基于多DSP和FPGA的實(shí)時(shí)雙模視頻跟蹤裝置

　　3.1主要算法特點(diǎn)分析

　?。?）背景差分法算法

　　背景差分是利用當前圖像與背景圖像差分來(lái)檢測出運動(dòng)區域的一種技術(shù)，一般能提供最完全的特征數據，但對于動(dòng)態(tài)場(chǎng)景的變化，如光照等事件的干擾特別敏感?？紤]到攝像機移動(dòng)緩慢，背景圖像變化比較遲緩，而運動(dòng)對象相對于背景變化較快，這樣相對于變化較慢的背景圖像來(lái)說(shuō)，可把運動(dòng)對象看作是一個(gè)對背景圖像的隨機擾動(dòng)。針對本裝置的設計要求，我們應用Kalman濾波器在零均值白噪聲的退化公式即漸消記憶遞歸最小二乘法，來(lái)更新和重建背景圖像，得到時(shí)域漸消遞歸最小二乘法的遞歸式：

　?。?）顏色濾波去陰影算法

　　如果圖像中具有運動(dòng)陰影和分割碎塊，分割所得的圖像往往與實(shí)際目標不符，產(chǎn)生欠分割或過(guò)分割的現象。由于陰影象素的灰度值在一個(gè)局部領(lǐng)域中變化不是很大，所以顏色濾波主要是構造一個(gè)包含陰影的模板，再用這個(gè)模板與差分結果做邏輯與的操作，從而檢出陰影。本算法比較簡(jiǎn)單，執行速度快，處理中不需要區分陰影和半陰影，而且可以將移動(dòng)陰影和背景中的陰影都檢出來(lái)，只是模板中的參數要根據現實(shí)情況和經(jīng)驗來(lái)定。由于靜止物體的陰影也是不動(dòng)的，所以靜止目標可以歸入背景中。由公式（2）可檢測出動(dòng)目標。

　?。?）形心跟蹤算法

　　形心跟蹤是將整個(gè)跟蹤波門(mén)內的圖像二值化，用求目標形心的辦法獲得目標位置參量。由于形心值是相對于目標面積歸一化的值，因此形心值不受目標面積、形狀以及灰度分布細節的限制。同時(shí)，形心跟蹤的計算頗為簡(jiǎn)便。但是，形心跟蹤器受目標的劇烈運動(dòng)或目標被遮擋的影響較為嚴重，瞄準點(diǎn)漂移是遠距離跟蹤系統的主要誤差之一。這也是我們采用目標軌跡擬合算法來(lái)外推運動(dòng)目標位置，并與相關(guān)跟蹤法并行工作的原因。由于形心算法比較普及，本跟蹤裝置直接采用了改進(jìn)的形心跟蹤算法，用目標峰值自適應檢測算法使系統的計算可靠性和實(shí)時(shí)性達到最佳結合值。

　?。?）相關(guān)跟蹤算法

　　相關(guān)跟蹤是對目標圖像和輸入圖像進(jìn)行相關(guān)運算，通過(guò)對搜索區域每次運算結果進(jìn)行處理獲取相關(guān)峰值，從而確定目標在輸入圖像的位置。在圖像目標背景比較復雜以及背景與目標無(wú)明顯灰度差的場(chǎng)合，相關(guān)跟蹤具有較好的抗干擾能力，可以應付一定的形變和灰度畸變，能對復雜場(chǎng)景中的指定目標進(jìn)行穩定跟蹤，并對目標交叉遮擋有較好的記憶效果，因此我們采用基于二維最小絕對差累加和算法的相關(guān)匹配算法進(jìn)行圖像特征識別，相似性度量為：

　?。?）雙模式組合算法[6]

　　如表1所示，由于形心跟蹤和相關(guān)跟蹤各有優(yōu)缺點(diǎn)，具有較大的互補性[7]

　　。采用形心跟蹤算法的DSP和相關(guān)匹配跟蹤算法的DSP同時(shí)工作，按照各自的圖像分割方法分割出目標和背景，抽取目標的特征，輸出目標的跟蹤信息。最后在主控的TMS320c6416進(jìn)行檢查，把相關(guān)匹配跟蹤模式中采用相關(guān)峰值的相關(guān)度函數構造的目標位置置信度和形心跟蹤模式的置信度進(jìn)行置信度判決，從而決定選擇跟蹤控制信號，同時(shí)對不適當的跟蹤模塊進(jìn)行重新裝定。