IEEE1394视频视觉系统中DSP软硬件设计

于背景消减的运动检测和跟踪算法。这种算法的关键在于背景重建，在此应用了基于帧间平均的背景重建方法，并在此基础上针对硬件可实现性和处理的实时性提出了改进。最后，为了克服背景消减算法噪声较大的先天不足，采用了形态学滤波的方法去处噪声。

帧间平均算法使用当前帧之间各帧的像素平均值作为当前背景的估计值，如下式所示：

从公式中可以看出，这种算法只需要在图像采集系统的基础上多添加一片帧存储器用来存储估计背景即可，因此对硬件资源要求低。另外，背景是随着n增加逐渐恢复的，所以背景过程并不影响图像处理结果的实时传输和显示。显然，n越大，背景恢复越真实，可以控制n的大小调整处理时间和处理效果之间的平衡。

然而，由于上面的公式中有除法运算，所以无论使用FPGA还是DSP来实现都有一定的困难。以DSP为例，对于本系统所用的TMS320C3x系列DSP来说，一次整数除法运算要用约100条指令，这显然对处理的实时性有很大的影响。

为了克服这一算法缺陷，提出了如下的变加权均值算法：

上式中，各帧取平均值并没有采用相同的加权，而是以2的整数幂2m作为步长，在每个步长内，对已估计出的背景都给予该步长内最大的加权值（2m-1） /2m，这比原算法中背景的加权值（n-1）/n更大，也就是说变加权算法在背景估计中列加依赖于已经估计出的背景，这有利于消除当前帧中噪声对背景估计的影响。在整个背景估计过程中，m截止来，步长也越大，同时已估计出的背景的权重也越大。同时可以看到，除数都变成了2的整数幂，可以用移位来实现，与原算法相比，运算效率提高了近100倍。然而，处理效果并未因此而受到损失，这是因为这种加权值的改变遵循这样一种事实：随着帧数的增加，估计出的背景的可信度越来越高，当前帧对背景的影响也越来越小，所以已估计出的背景在公式中所占的比重也应该越来越大。实验证明：m=6时，已经足可以估计出较为真实的背景了。

DSP的扩展RAM用来了存放已经估计出的背景，将当前帧与背景相减取绝对值，再进行二值化，就得到了运动目标的二值化图像。为了消除噪声的影响，最后使用一个7×7的菱形结构元素对图像进行形态学开运算。最终的结果再存回帧缓存。

图4是处理结构传回主机后，用VC实现的应用程序界面，其中左上角是在原始图像上添加的动目标检测结果，右上角是二值化的动目标，左下角是背景恢复图，右下角是是运动跳跃轨迹；图5是n=64时，恢复出的背景；图6是利用改进的变加权帧间平均算法得到的目标运动检测结果，其中较大的方框是形态学滤波前的检测结果，受到车灯倒影的影响 （如图中白色圆圈标示），检测结果精度很差，内部较小的方框则通过形态学滤波解决了这个问题。

经测试表明：本系统工作稳定，传输速率高（30fps@640×480），处理效果好，可扩展性强，是机器视觉算法硬件实现的一次成功尝试。但是目前的算法还有待改进，例如在保证实时性和硬件易实现性的前提下，大片的灯光倒影很难再用形态学滤波的方法消除。这是下一步要着重解决的问题。