基于S3C6410处理器的视频目标检测研究*

齐　悦

(太原广播电视大学　太原　030027)



基于S3C6410处理器的视频目标检测研究*

齐悦

(太原广播电视大学太原030027)

摘要针对传统监控系统中视频图像存储容量大、后期查找目标物体困难的情况，提出以芯片S3C6410为基础的实时嵌入式监控平台。文章从硬件和软件两方面展开研究，硬件方面以S3C6410为核心处理器，通过CAMIF端口与CCD摄像头连接完成数据采集，处理后的数据通过RJ45或USB接口传给服务器；软件方面提出适合嵌入式环境下的改进Vibe算法来提取运动目标物体，并对图像进行轮廓修补和孔洞填充。通过实验表明改进后的算法能快速消除鬼影，在动态背景下提取运动目标效果好，实现了监控的需求。

关键词智能视频监控; S3C6410芯片; CCD摄像头; 运动目标检测; Vibe算法; NCF(x)因子

Class NumberTP368

1引言

随着智能化地球、智能化家园的兴起，视频监控的智能化成为研究热点。传统视频监控系统中摄像头的功能是录像[1]，录像后通过数据线把视频信息传送到监控端显示和存储；视频的存储，主要是为事故的分析、取证提供依据，而从大量的视频数据中找出所需信息，需耗费工作人员许多的时间和精力，同时随着摄像头不断的增多[2]，海量视频数据的产生，快速获取人们感兴趣的信息成为难点问题。因此改变监控系统运行模式、降低人力成本、发展智能监控成为必然趋势。

随着可定制操作系统、硬件集成工艺、网络等相关技术的发展，嵌入式技术迎来了广阔的发展前景。把嵌入式技术引入传统的视频监控系统中，通过嵌入式芯片可独立地对现场状况进行分析、判断，并做出及时处理，能有效减轻工作人员后续工作负担。因此，本文提出把摄像头采集回的数据首先交给嵌入式处理器，处理器依靠自身的硬件资源和软件算法完成对图像数据的处理，最后再通过网络交给远程的监控端存储，大大减轻工作人员的负担。

2硬件平台设计

基于S3C6410处理器的视频监控系统由CCD摄像头、远程监控端服务器和以S3C6410为芯片处理器的开发板组成，其工作流程为：摄像头把采集完的数据交给处理器，处理器依靠改进的Vibe目标检测算法完成对数据的处理，最后通过网络传给远端的监控服务器。

2.1S3C6410核心板

考虑到视频监控系统的功能需求，选用了三星公司生产的主频为533MHz、内存为256M的S3C6410处理器，该处理器外观尺寸仅为5cm*6cm，具有体积小、功耗低、功能强大、运行稳定等优点。核心处理器自身拥有许多外接端口，如USB/SD、CAMIF(视频采集)、JTAG(调试)、网络接口等，通过它们可以和CCD摄像头、远程监控端共同组成智能视频监系统，如图1所示。

图1　系统结构图

2.2监控摄像头

系统采用图像传感器为CCD的摄像头，主要是由于它拍摄的图像质量好、噪声数据少[3]、灵敏度高等，便于系统对视频序列中目标的检测。但目前市场上大多数相机拍摄的信号为模拟信号，无法直接与核心板上的CAMIF端口相连，因此，增加TVP5150A模数转换芯片，其连接如图2所示。

图2　模数转换芯片与S3C6410的连接

通过引脚XciYDATA[7:0]和YOUT[7:0]的连接完成视频数据的模数转换，考虑到视频数据在VP5150A和S3C6410之间的传输速率，本文采用较快的串行传输，即HSYNC和VSYNC引脚无需与主控芯片连接(若连接，则为并行传输)，SDA引脚为串行数据线，SCL引脚为串行时钟线，引脚SCLK通过XciPCLK来设置芯片S3C6410的外部图像数据像素的串行时钟输入。

经过TVP5150A芯片的转换，把摄像头采集到的视频信息以DMA形式传送至DDR中，为后续的目标识别做准备。

2.3数据传输

考虑到系统在实际应用中的情况，本系统设置有线传输和无线传输两种方式。

采用RJ45接口进行有线传输时，核心板需连接以太网控制芯片DM9000A，具体的连接方法与文献[4]类似；监控系统通过USB无线网卡进行无线传输时，可在芯片的USB Host/OTG2.0设计USB接口电路如图3所示。USB Host端口用于与PC机通信，USB Slave连接芯片Ralink3070的无线网卡。

图3　USB的Host和Slave接口

USB无线网卡连接Slave端口，作为从设备，在S3C6410主设备的控制下发送数据。

3监控系统中的运动目标检测

为了从大量视频中提取出运动的目标物体，需采用检测算法。国内外学者提出了多种检测算法，Olivier Barnich等[5]提出的Vibe算法具有计算简单、实时性高、鲁棒性好等优点，成为本系统的选择。

3.1Vibe传统算法

Barnich等提出Vibe算法的主要创新是更新背景机制，他们首次在样本背景建模中使用随机选择策略，同时更新其邻域背景模型中的历史值，使得样本中的像素点分布与实际情况相一致，大大提高了算法对运动目标的检测精度。Vibe算法主要考虑背景模型的初始化、依靠式(1)计算的前景检测、背景模型的更新等[6]三方面的内容。

D={{v(x)±R}∩M(x)}

(1)

其中Vibe算法的背景更新[7]包括背景随机更新、随机时间下的背景更新、随机更新邻域像素三方面。在随机时间下的背景更新中，Vibe算法采用时间二次抽样因子φ，实验证明值为16时，可得到较好的背景。

3.2改进的Vibe算法

传统Vibe算法中，背景模型的初始化、像素点的分类和模型的更新都比较简单、计算快，适合嵌入式环境。但在实际应用中该算法存在如下问题：以第一帧图像中的像素点来初始化背景模型，容易引入运动物体的鬼影；由于外界因素的干扰，对目标物体的提取不准确，当图像的对比度小时，提取出的目标物体有孔洞等；针对以上问题，本文从以下两方面来改进算法。

1) 基于改进三帧差分的背景模型初始化。其算法的具体步骤为：

Step1：视频中前3帧图像的处理与Vibe算法相同，获取运动物体的前景。

Step2：设Ti表示待处理的图像，i≥4。将前3帧图像分别做差分，采用直方图[8]分割出运动目标物体并与Ti-1帧做“与”运算，消除Ti-1帧的部分鬼影。

Step3：i+1，重复Step2，直到预设帧数为止。

通过对背景模型的预处理，可以快速消除首帧中运动物体存在的鬼影，与实际情况吻合。

2) 采取模糊准则更新背景。针对原Vibe算法中采用二次抽样因子φ进行背景更新，本文通过模糊准则的方式进行背景更新。参考文献[9]后提出邻域一致因子NCF(x)，因子表示x的邻域与背景的匹配度，计算如式(2)。

(2)

其中：Nx表示x的邻域集合，Ωx表示x邻域中与背景模型匹配成功的像素。

由式(2)可知，NCF值越大，表明x邻域与背景模型M(x)匹配上的像素点越多，用x来更新背景M(x)越合理。因此抽样因子φ更改为P(x)×φ，其中P(x)定义模糊函数为

引入模糊函数P(x)后，背景的更新会考虑当前像素点邻域与背景模型的匹配程度，NCF(x)值越大，更新时间就越快，反之，背景不更新，增强了对动态环境的适应性，有助于准确提取目标物体。

3.3前景目标图像处理

通过改进Vibe算法提取出的前景图像轮廓不完整，图像内部存在小孔，仍需进一步对图像进行处理，主要包括修补目标轮廓和填充内部小孔。

借鉴文献[10]给出了对轮廓端点的定义，设定两端点的距离阈值，小目标为3.4，大目标为7.8，在阈值范围内用线连接端点，使其联通，否则去除该端点，完成对目标轮廓的修补。

根据相邻像素点在空间邻域中保持一致的特点，本文通过计算当前点和8邻域中任一点的像素值来填充图像中的小孔，具体算法为：

Step1：选取图像中的像素点xi；

Step2：计算xi点的像素值，并与8邻域中的任一点y的像素值进行比较；

Step3：若不在设定的阈值范围内，则像素点x被y取代；

Step4：i加1，重复Step1，直至所有像素点都被访问。

3.4监控系统的处理过程

处理后的图像，在芯片S3C6410的控制下，通过RJ45端口或无线USB端口传输到远程监控端。改进Vibe算法在监控系统中的执行过程如图4所示。

图4　监控系统的处理过程

相比较传统监控系统，本系统主要提取前景中的运动目标物体，舍弃大部分的背景，使监控图像的容量减小，适合远程传输、服务器的存储和查找。

4系统调试

4.1软件环境的配置

嵌入式核心板在通电后并不能直接运行操作系统Linux，因此软件环境配置中首先需设置引导内核程序，本系统采用U-boot-1.1.6软件，安装成功后进行配置，经过Gcc-4.5.1-v6-vfp版本的交叉编译生成u-boot. bin文件，将此文件烧写入NandFlash中。

引导程序配置好后，软件环境搭建的第二步为裁剪和补充Linux内核。从官网下载Linux-2.6.35.4内核，补充处理器S3C6410的板级文件内容，对DM9000A网卡和多媒体设备进行具体配置(如CCD摄像头、USB接口的无线网卡等)，去除多余内核部分后，把生成的镜像文件也烧入NandFlash中。

嵌入式环境中文件系统一般采用YAFFS，由于具有体积小、挂载时间短、运行稳定等特点，本系统采用YAFFS2作为文件系统，使用BusyBox工具作映像完成根文件系统的移植。

4.2改进三帧差分法的背景建模

核心板与CCD摄像头、USB无线网卡、网线等连接好后，通电并设置核心板中的IP地址，调试与远程服务器的联通，在服务器中设置图像存储位置；打开CCD摄像头，设置视频采样格式为320*240，频率为30帧/s，开始对现场进行监控。

图5　改进算法的背景图

在初始化背景模型时，预设处理帧数为300，通过改进的三帧差分法来初始化背景模型如图5所示。

图5(a)是连续的帧视频序列，有运动目标经过；图5(b)是Vibe算法的背景图，存在鬼影的干扰；图5(c)图是改进的三帧差分法的建模，通过直方图来自动确定阈值，得到的目标前景与Fi做与运算，不断消除鬼影，实验表明在第372帧时，改进算法基本可以去除鬼影，原算法大概在1500帧时，才能去除鬼影。

4.3目标物体的检测与修补

设定分类半径R=20，Dmin=2，利用式(1)实现对前景目标的检测，图像经过处理后通过网络传送到服务器端存储，同时计算模糊函数P(x)的值决定新背景模型的产生，如流程图4所示。

动态背景中如图6(a)所示的树叶在摆动，当有运动物体出现时原算法会将树叶的运动也检测为前景如图6(b)，同时由于图像色调相近，提取出的目标物体有孔洞；而改进的算法考虑到空间的一致性，到第987帧图6(c)时对前景物体的误判会大大减少，经过图像修补、丢弃孤立区域后，能较准确地提取出目标物体如图6(d)所示。

图6　改进算法的目标提取

改进后的算法可以快速消除首帧中鬼影的影响、智能更新背景模型，具有良好的动态适应性；但改进算法仍不能完全摆脱运动背景的影响，图6(c)中存在的孤立点便是树叶摆动的痕迹，被误判为前景目标。在后续的工作中将进一步完善动态背景下的目标检测，提高新背景的准确度。

5结语

本文以芯片S3C6410为核心处理器，通过连接设计好的外围接口、CCD摄像头、服务器等共同组成智能监控系统。为了能准确提取目标信息、减轻服务器的存储负担，从预处理帧序列获取背景模型、引入模糊准则来更新背景两方面对原Vibe算法进行改进并应用于嵌入式环境中，同时对提取出的前景目标进行轮廓修补和填充，最终通过网络传送到远程的服务器端。实验表明系统运行稳定，在动态背景中对运动目标提取的准确度提高了12%以上，存储容量方面减少了33%以上，适合推广使用。

参 考 文 献

[1] 何莉.智能视频监控系统中的运动目标检测算法研究[D].武汉：华中科技大学，2013.

HE Li. Research on Moving Object Detection Algorithm In Intelligent Video Surveillance System[D]. Wuhan: Huazhong University of Science and Technology，2013.

[2] 新华网.北京上海多个路口现“葡萄架”密集摄像头[EB/OL]. http://news.qq.com/a/20131105/005330.htm,2013-11-05.

[3] 鲁飞.嵌入式家居网络化监控系统的设计与实现[D].重庆：重庆大学，2013.

LU Fei. Design and Implementation of Embedded Domestic Networked Monitor System[D]. Chongqing: University of Chongqing，2013.

[4] 陈文辉.基于linux和ARM的隧道交通控制器的研究与设计[D].太原：太原理工大学，2011.

CHEN Wenhui. Research and Design of Tunnel Traffic Controller Based on the Linux and ARM[D]. Taiyuan: Taiyuan University of Technology，2011.

[5] Barnich O, Droogenbroeck M V. Vibe: A universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Proceeding，2011，20(6)：1709-1724.

[6] 余烨，曹明伟，岳峰.EVibe：一种改进的Vibe运动目标检测算法[J].仪器仪表学报，2014，35(4)：924-930.

YU Ye， CAO Mingwei， YUE Feng. EVibe: an improved Vibe Algorithm for Detecting moving Objects[J]. Chinese Journal of Scientific Instrument，2014，35(4)：924-930.

[7] 陈亮，陈晓竹，范振涛.基于Vibe的鬼影抑制算法[J].中国计量学院学报，2013，24(4)：425-429.

CHEN Liang， CHEN Xiaozhu， FAN ZHentao. Ghost suppression algorithm based on Vibe[J]. Journal of China University of Metrology，2013，24(4)：425-429.

[8] 王溢琴，秦振吉，芦彩林.基于嵌入式的智能家居之视频监控系统设计[J].计算机测量与控制，2014，22(11)：3623-3626.

WAND Yiqin， QIN ZHenji， LU Cailiin. The Dgesign of Video Surveillance System in Smart Home Based on Embedded[J]. Computer Measurement & Control，2014，22(11)：3623-3626.

[9] DING J， MA R， CHEN S. A scale-based connected coherence tree algorithm for image segmentation[J]. IEEE Transaction on Image Process，2008，17(2)：204-206.

[10] 章毓晋.图像处理和分析[M].北京：清华大学出版社，2000:222-229.

ZHANG Liujin. Image Processing and Analysis[M]. Beijing: Tsinghua University Press，2000:222-229.

收稿日期:2016年1月10日,修回日期:2016年2月24日

基金项目:面向老年群体的信息技术教育探索与研究(编号:201601)资助。

作者简介:齐悦,男,讲师,研究方向：图像处理、嵌入式系统。

中图分类号TP368

DOI:10.3969/j.issn.1672-9722.2016.07.032

Video Target Detection Based on S3C6410 Processor

QI Yue

(Taiyuan Radio and TV University, Taiyuan030027)

AbstractAccording to the situation of video image storage capacity is big and later finding the target object is difficult on traditional monitoring system, this paper puts forward the embedded monitoring platform based on the chip S3C6410. The article launches the research from two aspects of hardware and software. The hardware part mainly includes S3C6410 as the core processor, video data acquisition module through connecting CAMIF port to CCD camera, and transmitting the processed data to server by RJ45 or USB interface. In the software part, this paper proposes an improved Vibe algorithm for extract moving object in embedded environment, meanwhile repairs contour and fills hole to obtained image. Experiments show that the improved algorithm can quickly eliminate ghosting and have better effect about extract of moving objects in dynamic background, realize the monitoring requirements.

Key Wordsintelligent video surveillance, S3C6410 chip, CCD camera, moving object detection, Vibe algorithm, NCF(x) factor