基于DM642的運動目標檢測系統設計與實現
加入技術交流群
上述背景差分法中，可隨機獲取開機時刻的一幀圖像為初始背景圖像。為了讓圖像之間的差異更加明顯，按每間隔4幀來獲取下一幅圖像作為當前圖像，進行背景差分得到差分圖像，將差分圖像灰度的和與設定閥值FF相比較，判定是否需要更新當前背景，閥值FF為經驗值，本文取20000。背景更新公式中的系數a反映了背景更新快慢，其取值范圍在[0，1]之間，a越大，背景更新速度越快，a越小，背景更新速度越慢。
1．3 差分圖像的二值化
對差分圖像按照下式二值化：
式中的閥值TR采用大津法獲取。在實際測試時發現，直接采用大津法獲取的閥值TR對差分圖像二值化進行處理時，如果沒有物體運動，那么二值化得到的圖像為噪聲的二值化圖像，這樣直接處理得到的二值化噪聲圖像在后續的形態學濾波中很難完全消除，通過分析差分圖像的直方圖，發現當沒有物體運動時，差分圖像的直方圖主要分布在0～10間，此時大津法獲取的閥值為1～6之間；當有物體運動時，差分圖像的直方圖分布在0～255之間，此時大津法獲取的閥值為20以上。
基于以上的分析，本文采用改進的方法，如果大津法獲取的閥值小于10，則說明沒有物體運動，否則說明有物體運動，當閥值小于10時，按照下式進行二值化處理
f(x，y，tk)=0 當TR10
即當沒有物體運動時，獲取的二值化圖像應為全黑，這樣后續的形態學處理只需對有物體運動時的二值化圖像進行處理即可。圖2分別為無物體運動時直接二值化和采用改進方法二值化后的結果。其中a)為直接采用大津法獲取的閥值分割沒有物體運動時的差分圖像的結果，可以看出圖中布滿噪聲；b)為對大津法獲取的閥值進行判斷后，沒有物體運動時的差分圖像分割的結果，可以看出此時圖像為全黑，也即沒有運動物體，這與實際情況相符，簡化了后續的形態學處理。本文引用地址：http://www.104case.com/article/166355.htm
2 算法的TMS320DM642實現
2．1 硬件平臺
硬件平臺采用TMS320DM642作為CPU，該芯片主頻600MHz。視頻編解碼芯片采用SAA7115H和SAA7105H。另外采用了兩片SDRAM(共4M×64bi-t)芯片作為存儲介質，用于圖像的暫時存儲，同時還采用一片FLASH用于實現自啟動，硬件平臺框圖見圖3。
評論