摘 要： 針對彈道測量環境中大視場、大數據量、高速傳輸復雜的圖像中多運動目標提取算法，設計了基于雙DSP+FPGA的實時圖像處理系統。提出了一種結合背景自適應更新與基于窗口的目標提取算法，通過背景自適應更新算法得到目標運動區域，再運用基于窗口的目標提取算法實時提取多運動目標的信息。實驗證明，系統能準確實時地提取目標信息，滿足彈道測量系統要求。
關鍵詞： 數字信號處理器；實時圖像處理；多目標提取；自適應背景更新

彈道測量設備屬于常規武器實驗靶場的重要光電測量試驗設備，其特點是視場大、測試精度高，目標為凸形目標，但需要處理的數據量非常大，只能進行事后處理。目標實時提取的核心在于背景的實時更新及目標的快速檢測。最簡單的背景減法的實現是選取一個固定模型作為背景，這個模型用來從背景中區分運動區域。但這種方法對于光強度變化、物體從背景中闖入或消失、樹葉擺動等動態運動不能處理。因此需要更加智能的背景更新算法來防止假目標的產生。在實際應用中，通過背景更新提取目標區域時，可能還會出現多個假目標。實際中目標的各種參數提取需要目標所有的像素點坐標、灰度值等信息[1]，若將這些信息全部存儲后再進行計算則需要大量的存儲空間，而且由于運算的復雜性，還會大大降低處理的實時性。本文提出了一種自適應背景更新算法來初步提取目標運動區域，而后用一種基于窗口的目標提取算法來實現多目標信息的提取。
1 雙DSP+FPGA實時數字圖像處理系統硬件構成
采用美國TI公司的高速數字信號處理器TMS320-DM642為處理核心，采用現場可編程門陣列FPGA Virtex-II系列芯片VC2V2000進行預處理，并輔以數字圖像存儲器單口RAM CY7C1061AV33_8ZC和雙口RAM IDT70V28L20PFG等器件構成了實時高速數字圖像處理系統。主/從DSP外接SDRAM。FPGA擴展了IO資源接口，系統原理框圖如圖1所示。

系統工作原理是將線陣CCD相機采集后的原始圖像數據輸入到FPGA。一方面原始圖像數據由FPGA乒乓緩存到FPGA外接圖像存儲器組SRAM1、SRAM2中，以供主DSP通過FPGA從中乒乓取出，由PCI接口來完成原始視頻數據的實時傳輸；另一方面，原始圖像數據通過FPGA從DSP采入到SDRAM2中，以便從DSP進行背景抑制及背景更新處理。主DSP主要完成原始圖像數據的傳輸及根據目標的運動區域對多目標塊的連通性分析及目標相關參數的提取。SDRAM1用來存儲中間圖像及運算結果。命令交互雙口RAM用來實現主/從DSP間的命令及圖像數據交互。
2 背景處理算法
目前有多種背景更新算法，如基于卡爾曼濾波的背景更新算法[3]和基于分類的背景更新算法。鄒承明等人提出了一種改進的自適應背景更新算法[4]對背景進行插值優化來進行目標和噪聲的分類檢測，算法檢測效果較穩定。這些算法的缺點是運算復雜，不適宜實時處理，對背景更新速度也難以控制。本文提出了一種實時處理的背景自適應更新算法。
2.1 基于統計的背景模型
常用的描述背景點灰度概率分布是高斯分布，有單模態和多模態兩種。固定光照情況下，在估計圖像捕獲噪聲時，單模態高斯模型一般足以表示背景圖像的特性，而多模態高斯模型實際上經常出現多表面或光照的改變。由于背景變化相對緩慢，且主要為天空背景，光照變化相對較小，所以用一個自適應單高斯模型來逼近這個過程。設在一段時間內，同一個像素點像素值服從高斯分布，均值為u(i，j)，標準方差為?滓(i，j)，i和j為像素點在圖像中的橫坐標和縱坐標：

在開始建模時，每一個像素點的分布是未知的，初始化用第一幀的像素值作為u(i，j)，標準方差為0。由于背景信息是通過不斷學習更新得到的，兼顧了過去的背景信息，因此該方法對圖像中偶然出現的假目標有一定的抑制作用。
2.2 背景抑制
目前背景抑制有兩種方法。
(1)固定背景差分法。它是一種有效的運動對象檢測算法,其特點是高效和簡單。但是對于復雜場景的適應性比較差。
(2)時間間隔圖像差分法。這種方法實時性好，適合背景的實時更新。將前后兩幀的圖像fk(i，j)，fk+1(i，j)進行差分處理，背景抑制過程如下：

式中，α1、α2為學習因子，控制更新速度，x表示新幀中像素點的灰度值。此背景更新策略不僅可以將背景區域和拖影區域實時更新，還可以控制其更新速度。
3 基于窗口多目標提取算法
目前圖像的目標提取絕大部分是將超過閾值的所有像素點進行連通性分析，然后將同一連通塊的所有像素點存儲起來，在連通分析結束后對目標進行信息提取[4]。這種方法存在兩種缺點：(1)需要大量存儲空間來存儲超過閾值像素點信息；(2)由于事后進行信息計算，所以對目標提取的實時性有所影響。提出了一種基于窗口的多目標檢測算法，原理見圖2。

圖像超過閾值的新增像素點按從左到右、從上到下的順序加入第i個目標判定窗口進行八連通判定。若屬于目標i，則馬上進行質心、平均灰度等目標信息提取，并且將目標i的窗口按圖3所示進行更新。目標i只需存儲更新后的窗口坐標范圍及與目標相關的提取信息，而不需要存儲所有閾值像素點信息。若新增像素點坐標范圍在目標i的判定窗口外，則此目標判定結束。詳細流程見圖3、圖4。

4 實驗結果
為了驗證系統的準確性、實時性和穩定性，在野外以同時打1，2…，15發信號彈模擬多運動目標來進行測試。相機幀頻為40 幀/s，分辨率為2 K×2 K。系統各部分計算時間通過PCI接口傳入PC機端進行記錄。在背景更新中灰度閾值T為60，學習因子?琢1、?琢2分別為0.82、0.73的條件下，當目標數分別為1，2，…，14，15時測得背景更新消耗時間分別為8.047 ms，9.110 ms，9.341 ms，…，10.101 ms，12.623 ms；目標提取消耗時間分別為9.089 ms，10.411 ms，11.345 ms，…，16.554 ms，18.344 ms。系統采用雙DSP二級流水性處理方式。單幀圖像背景更新和目標提取最大處理時間為18.344 ms，滿足實時處理要求。
為說明此系統背景更新算法的優越性，將卡爾曼濾波算法與本文方法進行比較。當實際目標數為1，2，3，…，14，15時，前者出現假目標數分別為7，8，7，…，9，10，需要的處理時間分別為12.001 ms，13.384 ms，13.799 ms，…，14.298 ms，14.793 ms；而采用本文方法出現的假目標數分別為1，2，3，…，3，2，需要的處理時間分別是8.047 ms，9.110 ms，9.341 ms，…，10.101 ms，12.623 ms；在比較目標提取方法優越性時，將基于像素的多目標提取方法與基于窗口方法進行了比較。前者需要的處理時間分別為14.153 ms，16.321 ms，17.520 ms，…，19.621 ms，23.691 ms；而本文方法處理時間分別為9.089 ms，10.411 ms，11.345 ms，…，16.554 ms，18.344 ms。
基于大視場、大容量數據實時處理的要求，設計了基于雙DSP和FPGA的嵌入式大面陣多運動目標實時硬件及軟件的采集處理系統。應用基于高斯背景模型的自適應背景更新算法，完成了對大面陣小運動目標區域的提取。基于窗口的多目標提取算法解決了以往嵌入式多目標提取空間需求大的問題，實時快速地提取了目標信息。實驗證明，該系統處理準確、實時性高、滿足靶場彈道測試等大視場多運動小目標的實時提取任務。