基于TMS320C6455的弱小运动目标的检测跟踪算法的研究∗

2022-02-18王子瑜张长江周军华

舰船电子工程 2022年11期

王子瑜张长江周军华李强

（中国电子科技集团公司第二十七研究所郑州 450000）

1 引言

目标检测跟踪算法在20世纪中期已经被提出，结合硬件平台FPGA和DSP，运用到了各个领域，尤其在军事方面。但是，伴随着科学技术的发展与进步，日益复杂的战场环境，对检测跟踪算法提出了更高的要求，所以对检测跟踪算法进行深入研究是非常必要的。

当前，我国有很多科研人员对目标检测跟踪算法进行了研究，如基于局域熵的图像检测跟踪［1］，基于Top-hat的图像检测跟踪［2～3］，基于块匹配的图像检测跟踪［4］，基于多尺度的图像检测跟踪［5］等。这些算法都能很好地实现检测跟踪效果。但是在移植到DSP平台时，受限于DSP的处理速度、内存空间、外界场景等因素，有些算法移植效果并不是很好。

本文针对天空背景的弱小运动目标，根据TMS320C6455［6］的特点，将FPGA传输过来的1800*960像素的一幅图像，分四次从DDR上乒乓到DSP的芯片内部，这样有效节省了DSP存储的空间。然后采用偏微分［7～8］因子和帧间差分［9～10］因子相结合的算法，并对算法进行改进，减小了算法运行的时间复杂度，同时也提高了跟踪的准确度。

2 算法简介

DSP接收FPGA传过来的图像，然后进行检测，一旦的检测到目标，就转入跟踪模式，最后将目标坐标传给FPGA和原图叠加，显示跟踪效果。如果在跟踪模式下，目标丢失，那么就会转搜索模式，重新搜索目标。

图1 检测跟踪总系统流程图

本文采用的检测跟踪算法，首先用偏微分因子和帧间差分因子进行图像处理，然后阈值分割，随后进行聚类［11］和管道滤波［12］，最终得到目标。

帧间差分算法，就是将一个视频图像序列的紧邻两幅图像作差，从而得到运动目标的信息，滤除静态背景的信息。偏微分算法是根据目标信息和周边灰度背景之间的关系，对一幅静态图像进行背景抑制［13］，从而分离出目标和背景。帧间差分得到的是一个动态算子，偏微分算法得到的是一个静态算子，将两者结合，能更好地凸显目标。

在进行图像处理后，下一步采用自适应阈值分割，分割公式如下：

e、v分别代表图像均值和标准差。n、k为常量，根据实际情况取。

对分割后的二值图像进行聚类。聚类就是对阈值分割后离散的点，按照横、纵坐标的空间位置，将空间相距比较近的一些点聚在一起，从而得到待选目标。

聚类完成后，采用管道滤波。管道滤波的原理是，真正的目标在一个小区域范围内是渐变的，而伪目标则是随机的，在监测多帧的基础上，就可以滤除伪目标，得到真正的目标。

3 算法改进

本文算法改进主要体现在以下两个方面。

1）从DDR上传输到DSP上的图像，采用四次乒乓方式，将一幅图像均分成4份，依次从DDR转存到芯片内。然后对搬到芯片内的1/4部分图像进行运算，存储运算结果，之后搬运另外1/4图像进入芯片内运算，以此类推。

TMS320C6455的L2数据存储空间为2M，本文要处理的图像为1800*960，一幅图像大约就占用了1.6M，在帧间差分计算时，为了提高计算速度，需要放两幅图像到L2，这样空间不够用。如果一幅图像采用均分成两次从DDR转存到L2，L2空间勉强够用，但是在搜索模式下，后续代码和数据存储空间就会显的紧张。如果一幅图像采用均分成8块或者更大的块数，从DDR转存到L2，L2空间虽然充足够用，但是在近距离检测跟踪目标时，由于目标相对较大，得到的感兴趣区域就会较大，这样感兴趣区域，有可能在图像上占用多个图像块，反而不利于目标图像跟踪。实验表明，一幅图像均分成4次从DDR转存到L2，既能满足算法数据在L2上的存储需求，也能满足目标检测跟踪的需求。

图2 从DDR搬运图像进入芯片内图示

2）算法一旦检测到目标，就转跟踪模式。跟踪模式所采用的算法和检测模式一样，只是检测模式下，是全局搜索，跟踪模式下，是感兴趣区域内搜索。在检测到目标的坐标以后，根据得到的目标的中心位置和长、宽，得到一个以目标为中心的感兴趣区域，本文采用感兴趣区域的长和宽分别是目标长、宽的8倍。

一幅图像被均分成4块传到芯片进行跟踪，在得到感兴趣区域的左上角坐标以后，在坐标所在的块上进行感兴趣区域跟踪，同时，为了避免目标中心坐标在分块的边界上或者在下一块中，本文采用对下一块进行全局搜索。即如果感兴趣区域左上角坐标在第一块上，那么就在第一块的感兴趣区域进行跟踪，在第二块上全局检测搜索，第三块和第四块不处理。依次类推。本文只在相邻块上进行搜跟，是因为目标一般情况不会分布在分割的三块上。

采用这种方式进行跟踪，一幅图像最多被处理1/4，外加一个感兴趣区域。相比于一幅图像均分成两次，改进算法大大减少了计算量，提高了运算速度，同时相比于一幅图像均分成8次或者更大的次数，该改进算法提高了跟踪的准确度。

图3 算法改进后的一次跟踪流程图

4 试验和结果分析

本文是在天空背景下飞无人机，进行了两组试验。

第一组试验是分别将一幅图像均分成2、4、8块传到L2，一块进行感兴趣区域跟踪，相邻的下一块全局搜索。

第二组试验是一幅图像均分成4块传到L2，然后用改进的方案和传统方案进行对比。

改进的方案采用一块进行感兴趣区域跟踪，相邻的下一块全局搜索；传统方案采用一块进行感兴趣区域跟踪，另外所有的块进行全局搜索。

图4 试验视频截图

表1 试验对比结果

表2 试验对比结果

试验结果表明，采用一幅图像被均分成4块传到L2，相比于均分成两块，跟踪准确度没有下降，但是跟踪时间和占用空间都大幅缩小，避免了处理时间过长（系统要求一帧处理时间不能超过40ms），出现的漏帧现象；相比于分成8块，虽然跟踪时间和占用空间略大，但也能满足DSP处理需求，同时跟踪准确度相对提高。将一幅图像被均分成4块传到L2，通过对比改进方案和传统方案，发现跟踪时间上，传统方案不能满足需求，会出现漏帧现象。