基于S3C6410處理器的視頻目標檢測研究*

齊　悅

(太原廣播電視大學　太原　030027)

?

基于S3C6410處理器的視頻目標檢測研究*

齊悅

(太原廣播電視大學太原030027)

摘要針對傳統監控系統中視頻圖像存儲容量大、后期查找目標物體困難的情況，提出以芯片S3C6410為基礎的實時嵌入式監控平臺。文章從硬件和軟件兩方面展開研究，硬件方面以S3C6410為核心處理器，通過CAMIF端口與CCD攝像頭連接完成數據采集，處理后的數據通過RJ45或USB接口傳給服務器；軟件方面提出適合嵌入式環境下的改進Vibe算法來提取運動目標物體，并對圖像進行輪廓修補和孔洞填充。通過實驗表明改進后的算法能快速消除鬼影，在動態背景下提取運動目標效果好，實現了監控的需求。

關鍵詞智能視頻監控; S3C6410芯片; CCD攝像頭; 運動目標檢測; Vibe算法; NCF(x)因子

Class NumberTP368

1引言

隨著智能化地球、智能化家園的興起，視頻監控的智能化成為研究熱點。傳統視頻監控系統中攝像頭的功能是錄像[1]，錄像后通過數據線把視頻信息傳送到監控端顯示和存儲；視頻的存儲，主要是為事故的分析、取證提供依據，而從大量的視頻數據中找出所需信息，需耗費工作人員許多的時間和精力，同時隨著攝像頭不斷的增多[2]，海量視頻數據的產生，快速獲取人們感興趣的信息成為難點問題。因此改變監控系統運行模式、降低人力成本、發展智能監控成為必然趨勢。

隨著可定制操作系統、硬件集成工藝、網絡等相關技術的發展，嵌入式技術迎來了廣闊的發展前景。把嵌入式技術引入傳統的視頻監控系統中，通過嵌入式芯片可獨立地對現場狀況進行分析、判斷，并做出及時處理，能有效減輕工作人員后續工作負擔。因此，本文提出把攝像頭采集回的數據首先交給嵌入式處理器，處理器依靠自身的硬件資源和軟件算法完成對圖像數據的處理，最后再通過網絡交給遠程的監控端存儲，大大減輕工作人員的負擔。

2硬件平臺設計

基于S3C6410處理器的視頻監控系統由CCD攝像頭、遠程監控端服務器和以S3C6410為芯片處理器的開發板組成，其工作流程為：攝像頭把采集完的數據交給處理器，處理器依靠改進的Vibe目標檢測算法完成對數據的處理，最后通過網絡傳給遠端的監控服務器。

2.1S3C6410核心板

考慮到視頻監控系統的功能需求，選用了三星公司生產的主頻為533MHz、內存為256M的S3C6410處理器，該處理器外觀尺寸僅為5cm*6cm，具有體積小、功耗低、功能強大、運行穩定等優點。核心處理器自身擁有許多外接端口，如USB/SD、CAMIF(視頻采集)、JTAG(調試)、網絡接口等，通過它們可以和CCD攝像頭、遠程監控端共同組成智能視頻監系統，如圖1所示。

圖1　系統結構圖

2.2監控攝像頭

系統采用圖像傳感器為CCD的攝像頭，主要是由于它拍攝的圖像質量好、噪聲數據少[3]、靈敏度高等，便于系統對視頻序列中目標的檢測。但目前市場上大多數相機拍攝的信號為模擬信號，無法直接與核心板上的CAMIF端口相連，因此，增加TVP5150A模數轉換芯片，其連接如圖2所示。

圖2　模數轉換芯片與S3C6410的連接

通過引腳XciYDATA[7:0]和YOUT[7:0]的連接完成視頻數據的模數轉換，考慮到視頻數據在VP5150A和S3C6410之間的傳輸速率，本文采用較快的串行傳輸，即HSYNC和VSYNC引腳無需與主控芯片連接(若連接，則為并行傳輸)，SDA引腳為串行數據線，SCL引腳為串行時鐘線，引腳SCLK通過XciPCLK來設置芯片S3C6410的外部圖像數據像素的串行時鐘輸入。

經過TVP5150A芯片的轉換，把攝像頭采集到的視頻信息以DMA形式傳送至DDR中，為后續的目標識別做準備。

2.3數據傳輸

考慮到系統在實際應用中的情況，本系統設置有線傳輸和無線傳輸兩種方式。

采用RJ45接口進行有線傳輸時，核心板需連接以太網控制芯片DM9000A，具體的連接方法與文獻[4]類似；監控系統通過USB無線網卡進行無線傳輸時，可在芯片的USB Host/OTG2.0設計USB接口電路如圖3所示。USB Host端口用于與PC機通信，USB Slave連接芯片Ralink3070的無線網卡。

圖3　USB的Host和Slave接口

USB無線網卡連接Slave端口，作為從設備，在S3C6410主設備的控制下發送數據。

3監控系統中的運動目標檢測

為了從大量視頻中提取出運動的目標物體，需采用檢測算法。國內外學者提出了多種檢測算法，Olivier Barnich等[5]提出的Vibe算法具有計算簡單、實時性高、魯棒性好等優點，成為本系統的選擇。

3.1Vibe傳統算法

Barnich等提出Vibe算法的主要創新是更新背景機制，他們首次在樣本背景建模中使用隨機選擇策略，同時更新其鄰域背景模型中的歷史值，使得樣本中的像素點分布與實際情況相一致，大大提高了算法對運動目標的檢測精度。Vibe算法主要考慮背景模型的初始化、依靠式(1)計算的前景檢測、背景模型的更新等[6]三方面的內容。

D={{v(x)±R}∩M(x)}

(1)

其中Vibe算法的背景更新[7]包括背景隨機更新、隨機時間下的背景更新、隨機更新鄰域像素三方面。在隨機時間下的背景更新中，Vibe算法采用時間二次抽樣因子φ，實驗證明值為16時，可得到較好的背景。

3.2改進的Vibe算法

傳統Vibe算法中，背景模型的初始化、像素點的分類和模型的更新都比較簡單、計算快，適合嵌入式環境。但在實際應用中該算法存在如下問題：以第一幀圖像中的像素點來初始化背景模型，容易引入運動物體的鬼影；由于外界因素的干擾，對目標物體的提取不準確，當圖像的對比度小時，提取出的目標物體有孔洞等；針對以上問題，本文從以下兩方面來改進算法。

1) 基于改進三幀差分的背景模型初始化。其算法的具體步驟為：

Step1：視頻中前3幀圖像的處理與Vibe算法相同，獲取運動物體的前景。

Step2：設Ti表示待處理的圖像，i≥4。將前3幀圖像分別做差分，采用直方圖[8]分割出運動目標物體并與Ti-1幀做“與”運算，消除Ti-1幀的部分鬼影。

Step3：i+1，重復Step2，直到預設幀數為止。

通過對背景模型的預處理，可以快速消除首幀中運動物體存在的鬼影，與實際情況吻合。

2) 采取模糊準則更新背景。針對原Vibe算法中采用二次抽樣因子φ進行背景更新，本文通過模糊準則的方式進行背景更新。參考文獻[9]后提出鄰域一致因子NCF(x)，因子表示x的鄰域與背景的匹配度，計算如式(2)。

(2)

其中：Nx表示x的鄰域集合，Ωx表示x鄰域中與背景模型匹配成功的像素。

由式(2)可知，NCF值越大，表明x鄰域與背景模型M(x)匹配上的像素點越多，用x來更新背景M(x)越合理。因此抽樣因子φ更改為P(x)×φ，其中P(x)定義模糊函數為

引入模糊函數P(x)后，背景的更新會考慮當前像素點鄰域與背景模型的匹配程度，NCF(x)值越大，更新時間就越快，反之，背景不更新，增強了對動態環境的適應性，有助于準確提取目標物體。

3.3前景目標圖像處理

通過改進Vibe算法提取出的前景圖像輪廓不完整，圖像內部存在小孔，仍需進一步對圖像進行處理，主要包括修補目標輪廓和填充內部小孔。

借鑒文獻[10]給出了對輪廓端點的定義，設定兩端點的距離閾值，小目標為3.4，大目標為7.8，在閾值范圍內用線連接端點，使其聯通，否則去除該端點，完成對目標輪廓的修補。

根據相鄰像素點在空間鄰域中保持一致的特點，本文通過計算當前點和8鄰域中任一點的像素值來填充圖像中的小孔，具體算法為：

Step1：選取圖像中的像素點xi；

Step2：計算xi點的像素值，并與8鄰域中的任一點y的像素值進行比較；

Step3：若不在設定的閾值范圍內，則像素點x被y取代；

Step4：i加1，重復Step1，直至所有像素點都被訪問。

3.4監控系統的處理過程

處理后的圖像，在芯片S3C6410的控制下，通過RJ45端口或無線USB端口傳輸到遠程監控端。改進Vibe算法在監控系統中的執行過程如圖4所示。

圖4　監控系統的處理過程

相比較傳統監控系統，本系統主要提取前景中的運動目標物體，舍棄大部分的背景，使監控圖像的容量減小，適合遠程傳輸、服務器的存儲和查找。

4系統調試

4.1軟件環境的配置

嵌入式核心板在通電后并不能直接運行操作系統Linux，因此軟件環境配置中首先需設置引導內核程序，本系統采用U-boot-1.1.6軟件，安裝成功后進行配置，經過Gcc-4.5.1-v6-vfp版本的交叉編譯生成u-boot. bin文件，將此文件燒寫入NandFlash中。

引導程序配置好后，軟件環境搭建的第二步為裁剪和補充Linux內核。從官網下載Linux-2.6.35.4內核，補充處理器S3C6410的板級文件內容，對DM9000A網卡和多媒體設備進行具體配置(如CCD攝像頭、USB接口的無線網卡等)，去除多余內核部分后，把生成的鏡像文件也燒入NandFlash中。

嵌入式環境中文件系統一般采用YAFFS，由于具有體積小、掛載時間短、運行穩定等特點，本系統采用YAFFS2作為文件系統，使用BusyBox工具作映像完成根文件系統的移植。

4.2改進三幀差分法的背景建模

核心板與CCD攝像頭、USB無線網卡、網線等連接好后，通電并設置核心板中的IP地址，調試與遠程服務器的聯通，在服務器中設置圖像存儲位置；打開CCD攝像頭，設置視頻采樣格式為320*240，頻率為30幀/s，開始對現場進行監控。

圖5　改進算法的背景圖

在初始化背景模型時，預設處理幀數為300，通過改進的三幀差分法來初始化背景模型如圖5所示。

圖5(a)是連續的幀視頻序列，有運動目標經過；圖5(b)是Vibe算法的背景圖，存在鬼影的干擾；圖5(c)圖是改進的三幀差分法的建模，通過直方圖來自動確定閾值，得到的目標前景與Fi做與運算，不斷消除鬼影，實驗表明在第372幀時，改進算法基本可以去除鬼影，原算法大概在1500幀時，才能去除鬼影。

4.3目標物體的檢測與修補

設定分類半徑R=20，Dmin=2，利用式(1)實現對前景目標的檢測，圖像經過處理后通過網絡傳送到服務器端存儲，同時計算模糊函數P(x)的值決定新背景模型的產生，如流程圖4所示。

動態背景中如圖6(a)所示的樹葉在擺動，當有運動物體出現時原算法會將樹葉的運動也檢測為前景如圖6(b)，同時由于圖像色調相近，提取出的目標物體有孔洞；而改進的算法考慮到空間的一致性，到第987幀圖6(c)時對前景物體的誤判會大大減少，經過圖像修補、丟棄孤立區域后，能較準確地提取出目標物體如圖6(d)所示。

圖6　改進算法的目標提取

改進后的算法可以快速消除首幀中鬼影的影響、智能更新背景模型，具有良好的動態適應性；但改進算法仍不能完全擺脫運動背景的影響，圖6(c)中存在的孤立點便是樹葉擺動的痕跡，被誤判為前景目標。在后續的工作中將進一步完善動態背景下的目標檢測，提高新背景的準確度。

5結語

本文以芯片S3C6410為核心處理器，通過連接設計好的外圍接口、CCD攝像頭、服務器等共同組成智能監控系統。為了能準確提取目標信息、減輕服務器的存儲負擔，從預處理幀序列獲取背景模型、引入模糊準則來更新背景兩方面對原Vibe算法進行改進并應用于嵌入式環境中，同時對提取出的前景目標進行輪廓修補和填充，最終通過網絡傳送到遠程的服務器端。實驗表明系統運行穩定，在動態背景中對運動目標提取的準確度提高了12%以上，存儲容量方面減少了33%以上，適合推廣使用。

參 考 文 獻

[1] 何莉.智能視頻監控系統中的運動目標檢測算法研究[D].武漢：華中科技大學，2013.

HE Li. Research on Moving Object Detection Algorithm In Intelligent Video Surveillance System[D]. Wuhan: Huazhong University of Science and Technology，2013.

[2] 新華網.北京上海多個路口現“葡萄架”密集攝像頭[EB/OL]. http://news.qq.com/a/20131105/005330.htm,2013-11-05.

[3] 魯飛.嵌入式家居網絡化監控系統的設計與實現[D].重慶：重慶大學，2013.

LU Fei. Design and Implementation of Embedded Domestic Networked Monitor System[D]. Chongqing: University of Chongqing，2013.

[4] 陳文輝.基于linux和ARM的隧道交通控制器的研究與設計[D].太原：太原理工大學，2011.

CHEN Wenhui. Research and Design of Tunnel Traffic Controller Based on the Linux and ARM[D]. Taiyuan: Taiyuan University of Technology，2011.

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

[6] 余燁，曹明偉，岳峰.EVibe：一種改進的Vibe運動目標檢測算法[J].儀器儀表學報，2014，35(4)：924-930.

YU Ye， CAO Mingwei， YUE Feng. EVibe: an improved Vibe Algorithm for Detecting moving Objects[J]. Chinese Journal of Scientific Instrument，2014，35(4)：924-930.

[7] 陳亮，陳曉竹，范振濤.基于Vibe的鬼影抑制算法[J].中國計量學院學報，2013，24(4)：425-429.

CHEN Liang， CHEN Xiaozhu， FAN ZHentao. Ghost suppression algorithm based on Vibe[J]. Journal of China University of Metrology，2013，24(4)：425-429.

[8] 王溢琴，秦振吉，蘆彩林.基于嵌入式的智能家居之視頻監控系統設計[J].計算機測量與控制，2014，22(11)：3623-3626.

WAND Yiqin， QIN ZHenji， LU Cailiin. The Dgesign of Video Surveillance System in Smart Home Based on Embedded[J]. Computer Measurement & Control，2014，22(11)：3623-3626.

[9] DING J， MA R， CHEN S. A scale-based connected coherence tree algorithm for image segmentation[J]. IEEE Transaction on Image Process，2008，17(2)：204-206.

[10] 章毓晉.圖像處理和分析[M].北京：清華大學出版社，2000:222-229.

ZHANG Liujin. Image Processing and Analysis[M]. Beijing: Tsinghua University Press，2000:222-229.

收稿日期:2016年1月10日,修回日期:2016年2月24日

基金項目:面向老年群體的信息技術教育探索與研究(編號:201601)資助。

作者簡介:齊悅,男,講師,研究方向：圖像處理、嵌入式系統。

中圖分類號TP368

DOI:10.3969/j.issn.1672-9722.2016.07.032

Video Target Detection Based on S3C6410 Processor

QI Yue

(Taiyuan Radio and TV University, Taiyuan030027)

AbstractAccording to the situation of video image storage capacity is big and later finding the target object is difficult on traditional monitoring system, this paper puts forward the embedded monitoring platform based on the chip S3C6410. The article launches the research from two aspects of hardware and software. The hardware part mainly includes S3C6410 as the core processor, video data acquisition module through connecting CAMIF port to CCD camera, and transmitting the processed data to server by RJ45 or USB interface. In the software part, this paper proposes an improved Vibe algorithm for extract moving object in embedded environment, meanwhile repairs contour and fills hole to obtained image. Experiments show that the improved algorithm can quickly eliminate ghosting and have better effect about extract of moving objects in dynamic background, realize the monitoring requirements.

Key Wordsintelligent video surveillance, S3C6410 chip, CCD camera, moving object detection, Vibe algorithm, NCF(x) factor