薛雅麗

摘要：客流檢測是公共交通智能化的數(shù)據(jù)來源，準確性實時性至關重要，本文應用嵌入式硬件TMS320DM6437芯片豐富的片上資源，以及強大的系統(tǒng)支持，通過對檢測跟蹤算法的改進，在硬件平臺移植簡化了算法，實現(xiàn)了一種行人檢測的應用系統(tǒng)。

關鍵詞：TMS320DM6437;Viber;客流檢測

中圖分類號：TB文獻標識碼：Adoi：10.19311/j.cnki.16723198.2020.23.078

對于公共交通智能化，基礎客流檢測技術至關重要，檢測的精確性和實時性直接影響公共交通的客流吸引率和運行效率。客流檢測技術一方面是檢測算法，另一方面是檢測算法的實現(xiàn)。隨著微控制器，電子、計算機技術的發(fā)展，使客流檢測算法在嵌入式系統(tǒng)上實現(xiàn)成為可能并廣泛流行，本文將介紹在TMS320DM6437芯片基礎上實現(xiàn)的客流檢測方法。通過對傳統(tǒng)算法的改進實現(xiàn)適用于硬件的算法，并通過基于TMS320DM6437的硬件平臺實現(xiàn)。

1硬件平臺介紹

TMS320DM6437是德州儀器公司TI發(fā)布的一款基于達芬奇技術的面向數(shù)字多媒體應用的DSP，核心元件DSP的主頻為700MHz，處理器性能可達5600MIPS，系統(tǒng)的計算能力非常強大，且具有高性能的定點處理器。它可以對DDR2類型內(nèi)存進行訪問，訪問數(shù)據(jù)的吞吐量可以達到1GByte/s以上。DSP內(nèi)核有個邏輯單元，最多可以同時運行8條指令。有助于視頻信號的處理，方便產(chǎn)品的開發(fā)。TI公司擁有強大的相關支持，提供強大的圖像/視頻開發(fā)工具包，直接支持適合于硬件開發(fā)的基礎圖像處理功能，因此可以加快開發(fā)速度，研究者可以專注于研究實現(xiàn)相應的功能。其具有兩路模擬視頻輸入接口及一路數(shù)字視頻接口，一路模擬視頻輸出及VGA端子輸出。

本次設計采用一路模擬視頻輸入以及VGA輸出，應用其視頻處理子系統(tǒng)，用硬件方式初步完成視頻圖像數(shù)據(jù)的采集和一些圖像預處理操作。視頻處理子系統(tǒng)主要為視頻處理前端和視頻處理后端兩部分。視頻處理前端提供多種標準的數(shù)字視頻輸入，并對輸入的視頻進行預處理。視頻處理后端主要為OSD部分和VENC部分。其中CCD控制器負責接收外部輸入的視頻信號，預覽器負責實現(xiàn)RGB格式到Y(jié)CbCr格式的轉(zhuǎn)換。CCD控制器首先進行數(shù)據(jù)采集和數(shù)據(jù)移位，然后經(jīng)過光黑鉗位模塊去掉圖像中的噪聲。經(jīng)過黑像素補償調(diào)整各個顏色通道的信號電平。最后經(jīng)數(shù)據(jù)格式化和視頻端像素選擇模塊確定傳感器讀出幀的格式。之后進入Preview模塊，先經(jīng)預覽器接口確定視頻源方向和幀尺寸，再經(jīng)中值濾波和噪聲濾波，然后經(jīng)過CFA插值，進行數(shù)據(jù)格式轉(zhuǎn)換，得到格式為YCbCr4：2：2圖像數(shù)據(jù)，再進入緩沖器接口，最后經(jīng)視頻編解碼模塊供輸出使用，系統(tǒng)的結(jié)構(gòu)框圖如圖1。

2軟件算法設計

由于硬件資源有限，本設計對傳統(tǒng)檢測跟蹤算法進行了改進。目標檢測部分，建立背景模型，用一幀數(shù)據(jù)，隨后逐幀導入檢測。第二幀輸入開始，更新背景模型，檢測出動態(tài)前景。動態(tài)跟蹤部分，根據(jù)前景信息獲取動態(tài)目標的中心坐標，并在屏幕上顯示位置。然后導入下一幀實現(xiàn)循環(huán)動態(tài)跟蹤。

首先，建立背景模型。對傳統(tǒng)的ViBe算法進行改進。原算法需要對第一幀當中每個像素建立樣本集。此處在建立樣本集時，采用每個像素20個樣本的數(shù)量。樣本的選擇為當前樣本的8鄰域隨機選擇。隨機選擇采用借助于隨機表進行，這里采用將預先生成好的隨機數(shù)以數(shù)組形式存儲于處理器中，當需要隨機取樣時，順序選擇隨機數(shù)表中的元素作為圖像矩陣樣本集中的下標，從而達到隨機選擇的目的。

其次，背景模型更新階段。分為檢測模型匹配狀況和對匹配模型的次數(shù)進行統(tǒng)計兩個步驟。初始化之后，從第二幀開始，對每個像素逐個掃描，將其和同一位置像素的背景模型中的像素對比。采用對其像素灰度值作差求絕對值，將所得結(jié)果同預先設定的匹配閾值R進行比較。如果小于閾值，表示該像素存在一個匹配，同時匹配數(shù)增加。之后對匹配像素數(shù)目進行統(tǒng)計，再將結(jié)果與預先設定的最少匹配數(shù)目閾值進行比較。如果最終匹配數(shù)目之和小于該最少匹配數(shù)，則表示該像素是前景點，若大于其最少匹配數(shù)，則認為是背景點。

最后，進行動態(tài)跟蹤。檢測出動態(tài)目標之后，計算所有前景點質(zhì)心，得到其位置。通過求取所有前景點的橫坐標及縱坐標的算數(shù)平均值得到。

3總結(jié)

本文采用TMSDM6437芯片進行了行人計數(shù)系統(tǒng)設計，應用平臺豐富的資源，節(jié)省了大量硬件設計成本，且提高了系統(tǒng)的可靠性便攜性，縮短了開發(fā)周期。對于檢測以及跟蹤算法方面進行了改進，得到更適應于硬件平臺的算法，實驗結(jié)果能夠較好的滿足檢測精度。

參考文獻

[1]Texas Instruments Incorporated.SPRU977C，TMS320DM643x DMP Video Processing Front End（VPFE） Users Guide[S].2009.

[2]Texas Instruments Incorporated.SPRU952A，TMS320DM643x DMP Video Processing Back End（VPBE） Users Guide[S].2007.

[3]胡金波，陳慧劍.DSP環(huán)境下C語言編程的優(yōu)化實現(xiàn)[J].現(xiàn)代電子技術，2002，（12）：8284.

[4]付小磊.目標跟蹤技術研究[D].上海：華東師范大學，2013.