基于DM642的运动目标检测系统设计与实现
上述背景差分法中，可随机获取开机时刻的一帧图像为初始背景图像。为了让图像之间的差异更加明显，按每间隔4帧来获取下一幅图像作为当前图像，进行背景差分得到差分图像，将差分图像灰度的和与设定阀值FF相比较，判定是否需要更新当前背景，阀值FF为经验值，本文取20000。背景更新公式中的系数a反映了背景更新快慢，其取值范围在[0，1]之间，a越大，背景更新速度越快，a越小，背景更新速度越慢。
1．3 差分图像的二值化
对差分图像按照下式二值化：
式中的阀值TR采用大津法获取。在实际测试时发现，直接采用大津法获取的阀值TR对差分图像二值化进行处理时，如果没有物体运动，那么二值化得到的图像为噪声的二值化图像，这样直接处理得到的二值化噪声图像在后续的形态学滤波中很难完全消除，通过分析差分图像的直方图，发现当没有物体运动时，差分图像的直方图主要分布在0～10间，此时大津法获取的阀值为1～6之间；当有物体运动时，差分图像的直方图分布在0～255之间，此时大津法获取的阀值为20以上。
基于以上的分析，本文采用改进的方法，如果大津法获取的阀值小于10，则说明没有物体运动，否则说明有物体运动，当阀值小于10时，按照下式进行二值化处理
f(x，y，tk)=0 当TR10
即当没有物体运动时，获取的二值化图像应为全黑，这样后续的形态学处理只需对有物体运动时的二值化图像进行处理即可。图2分别为无物体运动时直接二值化和采用改进方法二值化后的结果。其中a)为直接采用大津法获取的阀值分割没有物体运动时的差分图像的结果，可以看出图中布满噪声；b)为对大津法获取的阀值进行判断后，没有物体运动时的差分图像分割的结果，可以看出此时图像为全黑，也即没有运动物体，这与实际情况相符，简化了后续的形态学处理。本文引用地址：//m.amcfsurvey.com/article/166355.htm
2 算法的TMS320DM642实现
2．1 硬件平台
硬件平台采用TMS320DM642作为CPU，该芯片主频600MHz。视频编解码芯片采用SAA7115H和SAA7105H。另外采用了两片SDRAM(共4M×64bi-t)芯片作为存储介质，用于图像的暂时存储，同时还采用一片FLASH用于实现自启动，硬件平台框图见图3。
评论