蔣志良，趙 攀

(1.重慶郵電大學(xué)通信新技術(shù)應(yīng)用研究所，重慶 400065;2.重慶信科設(shè)計(jì)有限公司，重慶 400065)

隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，智能監(jiān)控技術(shù)研究取得了長足的進(jìn)步。目前，嵌入式監(jiān)控系統(tǒng)完成的運(yùn)動(dòng)檢測、識(shí)別、跟蹤廣泛地應(yīng)用于國防建設(shè)、航空航海、醫(yī)藥衛(wèi)生、安全監(jiān)控等國民經(jīng)濟(jì)的各個(gè)領(lǐng)域。筆者設(shè)計(jì)了以DM6467為主處理器，結(jié)合目標(biāo)跟蹤法算法和網(wǎng)絡(luò)傳輸?shù)倪h(yuǎn)程智能監(jiān)控系統(tǒng)。本系統(tǒng)和其他視頻處理系統(tǒng)相比，具有體積小、功耗低、運(yùn)行穩(wěn)定、便于擴(kuò)展等技術(shù)優(yōu)勢，有著廣泛的應(yīng)用前景。

1 系統(tǒng)總體設(shè)計(jì)

智能監(jiān)控系統(tǒng)的總體結(jié)構(gòu)如圖1所示，由視頻采集模塊、視頻處理模塊、視頻壓縮傳輸模塊、終端控制播放等模塊組成。視頻采集模塊利用攝像頭對(duì)現(xiàn)場進(jìn)行實(shí)時(shí)采集，并把視頻信號(hào)傳送到視頻處理器。視頻處理器基于達(dá)芬奇(DaVinci)雙核處理器和Linux嵌人式系統(tǒng)對(duì)目標(biāo)進(jìn)行檢測和跟蹤，并將其結(jié)果進(jìn)行視頻編解碼壓縮，通過以太網(wǎng)接口進(jìn)行遠(yuǎn)程傳輸，并通過硬盤將其存儲(chǔ)，同時(shí)主處理器還負(fù)責(zé)將客戶控制端發(fā)來的信息轉(zhuǎn)化成外設(shè)控制。客戶控制端則負(fù)責(zé)視頻解碼及播放，同時(shí)把用戶的操作轉(zhuǎn)換成相應(yīng)的控制信號(hào)發(fā)送到視頻處理中心，如縮放、抓拍、攝像頭調(diào)度等［1－2］。

圖1 系統(tǒng)總體設(shè)計(jì)框圖

2 達(dá)芬奇平臺(tái)

2.1 系統(tǒng)軟件設(shè)計(jì)

軟件系統(tǒng)一般分為應(yīng)用層、信號(hào)處理層和I/O層三部分，達(dá)芬奇軟件框架也是基于這樣的結(jié)構(gòu)，如圖2所示。DaVinci用戶在應(yīng)用層ARM端進(jìn)行Linux應(yīng)用程序的開發(fā)，包括I/O操作與Linux API函數(shù)的調(diào)用(主要負(fù)責(zé)外圍設(shè)備的控制)并使用由Codec Engine提供的VISA API接口，實(shí)現(xiàn)對(duì)視頻、圖像、語音以及音頻信號(hào)的處理，此外DaVinci用戶還可以添加和發(fā)揮自己的特色。信號(hào)處理層通常都運(yùn)行在DSP一側(cè)，負(fù)責(zé)信號(hào)處理，包括音視頻編解碼算法、Codec Engine、DSP的實(shí)時(shí)操作系統(tǒng)DSP/BIOS以及處理器間通信模塊。ARM端與DSP端的通信則是通過Codec Engine，使用DSP/BIOS Link及xDM接口協(xié)議，與DSP端的Remote Server進(jìn)行通信，并通過共享存儲(chǔ)空間的方式實(shí)現(xiàn)的。

圖2 系統(tǒng)軟件設(shè)計(jì)框圖

2.2 系統(tǒng)硬件設(shè)計(jì)

本系統(tǒng)采用TI公司的最新一代視頻處理芯片DM6467為硬件核心處理器，硬件設(shè)計(jì)框圖見圖3。它的視頻輸入模塊采用8路視頻接口，并采用2組TVP5158作為數(shù)模轉(zhuǎn)化器，內(nèi)置2組獨(dú)立HDVICP協(xié)處理器單元，極大地提高了編碼效率，提供了更多智能處理能力。中央處理器包括ARM+DSP雙核處理器，其中ARM主要負(fù)責(zé)系統(tǒng)的控制，而DSP主要負(fù)責(zé)音視頻算法的實(shí)現(xiàn)。存儲(chǔ)模塊除了用于視頻信息的存儲(chǔ)硬盤外，還包括用于初始化的NOR閃存。外圍設(shè)備，以太網(wǎng)接口、USB接口等，為網(wǎng)絡(luò)傳輸提供了多種路徑。

圖3 系統(tǒng)硬件設(shè)計(jì)框圖

3 系統(tǒng)的算法實(shí)現(xiàn)

3.1 目標(biāo)跟蹤算法

目標(biāo)跟蹤算法實(shí)質(zhì)上就是基于區(qū)域、特征、模型的圖像匹配問題，考慮到區(qū)域匹配和特征匹配的精確性問題，本文采用基于動(dòng)態(tài)輪廓Snake模型的跟蹤算法，它不僅適用于復(fù)雜的環(huán)境，而且具有良好的穩(wěn)健性［3－6］。

動(dòng)態(tài)輪廓Snake模型就是一條可變形的參數(shù)曲線及相應(yīng)的能量函數(shù)，以最小化能量函數(shù)為目標(biāo)，控制參數(shù)曲線變形，從而提出目標(biāo)輪廓曲線實(shí)現(xiàn)其跟蹤。Snake的初始化輪廓曲線定義為 X(s，t)=(x(s，t)，y(s，t))，s∈［0，1］。曲線的能量函數(shù)為Ε =)+ Εext(X(s，t))}ds，由此可知曲線的收斂取決于基于模板特性的內(nèi)能函數(shù)Εint和基于圖像特性的外能函數(shù)Εext。內(nèi)部能量函數(shù)為Εint(X(s，t))=(α(s)+β(s))，其中α為曲線的連續(xù)性控制參數(shù)，β為曲線的光滑性控制參數(shù)，Xs和Xss分別為X(s，t)對(duì)s的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。

外部能量函數(shù)Eext=γEimage(X(s，t))由圖像的灰度、邊緣等特征獲得。對(duì)于I(x，y)一般采用以下圖像能量函數(shù)(X(s，t))= ±［Gσ(x，y)*I(x，y)］，(X(s，t))=±I(x，y)，其中Gσ(x，y)為標(biāo)準(zhǔn)差為σ的二維高斯函數(shù)，為梯度算法。為了使能量函數(shù)最小，Snake必須滿足歐拉方程即 αX″(s，t)－ βX?(s，t)－Eext=0，能量平衡方程可視為驅(qū)動(dòng)力的平衡方程Fint+Fext=0。其中，F(xiàn)int= αX″(s，t)－ βX?(s，t)，控制著曲線的特性。Fext= －Eext，將活動(dòng)輪廓吸引到目標(biāo)輪廓，Snake 在內(nèi)力Fint的吸引驅(qū)動(dòng)下向目標(biāo)輪廓移動(dòng)，而外力Fext在保持Snake拓?fù)湫缘耐瑫r(shí)隨著Snake的移動(dòng)變化，最終達(dá)到內(nèi)外力之和等于零，這時(shí)，Snake就停留在目標(biāo)輪廓上。

3.2 算法的運(yùn)行

算法主要由ARM端和DSP端協(xié)同工作實(shí)現(xiàn)的，如圖4所示。首先進(jìn)行系統(tǒng)初始化，ARM端通過TVP5158進(jìn)行視頻圖像采集并進(jìn)行模/數(shù)轉(zhuǎn)化，Codec engine一方面通過VISA API函數(shù)調(diào)用視頻數(shù)據(jù)，放入共享內(nèi)存，另一方面通過 DSP link與 DSP端 Codec server進(jìn)行通信，DSP端則通過Codec server調(diào)用符合xDM標(biāo)準(zhǔn)的目標(biāo)跟蹤算法進(jìn)行視頻圖像處理，并將結(jié)果放入共享內(nèi)存，然后繼續(xù)調(diào)用符合xDM標(biāo)準(zhǔn)的H.264算法進(jìn)行視頻壓縮，應(yīng)用程序再通過共享內(nèi)存，將其壓縮后的數(shù)據(jù)通過以太網(wǎng)接口發(fā)送到終端進(jìn)行播放。

3.3 實(shí)驗(yàn)結(jié)果

如圖5為系統(tǒng)的實(shí)驗(yàn)結(jié)果，可以看出當(dāng)有人員經(jīng)過監(jiān)控區(qū)域時(shí)，目標(biāo)跟蹤系統(tǒng)就會(huì)自動(dòng)進(jìn)行目標(biāo)檢測與跟蹤，并自動(dòng)顯示跟蹤結(jié)果。

4 結(jié)束語

本文采用了最先進(jìn)的達(dá)芬奇嵌入式技術(shù)與目標(biāo)跟蹤算法相結(jié)合的設(shè)計(jì)方案，實(shí)現(xiàn)了監(jiān)控系統(tǒng)的智能化，從實(shí)驗(yàn)結(jié)果可知該系統(tǒng)具有來良好的穩(wěn)定性和穩(wěn)健性，并具有廣泛的應(yīng)用前景。

圖4 系統(tǒng)算法實(shí)現(xiàn)

圖5 系統(tǒng)算法實(shí)現(xiàn)

［1］HARITAOGLU I，HARWOOD D，DAVIS L S.W4:Realtime surveillance of people and their activities［J］.IEEE Trans.Pattern Analysis and Machine Intelligence，2000，22(8):809－830.

［2］WREN C R，AZARBAYEJANI A.Pfinder:real－time tracking of the human body［J］.IEEE Tran.Pattern Analysis and Machine Intelligence，1997，19(7):780－785.

［3］王平，陳素華，董福洲.運(yùn)動(dòng)目標(biāo)檢測技術(shù)在智能監(jiān)控系統(tǒng)中的應(yīng)用［J］.電視技術(shù)，2007，31(7):81－83.

［4］侯志強(qiáng)，韓崇昭.視覺跟蹤技術(shù)綜述［J］.自動(dòng)化學(xué)報(bào)，2006，32(4):603－614.

［5］陳鋒強(qiáng).復(fù)雜場景下運(yùn)動(dòng)物體檢測與跟蹤算法的研究［D］.上海:上海交通大學(xué)，2008.

［6］邵文坤，黃愛民，韋慶.動(dòng)態(tài)場景下運(yùn)動(dòng)目標(biāo)跟蹤方法研究［J］.計(jì)算機(jī)仿真，2006(5):17－20.