基于DM642的智能视频监控系统的DSP实现
算法设计与DSP实现
本文引用地址：http://www.eepw.com.cn/article/101027.htm基于DM642的智能视频监控系统的核心是智能视频监控算法，本算法可以实现对监控目标物越线产生报警，对贵重物体消失产生报警，对可疑物体产生报警。算法原理：首先利用改进的帧间差分法来初始化背景模型，得到自适应背景图像[9];然后把当前图像和背景图像做差分运算;再使用动态阈值法对差值图像二值化，引入形态学噪声滤波器来消除噪声影响[8];进而使用快速二值图像连通域标记算法提取动目标;最后与用户预先设置的警戒规则进行比较，如有违规，产生报警信息。算法流程如图4所示。
自适应背景模型建立
在运动目标检测过程中背景模型建立的准确与否直接影响到目标检测结果的好坏。由于背景是个渐变的过程，所以采用了自适应背景更新方法：在视频图像序列中先假设第一帧图像为参考图像I0，在随后的图像序列中找两帧图像I1和I2，要求运动部分在I0，I1以及I2中所占区域没有重叠，将三帧图像的灰度值平均得到图像I：
将图像I与I0进行比较，如果差别较大(差值超出某一阈值T0)，则为目标区域，否则为背景区域;在目标区域，进一步判断I1与I2的灰度值，如差别不大(差值小于某一阈值T1)，则可用I1或I2中对应区域作为背景对应区域，否则用I0中对应区域作为背景对应区域，经过这一替代，就可以得到一个不包含运动目标的背景图像Ib。然后用此参考图像初始化背景图像模型，公式如下：
差值图像建立及二值化
自适应背景BL产生后，每一帧视频图像将与BL差分，并得到差分后的差值图像，进而进行二值化。在这一过程中，阈值选取的优劣是二值化结果好坏的关键。本文采用动态阈值法进行二值化处理。它的基本思想是对于需要二值化的每一帧差值图像，确定一个最佳阈值，使图像进行二值化处理后，能方便而准确的定位目标物。具体过程如下。
评论