基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤

蔣 巍，張 健，曾 浩

（1.重慶郵電大學(xué)通信與信息工程學(xué)院，重慶400065;2.中國(guó)電子科技集團(tuán)公司第三研究所音視頻研發(fā)部，北京 100015）

隨著視頻監(jiān)控的應(yīng)用范圍的不斷擴(kuò)大，視頻處理技術(shù)的迅速發(fā)展，智能監(jiān)控系統(tǒng)應(yīng)運(yùn)而生。智能監(jiān)控系統(tǒng)通過對(duì)采集到的圖像序列進(jìn)行分析和處理，對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤，掌握其運(yùn)動(dòng)特征，判斷其運(yùn)動(dòng)趨勢(shì)，并及時(shí)作出信息反饋，廣泛應(yīng)用于安防、刑偵、金融、醫(yī)療衛(wèi)生等領(lǐng)域。而在當(dāng)今智能視頻監(jiān)控領(lǐng)域，利用嵌入式穩(wěn)定性高、尺寸小、硬件可裁剪、模塊化程度高而且支持以太網(wǎng)等特點(diǎn)，結(jié)合現(xiàn)代圖像處理技術(shù)，提高系統(tǒng)的智能化程度，已經(jīng)成為技術(shù)改良的新方向。

在智能監(jiān)控的具體應(yīng)用環(huán)境中，例如刑事偵查、交通管理系統(tǒng)，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的需求不斷提高，要求系統(tǒng)在保證實(shí)時(shí)性的前提下同樣達(dá)到精確程度上的提升。目標(biāo)檢測(cè)中，在傳統(tǒng)的光流法、幀間差分法、背景差分法的基礎(chǔ)上，一些新的算法例如基于特征點(diǎn)和基于背景建模結(jié)合的算法、Surendra型背景更新算法等。但是基于算法復(fù)雜程度和實(shí)現(xiàn)環(huán)境條件限制的問題，實(shí)際應(yīng)用較難。所以，結(jié)合嵌入式系統(tǒng)實(shí)現(xiàn)更有效的運(yùn)動(dòng)目標(biāo)檢測(cè)、識(shí)別和追蹤，也成為本文研究和需要解決的重點(diǎn)問題。

本文結(jié)合具體項(xiàng)目需求，硬件系統(tǒng)處理器選用TI公司的基于DaVinci技術(shù)的TMS320DM365，其ARM926EJ-S內(nèi)核可到300 MHz速率，具有視頻處理子系統(tǒng)（VPSS），同時(shí)集成了 H.264，MPEG-4，MPEG-2，MJPEG 和 VC1 編解碼器，并提供了免專利費(fèi)編解碼套件以及高級(jí)音視頻套件，可以同時(shí)輸出720p，D1，CIF等碼流或更多組合方式。TMS320DM365還集成了多種組件和多種板載外設(shè)，可有效地降低開發(fā)成本。本文以該處理器為核心，完成周邊基礎(chǔ)硬件模塊的配置，搭建智能監(jiān)控系統(tǒng)硬件平臺(tái)。在此基礎(chǔ)上，針對(duì)系統(tǒng)設(shè)計(jì)需求，設(shè)計(jì)軟件流程，構(gòu)建軟件平臺(tái)，對(duì)目標(biāo)檢測(cè)跟蹤部分進(jìn)行算法的分析改進(jìn)。利用改進(jìn)型背景更新的差分方法對(duì)監(jiān)控圖像中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和提取，同時(shí)保證了檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性;利用Kalman濾波法，對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，實(shí)現(xiàn)該模塊的功能流程。通過對(duì)仿真實(shí)驗(yàn)的結(jié)果分析，可以說明，改進(jìn)型背景跟新算法對(duì)實(shí)時(shí)背景的更新具有明顯的效果，對(duì)監(jiān)控環(huán)境光線變化的適應(yīng)能力提高;引入Kalman濾波可以有效地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，滿足設(shè)計(jì)需求。

1 基于TMS320DM365的硬件模塊配置

1.1 硬件模塊設(shè)計(jì)

該系統(tǒng)平臺(tái)的構(gòu)成需要為上述選定的TMS320DM365配套硬件模塊，硬件模塊構(gòu)成結(jié)構(gòu)示意圖如圖1所示。

1.2 各模塊功能介紹

1）電源模塊

圖1 系統(tǒng)硬件結(jié)構(gòu)示意圖

TMS320DM365內(nèi)核與DDR2需要各自不同的電源，其中內(nèi)核需1.35 V;內(nèi)核和外圍需3.3 V，1.8 V;USB設(shè)備需5 V。電路的輸入電源為12 V，3.3 V與5 V采用DCDC，可以提高效率，降低發(fā)熱量。

2）Flash模塊

TMS320DM365提供的異步外部存儲(chǔ)器接口（Asynchronous External Memory Interface，AEMIF）支持 Nand 和Nor Flash。考慮到開發(fā)的成本和便捷性，選用K9F1G08U0BPCB00_TSOP1芯片，用作內(nèi)核文件的存儲(chǔ)。

3）SDRAM模塊

TMS320DM365提供了專門的DDR2控制接口（DDR2/mDDR Memory Controller），這個(gè)接口支持兼容JESD79D.2A標(biāo)準(zhǔn)的DDR2 SDRAM設(shè)備和兼容移動(dòng)DDR SDRAM的設(shè)備，可支持256 Mbyte的存儲(chǔ)空間，作為系統(tǒng)程序的運(yùn)行空間。

4）接口模塊

RS-485協(xié)議采用SN65HVDl2D作為RS-485的主IC，并且根據(jù)RS-485的時(shí)序，利用觸發(fā)邏輯，使得RS-485可以自動(dòng)切換傳輸方向。當(dāng)主機(jī)端無數(shù)據(jù)發(fā)送時(shí)，RS-485為讀狀態(tài)，當(dāng)主端發(fā)送數(shù)據(jù)時(shí)，為寫狀態(tài)。

5）網(wǎng)絡(luò)模塊

由于TMS320DM365集成了MAC控制器EMAC，直接選擇PHY芯片KS8001L即合格。EMAC由器件的ARM CPU控制而不受DSP CPU控制，EMAC控制從系統(tǒng)到PHY的數(shù)據(jù)包，MDIO模塊控制PHY的配置和狀態(tài)監(jiān)視。主要負(fù)責(zé)對(duì)以太網(wǎng)的接入，并提供數(shù)據(jù)包的緩存。

6）視頻采集模塊

系統(tǒng)要求在TMS320DM365的1個(gè)輸入口輸入多路信號(hào)，選擇實(shí)現(xiàn)疊加的數(shù)模轉(zhuǎn)換芯片TW2835，此款芯片支持NTSC/PAL信號(hào)，并可以對(duì)微弱信號(hào)、噪聲信號(hào)進(jìn)行鎖存。

7）視頻處理模塊

視頻處理模塊由視頻處理前端（VPFE）和視頻處理后端（VPBE）組成。其中VPEE由CCD控制器（提供連接數(shù)字圖像傳感器和數(shù)字視頻源的接口）、預(yù)覽引擎（把原始圖形轉(zhuǎn)變?yōu)閅CbCr422數(shù)據(jù)）、柱狀模塊（控制自動(dòng)聚焦/自動(dòng)白平衡/自動(dòng)曝光的循環(huán)）、硬件（構(gòu)成統(tǒng)計(jì)發(fā)生器）。VPBE由線視頻顯示處理器（將視頻數(shù)據(jù)和顯示/位圖數(shù)據(jù)整合后，以YCbCr形式提供給視頻編碼器）和視頻編碼器（產(chǎn)生NTSC/PAL、SECAM等格式的模擬視頻輸出）和數(shù)字LCD控制區(qū)組成（產(chǎn)生數(shù)字RGB/YCbCr數(shù)據(jù)輸出）。

2 軟件平臺(tái)的設(shè)計(jì)

2.1 軟件開發(fā)平臺(tái)的搭建

在完成了硬件平臺(tái)的基礎(chǔ)上，需要對(duì)軟件平臺(tái)進(jìn)行搭建。基于對(duì)實(shí)時(shí)性、編碼效率、開發(fā)成本的考慮，本文選擇在Linux環(huán)境下進(jìn)行編譯開發(fā)。確定了操作系統(tǒng)之后，需要對(duì)交叉編譯環(huán)境進(jìn)行搭建。首先在宿主機(jī)安裝Vmware workstation，再在其基礎(chǔ)上安裝Red Hat 9.0系統(tǒng)和交叉編譯器，交叉編譯器生成的文件可以最終燒寫入目標(biāo)機(jī)得以運(yùn)行。在完成操作系統(tǒng)和編譯器的安裝后，需要進(jìn)行處理器開發(fā)包的安裝，燒寫Flash、UBOOT、Linux內(nèi)核等，完成以上流程后，即可對(duì)TMS320DM365進(jìn)行編程燒寫。

2.2 視頻圖像處理平臺(tái)

軟件流程圖如圖2所示。

圖2 軟件流程圖

以上過程可以表述為:視頻采集設(shè)備輸入的PAL流模擬信號(hào)，首先進(jìn)行A/D轉(zhuǎn)換，將模擬信號(hào)轉(zhuǎn)化為數(shù)字信號(hào);對(duì)數(shù)字信號(hào)進(jìn)行視頻編碼操作，轉(zhuǎn)化為適合傳輸?shù)母袷?編碼后的碼流經(jīng)過處理，可以轉(zhuǎn)入存儲(chǔ)，或者經(jīng)過傳輸，進(jìn)入視頻解碼器，經(jīng)過視頻解碼后的信號(hào)傳入視頻智能化處理單元進(jìn)行處理后輸出至顯示端。

視頻智能化處理單元是研究的重點(diǎn)，它包括圖像的檢測(cè)和跟蹤。此單元的圖像處理不僅僅關(guān)系到圖像的質(zhì)量、系統(tǒng)的性能，更是系統(tǒng)智能化程度的重要體現(xiàn)。其中的目標(biāo)檢測(cè)部分選用改進(jìn)型的背景更新差分算法，并用Kalman濾波對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤。本文希望通過以上算法的引入對(duì)系統(tǒng)智能檢測(cè)和跟蹤的性能進(jìn)行改善。

3 改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)

目前，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)中較為常用的方法主要有幀間差分法、光流法、背景差法。其中光流法運(yùn)算相對(duì)復(fù)雜，運(yùn)算量大，難以滿足實(shí)時(shí)性的要求。本文在綜合考慮系統(tǒng)模塊對(duì)應(yīng)用環(huán)境、實(shí)時(shí)性、運(yùn)算復(fù)雜難易度的前提下，利用改進(jìn)型背景更新差分法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行識(shí)別和檢測(cè)。該算法合理利用了幀間差分法的實(shí)時(shí)性強(qiáng)、檢測(cè)快速的優(yōu)勢(shì)，同時(shí)結(jié)合背景差分方法對(duì)背景進(jìn)行實(shí)時(shí)更新，保證了檢測(cè)的精確程度，也彌補(bǔ)了傳統(tǒng)背景差分法對(duì)于環(huán)境光照強(qiáng)度變化適應(yīng)能力的不足。

3.1 傳統(tǒng)的幀差分法

該算法的主體可以表述為:先利用幀間差分法將圖像序列中相鄰幀或相隔幀t幀、t+n幀在同一方向進(jìn)行圖像的差分，可以在相對(duì)短的時(shí)間內(nèi)檢測(cè)出待測(cè)幀之間圖像像素強(qiáng)度的變化。對(duì)像素強(qiáng)度的變化設(shè)定相應(yīng)閾值，對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。

運(yùn)動(dòng)檢測(cè)部分的算法流程圖如圖3所示。

圖3 幀差分法算法流程圖

根據(jù)以上的思想，可以建立以下數(shù)學(xué)模型

式中:St和St+n分別代表所選取的t和t+n幀的圖像，Bt（x，y）和Bt+n（x，y）代表第t幀和第t+n幀的背景圖像，V（x，y）和V（x+Δx，y+Δy）代表第t幀和第t+1幀中的運(yùn)動(dòng)目標(biāo)，其中Δx和Δy是兩幀圖像間的運(yùn)動(dòng)矢量，Nt（x，y） 和 Nt+n（x，y））分別代表 t，t+n 幀中的噪聲部分。

設(shè)定

式中:ΔSt+n/t代表第t幀和第t+n幀之間的差分結(jié)果，［Bt+n（x，y） － Bt（x，y）］+［V（x+ Δx，y+ Δy） － V（x，y）］代表運(yùn)動(dòng)部分像素強(qiáng)變化，［Nt+n（x，y）－Nt（x，y）］代表殘留噪聲部分的強(qiáng)度變化。

設(shè)K（x，y）為二值差分圖像，則有

式中:K（x，y）如果取1，表示所選兩幀之間的像素強(qiáng)度變化達(dá)到超過閾值T，可認(rèn)為目標(biāo)發(fā)生運(yùn)動(dòng);如果取0，表示所選兩幀之間的像素強(qiáng)度發(fā)生變化小于閾值T，可認(rèn)為是靜止區(qū)域。其中，閾值的選取關(guān)系到檢測(cè)的精確度，設(shè)定動(dòng)態(tài)閾值T=α+3β，其中α代表噪聲分布的期望，β代表噪聲分布的方差。

3.2 改進(jìn)的實(shí)時(shí)背景更新差分法

此算法的主要思想是在原幀差分方法的基礎(chǔ)上，標(biāo)記像素強(qiáng)度的變化區(qū)域，得到修正后的背景，通過累計(jì)差分得到提取背景圖像進(jìn)行自適應(yīng)更新，再根據(jù)上一幀圖像得到當(dāng)前幀的背景圖像，通過差分方法量化光照幅度變化，并以此對(duì)參考背景進(jìn)行光照強(qiáng)度的補(bǔ)償，得到最終實(shí)時(shí)背景的更新。改進(jìn)型背景差分法背景更新部分算法流程圖如圖4所示。

圖4 實(shí)時(shí)背景更新算法流程圖

根據(jù)前文所述，同理可知，ΔSt－n/t表示選取的t幀同t-n幀間的差分。設(shè)P（x，y）為二值差分圖像，公式為

如果（x，y）處的二值差分圖像P（x，y）不為0，表示該像素點(diǎn)屬于運(yùn)動(dòng)區(qū)域，不能構(gòu)成實(shí)時(shí)更新的背景;如果此處的Pxy為0，則表示該像素點(diǎn)屬于背景區(qū)域上的點(diǎn)，構(gòu)成實(shí)時(shí)更新的背景。可用St幀的像素代替背景區(qū)域以便得到修正后的背景值。設(shè)定在非零區(qū)域內(nèi)采樣Bm和其他區(qū)域采樣Bn，可得實(shí)時(shí)背景圖像B為

然后逐幀循環(huán)進(jìn)行上述過程，不斷累積更新背景模板，保證背景提取的可靠。用更新的背景圖像BM表示為B和Bm的加權(quán)和，表示如下

由于實(shí)施背景更新的質(zhì)量受權(quán)值σ對(duì)更新速度影響較大，所以使用所選取幀之間的光照幅度的變化作為自適應(yīng)的權(quán)值，可以滿足光照適應(yīng)度的需求。

圖像背景的實(shí)時(shí)更新中，需要借助當(dāng)前幀t圖像的背景Bt作為參照得到t+1幀的實(shí)時(shí)背景Bt+1，而且時(shí)間進(jìn)程中，圖像光照強(qiáng)度的驟變是影響實(shí)時(shí)更新質(zhì)量的主要問題。根據(jù)鄰幀差分法的原則，被認(rèn)為是運(yùn)動(dòng)目標(biāo)的區(qū)域像素強(qiáng)度跳變較大，而其他像素區(qū)域強(qiáng)度變化相對(duì)較小。此處，應(yīng)用時(shí)域內(nèi)的鄰幀差分法，取連續(xù)相鄰幀St+1和St的差分的平均值作為平均光照幅度的變化值，以若干相鄰幀差分的均值來量化光照變化的幅度，可以減小以單幀背景作為參考時(shí)環(huán)境突變帶來的準(zhǔn)確性方面的影響。

光照幅度的變化為

取得光照幅度的變化值CBt+1/t的目的在于為實(shí)時(shí)更新的圖像背景進(jìn)行光照強(qiáng)度的補(bǔ)償，而對(duì)于光照強(qiáng)度變化甚小的圖像進(jìn)行逐一像素的補(bǔ)償，不僅增加運(yùn)算量，對(duì)更新質(zhì)量的提高也很小。所以，考慮到系統(tǒng)設(shè)計(jì)盡量降低運(yùn)算復(fù)雜度的要求，設(shè)定光照強(qiáng)度變化的閾值TS（通常取0.5～1），即在光照強(qiáng)度的變化大于TS的前提下，才進(jìn)行光照補(bǔ)償，之后實(shí)時(shí)更新背景圖像。

設(shè)更新后的背景圖像為

3.3 基于Kalman濾波的運(yùn)動(dòng)目標(biāo)的跟蹤

在本文設(shè)計(jì)的系統(tǒng)中，通過圖像的快速處理，追蹤目標(biāo)的運(yùn)動(dòng)軌跡是其實(shí)現(xiàn)智能監(jiān)控的的基礎(chǔ)之一。系統(tǒng)的時(shí)效性要求引入的算法盡可能地縮小搜索范疇，減少運(yùn)算量?；谏鲜鲆?，本文在運(yùn)用改進(jìn)型背景更新法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)的基礎(chǔ)上，選擇Kalman濾波方法作為運(yùn)動(dòng)目標(biāo)跟蹤的方法。

Kalman濾波是在時(shí)域內(nèi)對(duì)動(dòng)態(tài)系統(tǒng)的序列采用遞歸原則進(jìn)行最小均值誤差估計(jì)的方法，它利用觀測(cè)值修正估計(jì)值的狀態(tài)，對(duì)運(yùn)動(dòng)系統(tǒng)狀態(tài)進(jìn)行可靠的估計(jì)和描述。用建立數(shù)學(xué)模型的方法來表示Kalman濾波的具體流程，系統(tǒng)狀態(tài)方程為

式中:Xk代表系統(tǒng)在k時(shí)刻的狀態(tài)矢量，Ak+1/k代表系統(tǒng)由k時(shí)刻到k+1時(shí)刻的狀態(tài)轉(zhuǎn)移矩陣，wk代表系統(tǒng)k時(shí)刻系統(tǒng)輸入隨機(jī)噪聲矢量。

系統(tǒng)觀測(cè)方程為

式中:Zk代表系統(tǒng)觀測(cè)矢量，Hk代表系統(tǒng)觀測(cè)矩陣，vk代表系統(tǒng)共觀測(cè)噪聲矢量。由于一般情況下系統(tǒng)隨機(jī)噪聲和觀測(cè)噪聲符合高斯白噪聲過程，因此，本文假設(shè)系統(tǒng)噪聲{wk，k≥0}和{vk，k≥0}是不相關(guān)且均值為0的高斯白噪聲，協(xié)方差分別為Qk和Rk。

系統(tǒng)狀態(tài)的估計(jì)，需要依照估計(jì)準(zhǔn)則和獲取的觀測(cè)信息。Kalman濾波的估計(jì)準(zhǔn)則可以表示為

式中:E［~Xk］=E［Xk］表示估計(jì)是Xk的無偏和最小方差估計(jì)。

Kalman預(yù)估在先不考慮系統(tǒng)和觀測(cè)噪聲的前提下獲得狀態(tài)的先驗(yàn)估計(jì)，并推算出狀態(tài)變量。由于先驗(yàn)估計(jì)值與真實(shí)值之間存在誤差，所以再用先驗(yàn)估計(jì)值和觀測(cè)變量的加權(quán)線性組合構(gòu)成得到后驗(yàn)估計(jì)，當(dāng)后驗(yàn)估計(jì)協(xié)方差取得最小值時(shí)可取得系統(tǒng)狀態(tài)的最優(yōu)估計(jì)值。根據(jù)以上思想，可建立先驗(yàn)估計(jì)的狀態(tài)矢量預(yù)測(cè)方程以及狀態(tài)矢量協(xié)方差方程為

Kalman增益矩陣為

后驗(yàn)估計(jì)的狀態(tài)矢量更新方程以狀態(tài)矢量協(xié)方差更新方程為

上述式（12）～式（17）中，~X'k+1表示先驗(yàn)估計(jì)的系統(tǒng)狀態(tài)，是利用上一時(shí)刻的狀態(tài)矢量預(yù)測(cè)的結(jié)果;P'k+1表示先驗(yàn)估計(jì)的誤差方差矩陣;Pk+1表示狀態(tài)最優(yōu)估計(jì)的誤差方差矩陣;Kk代表使系統(tǒng)狀態(tài)獲得最優(yōu)估計(jì)時(shí)的系數(shù)矩陣，即Kalman增益，用作最小化k時(shí)刻的后驗(yàn)估計(jì)在誤差協(xié)方差;~Xk+1表示對(duì)系統(tǒng)狀態(tài)的最優(yōu)估計(jì)。

4 試驗(yàn)結(jié)果分析

用改進(jìn)型背景差分算法的代碼在TMS320DM365上運(yùn)行，設(shè)定幀率為12，光照變化強(qiáng)度的閾值TS設(shè)定為0.5。同時(shí)采用改進(jìn)型背景差分方法和一般背景差分方法對(duì)圖像進(jìn)行目標(biāo)的檢測(cè)提取，實(shí)施背景更新，光照適應(yīng)能力的測(cè)試并進(jìn)行比對(duì)。以視頻序列前20幀作為初始化參考幀。在第15幀，一個(gè)著黑衣男子進(jìn)入監(jiān)控圖像。圖4a代表目標(biāo)出現(xiàn)在序列第一幀;圖4b代表第200幀后利用改進(jìn)型方法得到的更新背景圖像;圖4c代表用一般背景差分法得到的背景圖像，從對(duì)比細(xì)節(jié)可以看出利用改進(jìn)型方法得到的背景圖像更準(zhǔn)確;圖4d代表第300幀的圖像;圖4e代表利用改進(jìn)型方法檢測(cè)到的目標(biāo);圖4f代表用一般背景差分法檢測(cè)到的目標(biāo)，從對(duì)比中可以發(fā)現(xiàn)利用改進(jìn)型方法檢測(cè)到的目標(biāo)像素區(qū)域判斷較為準(zhǔn)確，利用一般背景差分法得到的運(yùn)動(dòng)區(qū)域存在對(duì)背景像素區(qū)域的重疊和誤判;圖4g代表新一視頻序列中發(fā)生光照強(qiáng)度突變時(shí)的圖像;圖4h代表利用改進(jìn)型方法進(jìn)行光照補(bǔ)償后得到的實(shí)時(shí)背景更新圖像;圖4i代表利用一般背景差分法得到的背景圖像，存在光強(qiáng)度的誤差，從對(duì)比中可以明顯發(fā)現(xiàn)光照強(qiáng)度的差異，說明光照補(bǔ)償在背景更新中具有顯著的作用。

5 結(jié)論

在對(duì)智能監(jiān)控系統(tǒng)的軟硬件完成配置后，本文重點(diǎn)對(duì)運(yùn)動(dòng)目標(biāo)檢檢測(cè)、識(shí)別和跟蹤部分進(jìn)行了研究。利用改進(jìn)型的背景差分方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，利用Kalman濾波法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤。實(shí)驗(yàn)結(jié)果表明，相對(duì)于一般背景差分方法，利用改進(jìn)型背景差分法進(jìn)行目標(biāo)檢測(cè)和跟蹤，檢測(cè)目標(biāo)區(qū)域的判定更為準(zhǔn)確，背景更新更具實(shí)時(shí)性，并且保證了精確性，在光照強(qiáng)度變化的環(huán)境中，自適應(yīng)能力更強(qiáng)，滿足了系統(tǒng)設(shè)計(jì)性能要求。

：

［1］TI Incorporated.TMS320DM365 Digital Media System-on-Chip（DMSoC）［EB/OL］.［2011-10-20］.http://ishare.iask.sina.com.cn/f/14960771.html?from=like&retcode=0.

［2］趙其杰，屠大維，高健，等.基于Kalman濾波的視覺預(yù)測(cè)目標(biāo)跟蹤及其應(yīng)用［J］. 光學(xué)精密工程，2008，16（5）:937-942.

［3］萬琴，王耀南.一種多運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤方法研究與實(shí)現(xiàn)［J］.計(jì)算機(jī)應(yīng)用研究，2007，24（1）:199-202.

［4］王建東，王亞飛，張晶.基于卡爾曼濾波器的運(yùn)動(dòng)目標(biāo)跟蹤算法［J］.數(shù)字通信，2009（6）:53-57.

［5］趙龍，吳康.新型自適應(yīng)Kalman濾波算法及其應(yīng)用［J］.壓電與聲光，2009，31（6）:908-911.

［6］楊賀.基于TMS320DM642的運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤系統(tǒng)的設(shè)計(jì)［D］.哈爾濱:哈爾濱工程大學(xué)，2007.

［7］王徐華，樊曉光，徐顯亮.基于TMS320DM642的視頻圖像處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］. 電視技術(shù)，2009，33（10）:28-31.

［8］施家棟，王建中.動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤［J］.北京理工大學(xué)學(xué)報(bào)，2009（10）:858-860.

［9］陳勇.智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究［D］.武漢:武漢理工大學(xué)，2007.