運動三維特征的可視化校對系統的設計與實現

賈建偉

摘 要： 通過設計運動三維特征的可視化校對系統，提高對運動目標對象的姿態修正和細節感知能力。在前期的圖像特征提取算法設計的基礎上，設計一種基于多個傳輸單元間隔陣列分配校對的運動三維特征可視化校對系統。分析了系統總體設計和架構模型，給出系統設計的功能指標；對運動三維特征的可視化校對系統的硬件部分進行分塊化設計，其包括電源電路模塊、三維特征數據加載電路模塊、復位電路模塊、A/D轉換電路模塊以及接口電路模塊；對三維特征提取算法進行程序加載，基于Visual DSP++ 4.5進行軟件系統開發，實現系統優化設計。實驗結果表明，該系統能有效實現對運動三維特征的可視化校對，對運動圖像的細節特征捕捉和提取精度較高、性能較好。

關鍵詞： 三維運動特征； 可視化校對； 系統設計； 姿態修正； 細節感知

中圖分類號： TN911?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2016）22?0001?05

extraction algorithm， a 3D motion characteristics visualization proofreading system based on multiple transmission unit interval array distribution was designed. The system overall design and architecture model are analyzed. The functional parameters to design the system are given. The design of modules in hardware part of visualization system to proofread 3D motion features is conducted， including power supply circuit module， 3D feature data load circuit module， reset circuit module， AD digital?to?analogue conversion circuit module and interface circuit module. Program load of 3D feature extraction algorithm was performed. The software system based on Visual DSP++ 4.5 was developed to realize the system optimization design. The simulation experiment results show that the system can effectively realize the visualization proofreading of 3D motion features， and has high capture and extraction accuracy for detail features of moving image.

Keywords： 3D motion feature； visualization proofreading； system design； attitude correction； detail perception

0 引 言

隨著計算機數字圖像處理技術的發展，以三維可視化圖像處理為基礎進行運動目標圖像的分析，實現對運動姿態的細節捕捉和姿態分析的能力。通過對運動三維圖像的優化識別和可視化校正技術的研究，提高對運動目標對象的跟蹤和計算機視覺識別的水平，在多媒體視覺下，采用圖像特征采集方法，結合運動三維數據庫和專家識別系統，能實現對被采集運動目標圖像的細節動作特征分析，從而實現對運動三維目標圖像的檢驗分析和指導。通過運動三維特征的可視化校對系統的設計，把圖像處理算法加載到圖像處理系統中，實現對圖像的三維校正和細節捕捉感知，研究運動三維特征的可視化校對系統，在圖像識別、動作特征分析以及身份的認證系統設計和視覺分析等領域都具有重要的應用意義，相關的系統設計方法研究得到了人們的極大關注[1?2]。

1 系統總體設計描述與功能器件選擇

1.1 運動三維特征可視化校對系統的邏輯設計

為了實現對運動三維特征的可視化校對，在前期的三維特征提取算法設計的基礎上，進行運動三維特征可視化校對系統的優化設計。系統開發分為硬件設計和軟件設計兩大部分。本系統所設計運動三維特征可視化校對系統與一般的信號處理系統不同之處在于它采用DSP進行運動三維特征數據的采樣，通過動態控制增益進行三維數據的采集，時鐘頻率為33 MHz或66 MHz。在三維特征提取中，采用外圍設備暫時接管基陣的陣列信號，進行運動三維特征的擴展總線并行收發，通過收發轉換和功率放大器以及進行地址奇偶校驗。根據系統的功能和技術要求，進行運動三維特征可視化校對系統方案設計以及硬件設計[1，3?4]，系統組成框圖如圖1所示。

運動三維特征可視化校對系統的設計思想是采用PCI 總線操作對運動三維特征信息進行數據收發設備的從屬訪問，系統設計的主要元件包括如下幾個方面：

運動三維特征的計算元件（CE）：代表運動三維特征數據網格的計算資源。

運動三維特征的存儲元件（SE）：通過局部總線向HP E1562E 8 GB發送數據存儲請求任務，實現對運動三維特征數據資源的綜合調度。

RAM緩沖區（RB）：捕獲32 位地址/數據總線中的運動三維特征的可視化校對任務，根據用局部總線傳輸數據到HP E1562E，給每個任務分配適當的副本。

副本管理器（RM）：以采集數據到HP E1562D/E數據硬盤，在每個站點控制副本管理的傳輸，實現運動三維特征的可視化信息的差分輸入和直流耦合。

根據上述系統總體設計思想，采用PCI9054的LOCAL總線設計方法，進行數據特征采集，用8個32位Maibox寄存器寄存運動三維特征的像素值信息，對運動圖像進行特征提取，當初始化時，運動場景圖像的亮點特征采樣的時鐘頻率可達到50 MHz，系統自動將行為特征線性頻率尺度提取值通過串行E2PROM進行配置校驗，在C 模式下，選擇Motorola 公司高性能 MPC850/86作為三維特征的可視化校驗視覺分析系統，運動圖像三維特征的可視化校驗視覺分析過程可以用如圖2所示的時序圖描述，在PCI Initiator操作過程中，采用可編程邏輯芯片進行圖像信息特征的譜分析，以此為基礎實現系統的優化設計。

1.2 系統的設計指標和器件選擇分析

根據上述總體設計思想和系統設計的總體架構進行系統優化設計。本文設計的運動圖像三維特征的可視化校驗系統的參數指標描述如下：

運動圖像的Harris角點檢測的頻率大于200 Hz，寄存器基器件采用IEEE?488協議進行圖像信息通信，E2PROM的配置采用VXI總線器件，采樣頻率不低于21 MHz，雙路16位電流輸出，VXI消息基器件具有電磁兼容性，通道輸入范圍為-12～20 dB，運動三維特征可視化校對的模擬濾波器HP E1433A使用新型可編程高通濾波器。根據上述設計指標，進行系統的功能描述和器件分析，運動三維特征可視化校對系統采用32位數據總線計算機模塊進行圖像特征采樣和角點像素值分析。D/A芯片選用的是ADI 的ADSP?BF537。運動三維特征可視化校對系統具有高分辨率特性，可以精確控制高壓，產生電磁輻射，外部晶體采用功耗280 W的有源晶振AD554進行圖像降噪濾波，運動三維特征可視化校對的晶振電路如圖3所示。

運動三維特征可視化校對的晶振電路經24倍頻后抑制低頻干擾，在晶振的輸出端放置一個[0.1 μF]的電容，耦合到芯片底下，實現對三維特征的時鐘波形提取。綜合以上要求，運動三維特征可視化校對系統的外圍器件選擇了ADI公司的高速A/D芯片AD9225作為核心控制處理器，進行系統的硬件電路設計。

2 系統的硬件電路模塊設計與軟件設計實現

2.1 可視化校對系統的硬件部分設計

在上述進行了運動三維特征可視化校對系統的總體設計和設計指標分析以及功能模塊構建的基礎上，進行系統的硬件模塊設計，系統的硬件模塊主要有電源電路模塊、三維特征數據加載電路模塊、復位電路模塊、A/D數模轉換電路模塊以及接口電路模塊等，具體的設計過程描述如下：

2.1.1 電源電路

運動三維特征可視化校對系統的電源電路的D/A芯片選用的是ADI的串行D/A轉換器AD5545，電源電路的內部時鐘振蕩器為ADSP?BF537，它是雙路16位內核頻率最高為126 MHz的D/A轉換器，建立時間為2 [μs]，運動三維特征可視化校對系統電源電路選用頻率為[25 MHz]、電壓為3.0 V的電源層要隔離開采樣時鐘，通過AN收發器相連，實現系統的交流供電，電源電路模塊設計如圖4所示。

由圖4可知，運動三維特征可視化校對系統的電源電路采用獨立的看門狗輸出，可視化校對系統的電源電路采用分立元件構成，其中低電池檢測或者其他電源的檢測為微分電路。當電源VCC上電時，DSP在1.6 s內隨著電容C兩端電壓的增大而產生突變，所以OUT在上電時需要通過整流濾波振蕩器進行線性調制，通過線性調頻濾波進行振蕩采樣的復位，當復位有效，持續一段時間后，DSP采樣BMODE2?0管腳，OUT變高，復位撤除，地址0x20000000執行DSP的工作。

2.1.2 三維特征數據加載電路模塊

數據加載電路又叫程序加載電路，通過引導ROM進行程序加載，ADSP?BF537程序加載方式較多，本文對運動三維特征可視化校對系統設計過程中，對運動圖像的三維特征數據程序加載模式分析如表1所示。

綜上所述，得到本文設計的運動圖像的三維特征的數據加載電路設計如圖5所示。

采用表1所述的各個加載方式，結合本文設計的運動三維特征的可視化校對程序加載電路，進行運動三維特征的可視化校對。

2.1.3 復位電路模塊

運動三維特征可視化校對系統的復位電路是執行系統的幀同步信號、運放AD8674輸出的復位功能，運動三維特征可視化校對系統的復位電路采用CAN 8674為主控芯片，芯片采用的是4通道高性能運放數據交換，復位電路的帶寬為10 MHz，使用ADUM1201進行3線制接口供電，AD8674產生輸出范圍為0～5 V，看門狗復位電路的輸入端從外部16位存儲器讀取運動圖像的像素角點檢測特征值，從地址0x20000000執行0x00字節的時鐘同步程序，E2PROM的輸出口S0和輸入口接一個上拉電阻，由此實現對三維可視化校對系統的自動復位，復位電路設計如圖6所示。

2.1.4 A/D轉換電路模塊

運動三維特征可視化校對系統的A/D轉換電路是實現對輸入數據的數模轉換，提供給計算機和DSP芯片可識別的原始運動三維特征數據。本文設計的運動三維特征可視化校對系統的A/D電路的分辨率為12位，最大采樣頻率為25 kHz，采用AD公司的高性能AD芯片AD9225進行設計，采樣時鐘由CLKBUF給出，ADG3301在輸出端口的絕對電壓滿足：

A/D電路的設計需要減弱電源毛刺對模擬電路產生的干擾影響，實現單通道雙向電平轉換，根據上述設計思路，得到A/D電路的設計結果如圖7所示。

2.1.5 接口電路模塊

系統的接口電路是實現數據的輸入輸出以及人機通信等功能，接口電路是系統設計不可少的重要模塊，本文設計的接口電路采用并聯瞬態二極管TVS設計，接口芯片為82C250，CANH和CANL與地并聯進行控制信號的輸入輸出，得到接口電路設計結果如圖8所示。

在上述運動三維特征可視化校對系統模塊化設計的基礎上，進行系統的硬件集成設計，得到集成電路設計結果如圖9所示。

2.2 系統的軟件設計與程序實現

在上述進行了運動三維特征可視化校對系統的硬件電路設計的基礎上，進行系統的軟件開發設計，并結合前期的圖像處理算法，進行程序開發，實現系統的完整設計。本系統的軟件開發建立在Visual DSP++ 4.5軟件開發平臺基礎上，Visual DSP++通過圖形窗口建立運動三維特征的可視化編輯和校對窗口，通過指令流水查看器進行程序加載和數據分析，實現三維運動特征的可視化校對，在Visual DSP++的Simulator和Emulator中進行軟件開發，通過Emulator，在Windows 窗口下優化ANSI C編譯，程序開始后首先進行初始化，判斷雙緩沖區的A/D采樣，執行同步串口0初始化，采用SPORT0_TCLKDIV寄存器產生幀同步片選信號，配置PORT_MUX寄存器進行可視化校對的程序特征輸出，配置CAN_MBIM1進入CAN收發模式，采用PPI默認的DMA通道實現系統的人機通信和PPI數據讀取，根據上述設計思想，采用多個傳輸單元間隔陣列分配校對，得到軟件開發的流程如圖10所示。

根據上述軟件開發流程設計，進行運動三維特征可視化校對系統的軟件開發和系統設計，最后進行程序加載，通過系統調試進行性能驗證。

3 程序加載和系統調試實驗

為了測試本文設計的運動三維特征可視化校對系統的性能，進行系統仿真實驗，開發應用程序之前，定義系統文件，進行三維圖像處理算法的程序加載，程序加載過程代碼如下：

S根據上述程序加載結果，確定運動三維特征可視化校對系統的變量和數組，軟件調試采用Tektronix TX3 True RMS MultiMeter，運動三維特征可視化校對系統的輸出顯示通過Agilent 混合示波器實現，得到系統對原始的三維圖像的采集輸出結果如圖11所示，采用本文方法進行三維特征的可視化校對，得到校對輸出結果如圖12所示。

從圖12可見，采用本文設計的系統能有效實現對運動三維特征的可視化校對，對運動圖像的細節特征捕捉和提取精度較高，性能較好，展示了較好的應用性能。

4 結 語

通過運動三維特征的可視化校對系統的設計，把圖像處理算法加載到圖像處理系統中，實現對圖像的三維校正和細節捕捉感知，在圖像識別、體育運動訓練指導、體動作特征分析等方面具有重要意義。本文提出一種基于多個傳輸單元間隔陣列分配校對的運動三維特征的可視化校對系統的設計方法，首先進行了系統總體設計描述和系統的架構分析，給出系統設計的功能指標，對運動三維特征的可視化校對系統的硬件部分進行分塊化設計，對三維特征提取算法進行程序加載，基于Visual DSP++ 4.5進行軟件系統開發，進行系統仿真實驗。研究結果表明，采用該系統進行運動三維特征的可視化校對，具有較好的運動特征提取和細節分析能力與較好的圖像處理性能。

參考文獻

[1] 李計添，何永強，陳財森，等.一種基于灰度投影算法的車載電子穩像方法[J].紅外技術，2010，32（6）：328?332.

[2] 姜浩，馮敏，肖桐，等.基于線狀特征增強的TM遙感影像細小河流提取方法[J].測繪學報，2014，43（7）：705?710.

[3] 朱娟娟，郭寶龍.一種運動載體攝像的自適應穩像系統[J].光電子·激光，2007，18（1）：108?112.

[4] 馬忠麗，李慧鳳，文杰，等.高速水面艇視覺系統電子穩像算法[J].計算機應用研究，2014，31（2）：633?636.

[5] PALOMARES I， MARTINEZ L， HERRERA F. A consensus model to detect and manage non?cooperative behaviors in large scale group decision making [J]. IEEE transactions on fuzzy system， 2014， 22（3）： 516?530.

[6] ZHANG H， WANG Z， LIU D A. Comprehensive review of stability analysis of continuous?time recurrent neural networks [J]. IEEE transactions on neural networks and learning systems， 2014， 25（7）： 1229?1262.

[7] 盂勃，韓廣良.基于改進的尺度不變特征變換特征點匹配的電子穩像算法[J].計算機應用，2012，32（10）：2817?2820.

[8] 彭小江，張家樹.基于特征匹配和校驗的魯棒實時電子穩像[J].光子學報，2011，40（9）：1442?1446.

[9] 任少盟，魏振忠，張廣軍.基于擴展Kalman預測模型的雙目立體視覺圖像特征點跟蹤方法[J].電子測量技術，2012，35（1）：71?75.