標識。

圖3 目標入侵檢測的監控畫面

4 總結

系統以TMS320DM642為硬件平臺，采用混合高斯模型和背景幀差法實現了目標入侵檢測。通過實際測試，該方法擁有較好的魯棒性，并且具有識別準確度高、實時性好、設計簡單、易于實現的特點，可廣泛應用于各種視頻監控領域。

［1］韓九強，等.計算機視覺技術及應用[M].北京：高等教育出版社，2009：288.

［2］馬德智，等.基于高斯混合模型的運動目標檢測方法研究[J].電子測量技術，2013，36(10)：48-49.

［3］雷科.基于 DM6446 的運動目標檢測[J].計算機測量與控制，2013，21(8)：2077.

［4］王占鳳.基于改進的混合高斯模型背景減除算法[J].河南工程學院學報，2013，25(3)：65-67.

［5］劉軍，等.基于 DM642 的運動目標檢測[J].計算機工程與科學，2013，35(1)：108-109.