王子瑜 張長江 周軍華 李 強

（中國電子科技集團公司第二十七研究所 鄭州 450000）

1 引言

目標檢測跟蹤算法在20世紀中期已經(jīng)被提出，結(jié)合硬件平臺FPGA和DSP，運用到了各個領(lǐng)域，尤其在軍事方面。但是，伴隨著科學(xué)技術(shù)的發(fā)展與進步，日益復(fù)雜的戰(zhàn)場環(huán)境，對檢測跟蹤算法提出了更高的要求，所以對檢測跟蹤算法進行深入研究是非常必要的。

當前，我國有很多科研人員對目標檢測跟蹤算法進行了研究，如基于局域熵的圖像檢測跟蹤［1］，基于Top-hat的圖像檢測跟蹤［2～3］，基于塊匹配的圖像檢測跟蹤［4］，基于多尺度的圖像檢測跟蹤［5］等。這些算法都能很好地實現(xiàn)檢測跟蹤效果。但是在移植到DSP平臺時，受限于DSP的處理速度、內(nèi)存空間、外界場景等因素，有些算法移植效果并不是很好。

本文針對天空背景的弱小運動目標，根據(jù)TMS320C6455［6］的特點，將FPGA傳輸過來的1800*960像素的一幅圖像，分四次從DDR上乒乓到DSP的芯片內(nèi)部，這樣有效節(jié)省了DSP存儲的空間。然后采用偏微分［7～8］因子和幀間差分［9～10］因子相結(jié)合的算法，并對算法進行改進，減小了算法運行的時間復(fù)雜度，同時也提高了跟蹤的準確度。

2 算法簡介

DSP接收FPGA傳過來的圖像，然后進行檢測，一旦的檢測到目標，就轉(zhuǎn)入跟蹤模式，最后將目標坐標傳給FPGA和原圖疊加，顯示跟蹤效果。如果在跟蹤模式下，目標丟失，那么就會轉(zhuǎn)搜索模式，重新搜索目標。

圖1 檢測跟蹤總系統(tǒng)流程圖

本文采用的檢測跟蹤算法，首先用偏微分因子和幀間差分因子進行圖像處理，然后閾值分割，隨后進行聚類［11］和管道濾波［12］，最終得到目標。

幀間差分算法，就是將一個視頻圖像序列的緊鄰兩幅圖像作差，從而得到運動目標的信息，濾除靜態(tài)背景的信息。偏微分算法是根據(jù)目標信息和周邊灰度背景之間的關(guān)系，對一幅靜態(tài)圖像進行背景抑制［13］，從而分離出目標和背景。幀間差分得到的是一個動態(tài)算子，偏微分算法得到的是一個靜態(tài)算子，將兩者結(jié)合，能更好地凸顯目標。

在進行圖像處理后，下一步采用自適應(yīng)閾值分割，分割公式如下：

e、v分別代表圖像均值和標準差。n、k為常量，根據(jù)實際情況取。

對分割后的二值圖像進行聚類。聚類就是對閾值分割后離散的點，按照橫、縱坐標的空間位置，將空間相距比較近的一些點聚在一起，從而得到待選目標。

聚類完成后，采用管道濾波。管道濾波的原理是，真正的目標在一個小區(qū)域范圍內(nèi)是漸變的，而偽目標則是隨機的，在監(jiān)測多幀的基礎(chǔ)上，就可以濾除偽目標，得到真正的目標。

3 算法改進

本文算法改進主要體現(xiàn)在以下兩個方面。

1）從DDR上傳輸?shù)紻SP上的圖像，采用四次乒乓方式，將一幅圖像均分成4份，依次從DDR轉(zhuǎn)存到芯片內(nèi)。然后對搬到芯片內(nèi)的1/4部分圖像進行運算，存儲運算結(jié)果，之后搬運另外1/4圖像進入芯片內(nèi)運算，以此類推。

TMS320C6455的L2數(shù)據(jù)存儲空間為2M，本文要處理的圖像為1800*960，一幅圖像大約就占用了1.6M，在幀間差分計算時，為了提高計算速度，需要放兩幅圖像到L2，這樣空間不夠用。如果一幅圖像采用均分成兩次從DDR轉(zhuǎn)存到L2，L2空間勉強夠用，但是在搜索模式下，后續(xù)代碼和數(shù)據(jù)存儲空間就會顯的緊張。如果一幅圖像采用均分成8塊或者更大的塊數(shù)，從DDR轉(zhuǎn)存到L2，L2空間雖然充足夠用，但是在近距離檢測跟蹤目標時，由于目標相對較大，得到的感興趣區(qū)域就會較大，這樣感興趣區(qū)域，有可能在圖像上占用多個圖像塊，反而不利于目標圖像跟蹤。實驗表明，一幅圖像均分成4次從DDR轉(zhuǎn)存到L2，既能滿足算法數(shù)據(jù)在L2上的存儲需求，也能滿足目標檢測跟蹤的需求。

圖2 從DDR搬運圖像進入芯片內(nèi)圖示

2）算法一旦檢測到目標，就轉(zhuǎn)跟蹤模式。跟蹤模式所采用的算法和檢測模式一樣，只是檢測模式下，是全局搜索，跟蹤模式下，是感興趣區(qū)域內(nèi)搜索。在檢測到目標的坐標以后，根據(jù)得到的目標的中心位置和長、寬，得到一個以目標為中心的感興趣區(qū)域，本文采用感興趣區(qū)域的長和寬分別是目標長、寬的8倍。

一幅圖像被均分成4塊傳到芯片進行跟蹤，在得到感興趣區(qū)域的左上角坐標以后，在坐標所在的塊上進行感興趣區(qū)域跟蹤，同時，為了避免目標中心坐標在分塊的邊界上或者在下一塊中，本文采用對下一塊進行全局搜索。即如果感興趣區(qū)域左上角坐標在第一塊上，那么就在第一塊的感興趣區(qū)域進行跟蹤，在第二塊上全局檢測搜索，第三塊和第四塊不處理。依次類推。本文只在相鄰塊上進行搜跟，是因為目標一般情況不會分布在分割的三塊上。

采用這種方式進行跟蹤，一幅圖像最多被處理1/4，外加一個感興趣區(qū)域。相比于一幅圖像均分成兩次，改進算法大大減少了計算量，提高了運算速度，同時相比于一幅圖像均分成8次或者更大的次數(shù)，該改進算法提高了跟蹤的準確度。

圖3 算法改進后的一次跟蹤流程圖

4 試驗和結(jié)果分析

本文是在天空背景下飛無人機，進行了兩組試驗。

第一組試驗是分別將一幅圖像均分成2、4、8塊傳到L2，一塊進行感興趣區(qū)域跟蹤，相鄰的下一塊全局搜索。

第二組試驗是一幅圖像均分成4塊傳到L2，然后用改進的方案和傳統(tǒng)方案進行對比。

改進的方案采用一塊進行感興趣區(qū)域跟蹤，相鄰的下一塊全局搜索；傳統(tǒng)方案采用一塊進行感興趣區(qū)域跟蹤，另外所有的塊進行全局搜索。

圖4 試驗視頻截圖

表1 試驗對比結(jié)果

表2 試驗對比結(jié)果

試驗結(jié)果表明，采用一幅圖像被均分成4塊傳到L2，相比于均分成兩塊，跟蹤準確度沒有下降，但是跟蹤時間和占用空間都大幅縮小，避免了處理時間過長（系統(tǒng)要求一幀處理時間不能超過40ms），出現(xiàn)的漏幀現(xiàn)象；相比于分成8塊，雖然跟蹤時間和占用空間略大，但也能滿足DSP處理需求，同時跟蹤準確度相對提高。將一幅圖像被均分成4塊傳到L2，通過對比改進方案和傳統(tǒng)方案，發(fā)現(xiàn)跟蹤時間上，傳統(tǒng)方案不能滿足需求，會出現(xiàn)漏幀現(xiàn)象。

5 結(jié)語

本文在TMS320C6455的基礎(chǔ)上，根據(jù)DSP的特點，對弱小運動目標進行檢測跟蹤，試驗結(jié)果表明，本文的改進算法，在保證了搜跟準確度的基礎(chǔ)上，不但降低了空間復(fù)雜度，滿足了芯片的空間要求，而且能縮減運行時間，滿足系統(tǒng)對處理一幅圖像的時間要求。