[实用新型]基于DSP的运动目标检测与跟踪系统

说明书

技术领域

本发明属于图像处理与计算机视觉领域，涉及DSP技术，特别涉及一种运动目标检测与跟踪的方法和系统。

背景技术

运动目标的检测与跟踪技术是计算机视觉的重要分支，是当前智能图像处理和视频处理的热点问题，有着广阔的应用前景和长远的经济价值。在军事方面，运动目标检测与跟踪技术可用于对空中或者地面监视范围内的运动目标的检测与跟踪；在社会生活方面，运动目标检测与跟踪技术可用于各种单位的实时监控，及时发现险情，预测可能出现的危险；在医学方面，运动目标的检测与跟踪技术可以使医生更好的诊断病情，解除病人痛苦。

运动目标检测技术是指通过图像序列间的运算，找出图像中运动目标所在区域，为之后运动目标的匹配与跟踪做准备。常用的运动目标检测方法主要有：背景差分法、帧间差分法和光流法。但是背景差分法无法适应实际环境中光线的变化；帧间差分法下分割出来的运动区域内常有空洞；光流法的计算量庞大，算法复杂无法满足实时跟踪的要求。

运动目标跟踪技术是指分析检测获取的运动目标，将不同帧内的同一运动目标关联起来，得到其运动轨迹。常用的运动目标跟踪方法有：基于模板的跟踪、基于特征的跟踪、基于目标区域的跟踪和基于目标轮廓的跟踪。但是基于模板的跟踪计算量很大；基于特征的跟踪很难确定目标的特征；基于目标区域的跟踪当目标被遮挡或者变形时容易跟丢目标；基于目标轮廓的跟踪很难实时跟踪速度快或者形变大的目标。

粒子群优化算法是Kennedy博士和Eberhart博士通过对鸟群觅食行为的研究，提出的一种求解复杂问题的优化方法，在求解问题的最优解时，每个粒子通过当前自身的最优解（个体极值                                                ）和整个粒子群的最优解（全局极值）来更新自己的速度和位置，进而通过适应度评价函数计算对应的适应值，进而比较适应值选择出整体最优解，依据下式更新下一代的速度和位置，不断迭代从而寻找到系统的最优解。

              

                                 

其中，为惯性权重，为粒子的速度，为学习因子，其取值为，和是（0,1）之间的随机数，代表个体极值，代表全局极值。粒子在空间中不断学习个体极值和全局极值的经验更新粒子速度和位置直到寻找到最优解。

钻石搜索法是指充分利用运动矢量的中心偏执思想，通过搜索窗口中心位置附近的点找到目标模块与待搜索区域的最佳匹配区域。在使用该方法搜索最佳匹配区域时，选择小的搜索模板可能陷入局部最优，而选择大的搜索模板可能无法找到最佳匹配区域，因此该方法采用两种形状大小的钻石模板进行匹配搜索。其搜索过程如下：首先从搜索窗口的中心开始，反复使用大钻石模板进行搜索。如果最佳匹配点出现在模块的边沿，那么以该点为中心，继续以大钻石模板进行搜索；如果最佳匹配点出现在模板的中心，那么换用小钻石模板进行搜索周围的四个点，找出最佳匹配点，最后结束搜索。在搜索过程中，如果本步需要搜索的点在上一步中已经搜索过了，那么就不再考虑这些点了。如果模板中有些点超出了搜索窗口的范围，那么也不再考虑这些点。虽然钻石搜索法没有限定搜索的次数，但是由于运动矢量的中心偏置，会很快搜索到最佳匹配区域。

目前需要提出更加有效的运动目标检测与跟踪方法。

发明内容

为克服上述已有技术问题的不足，本发明提出一种实时的基于DSP的运动目标的检测与跟踪方法以及实现这种方法的图像处理系统，从而实现运动目标的实时检测与跟踪。

本发明提供的基于DSP的运动目标检测与跟踪系统，包含视频采集模块、视频处理模块以及显示模块；所述视频采集模块通过一路CCD摄像头采集视频信号，将采集的模拟视频信号传输到SEED VPM642视频处理模块，在VPM642中通过高性能视频解码器TVP5150将模拟视频信号转换成BT.656格式的视频信号，并将该信号传输给DSP的视频接口；DSP的视频接口结合EDMA通道将视频信号传送到SDRAM的缓存区中，通过DM642处理完数据后，由视频编码器SAA7121H将数据转换成模拟信号传送给显示模块的显示器，通过显示器显示前景运动目标。

本发明还提供了一种改进的针对采集到的图像中Y分量的背景建模方法，包括如下步骤：

步骤1：首先输入一帧图像，判断帧数是否大于3，当帧数大于3的时候对输入图像的Y分量进行连续三帧差分，并将差分后的图像进行二值化；假设输入的三帧图像分别为，其差分图像分别记为，其中，其三帧差分图像记为，此处&代表逻辑与运算；