多运动目标实时提取系统设计与实现

摘  要： 针对弹道测量环境中大视场、大数据量、高速传输复杂的图像中多运动目标提取算法，设计了基于双DSP+FPGA的实时图像处理系统。提出了一种结合背景自适应更新与基于窗口的目标提取算法，通过背景自适应更新算法得到目标运动区域，再运用基于窗口的目标提取算法实时提取多运动目标的信息。实验证明，系统能准确实时地提取目标信息，满足弹道测量系统要求。
关键词： 数字信号处理器；实时图像处理；多目标提取；自适应背景更新

    弹道测量设备属于常规武器实验靶场的重要光电测量试验设备，其特点是视场大、测试精度高，目标为凸形目标，但需要处理的数据量非常大，只能进行事后处理。目标实时提取的核心在于背景的实时更新及目标的快速检测。最简单的背景减法的实现是选取一个固定模型作为背景，这个模型用来从背景中区分运动区域。但这种方法对于光强度变化、物体从背景中闯入或消失、树叶摆动等动态运动不能处理。因此需要更加智能的背景更新算法来防止假目标的产生。在实际应用中，通过背景更新提取目标区域时，可能还会出现多个假目标。实际中目标的各种参数提取需要目标所有的像素点坐标、灰度值等信息[1]，若将这些信息全部存储后再进行计算则需要大量的存储空间，而且由于运算的复杂性，还会大大降低处理的实时性。本文提出了一种自适应背景更新算法来初步提取目标运动区域，而后用一种基于窗口的目标提取算法来实现多目标信息的提取。
1 双DSP+FPGA实时数字图像处理系统硬件构成
    采用美国TI公司的高速数字信号处理器TMS320-DM642为处理核心，采用现场可编程门阵列FPGA Virtex-II系列芯片VC2V2000进行预处理，并辅以数字图像存储器单口RAM CY7C1061AV33_8ZC和双口RAM IDT70V28L20PFG等器件构成了实时高速数字图像处理系统。主/从DSP外接SDRAM。FPGA扩展了IO资源接口，系统原理框图如图1所示。

    系统工作原理是将线阵CCD相机采集后的原始图像数据输入到FPGA。一方面原始图像数据由FPGA乒乓缓存到FPGA外接图像存储器组SRAM1、SRAM2中，以供主DSP通过FPGA从中乒乓取出，由PCI接口来完成原始视频数据的实时传输；另一方面，原始图像数据通过FPGA从DSP采入到SDRAM2中，以便从DSP进行背景抑制及背景更新处理。主DSP主要完成原始图像数据的传输及根据目标的运动区域对多目标块的连通性分析及目标相关参数的提取。SDRAM1用来存储中间图像及运算结果。命令交互双口RAM用来实现主/从DSP间的命令及图像数据交互。
2 背景处理算法
    目前有多种背景更新算法，如基于卡尔曼滤波的背景更新算法[3]和基于分类的背景更新算法。邹承明等人提出了一种改进的自适应背景更新算法[4]对背景进行插值优化来进行目标和噪声的分类检测，算法检测效果较稳定。这些算法的缺点是运算复杂，不适宜实时处理，对背景更新速度也难以控制。本文提出了一种实时处理的背景自适应更新算法。
2.1 基于统计的背景模型
    常用的描述背景点灰度概率分布是高斯分布，有单模态和多模态两种。固定光照情况下，在估计图像捕获噪声时，单模态高斯模型一般足以表示背景图像的特性，而多模态高斯模型实际上经常出现多表面或光照的改变。由于背景变化相对缓慢，且主要为天空背景，光照变化相对较小，所以用一个自适应单高斯模型来逼近这个过程。设在一段时间内，同一个像素点像素值服从高斯分布，均值为u(i，j)，标准方差为?滓(i，j)，i和j为像素点在图像中的横坐标和纵坐标：
    
    在开始建模时，每一个像素点的分布是未知的，初始化用第一帧的像素值作为u(i，j)，标准方差为0。由于背景信息是通过不断学习更新得到的，兼顾了过去的背景信息，因此该方法对图像中偶然出现的假目标有一定的抑制作用。
2.2 背景抑制
    目前背景抑制有两种方法。
    (1)固定背景差分法。它是一种有效的运动对象检测算法,其特点是高效和简单。但是对于复杂场景的适应性比较差。
    (2)时间间隔图像差分法。这种方法实时性好，适合背景的实时更新。将前后两帧的图像fk(i，j)，fk+1(i，j)进行差分处理，背景抑制过程如下：
     
式中，α1、α2为学习因子，控制更新速度，x表示新帧中像素点的灰度值。此背景更新策略不仅可以将背景区域和拖影区域实时更新，还可以控制其更新速度。
3 基于窗口多目标提取算法
    目前图像的目标提取绝大部分是将超过阈值的所有像素点进行连通性分析，然后将同一连通块的所有像素点存储起来，在连通分析结束后对目标进行信息提取[4]。这种方法存在两种缺点：(1)需要大量存储空间来存储超过阈值像素点信息；(2)由于事后进行信息计算，所以对目标提取的实时性有所影响。提出了一种基于窗口的多目标检测算法，原理见图2。

    图像超过阈值的新增像素点按从左到右、从上到下的顺序加入第i个目标判定窗口进行八连通判定。若属于目标i，则马上进行质心、平均灰度等目标信息提取，并且将目标i的窗口按图3所示进行更新。目标i只需存储更新后的窗口坐标范围及与目标相关的提取信息，而不需要存储所有阈值像素点信息。若新增像素点坐标范围在目标i的判定窗口外，则此目标判定结束。详细流程见图3、图4。

4 实验结果
    为了验证系统的准确性、实时性和稳定性，在野外以同时打1，2…，15发信号弹模拟多运动目标来进行测试。相机帧频为40 帧/s，分辨率为2 K×2 K。系统各部分计算时间通过PCI接口传入PC机端进行记录。在背景更新中灰度阈值T为60，学习因子?琢1、?琢2分别为0.82、0.73的条件下，当目标数分别为1，2，…，14，15时测得背景更新消耗时间分别为8.047 ms，9.110 ms，9.341 ms，…，10.101 ms，12.623 ms；目标提取消耗时间分别为9.089 ms，10.411 ms，11.345 ms，…，16.554 ms，18.344 ms。系统采用双DSP二级流水性处理方式。单帧图像背景更新和目标提取最大处理时间为18.344 ms，满足实时处理要求。
    为说明此系统背景更新算法的优越性，将卡尔曼滤波算法与本文方法进行比较。当实际目标数为1，2，3，…，14，15时，前者出现假目标数分别为7，8，7，…，9，10，需要的处理时间分别为12.001 ms，13.384 ms，13.799 ms，…，14.298 ms，14.793 ms；而采用本文方法出现的假目标数分别为1，2，3，…，3，2，需要的处理时间分别是8.047 ms，9.110 ms，9.341 ms，…，10.101 ms，12.623 ms；在比较目标提取方法优越性时，将基于像素的多目标提取方法与基于窗口方法进行了比较。前者需要的处理时间分别为14.153 ms，16.321 ms，17.520 ms，…，19.621 ms，23.691 ms；而本文方法处理时间分别为9.089 ms，10.411 ms，11.345 ms，…，16.554 ms，18.344 ms。
    基于大视场、大容量数据实时处理的要求，设计了基于双DSP和FPGA的嵌入式大面阵多运动目标实时硬件及软件的采集处理系统。应用基于高斯背景模型的自适应背景更新算法，完成了对大面阵小运动目标区域的提取。基于窗口的多目标提取算法解决了以往嵌入式多目标提取空间需求大的问题，实时快速地提取了目标信息。实验证明，该系统处理准确、实时性高、满足靶场弹道测试等大视场多运动小目标的实时提取任务。