基于嵌入式系统的智能视频行为分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于嵌入式系统的智能视频行为分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘 要】目前的视频监控系统所提供的信息是没有经过任何分析的视频裸数据，这就不能充分发挥监控系统应有的实时主动的监督作用。所以智能视频监控系统在民用和军事领域中都有着极大的应用前景。通过研究特定应用环境和常见行为的智能视频分析算法，并进一步对其优化；了解嵌入式处理器TMS320DM642的硬件架构，并在其开发平台上编写、运行视频采集、视频显示，下载智能视频处理等算法，实现在硬件嵌入式处理器上的智能视频行为分析。通过阈值分割、灰度分析等多种方法运行结果的比较选择最优程序，可实现智能监控功能。
【关键词】智能监控 TMS320DM642 帧差法
随着近年来科技的不断发展，视频监控系统在数字技术的推动下取得了快速发展，它利用计算机视觉技术对视频信号进行处理、分析和理解，并对视频监控系统进行控制，从而提高视频监控系统智能化水平。并且能够在图像及图像描述之间建立映射关系，从而使计算能够通过数字图像处理和分析来理解视频画面中的内容。
而嵌入式处理器具有体积小、功耗等优点低，可以应用在更为广泛的场合。在TMS320DM642开发平台上运行实验，系统通过分析视频流，实现对目标的监控和预警功能。
1 硬件架构及开发环境
1.1 TMS320DM642开发平台
TMS320DM642是美国德州仪器公司（TI）推出的一款面向数字多媒体应用的 DSP，它在TI的C64x DSP内核基础上进一步集成了完备的视频/音频输入/输出接口、以太网接口、PCI-66 总线等片上外设，不仅能使用户很方便地对音频/视频等各种复杂的运算进行高速处理，还能为方便、无缝地接口视频/音频编解码器件和以太网/PCI 总线等数据传输接口。它非常适用于 VoIP、数字视频服务器、多通道数字视频录像机（DVR）、多通道数字视频监控等应用，提供高质量的视频编/解码解决方案。
本文是将C语言的智能视频行为分析算法优化之后下载到该嵌入式开发平台中，并进行修改，将原来非实时的信号输入变成开发平台的实时视频采集，将原来显示在计算机屏幕上的视频输出变成输出到电视机或者专用显示器的视频输出，并将上层传来的目标监控信息与事先设置的报警规则进行对比，根据不同的规则对事件采取相应的处理策略。
1.2 CCS软件
Code Composer Studio是一种针对TMS320系列DSP的集成开发环境，在Windows操作系统下，采用图形接口界面，提供有环境配置、源文件编辑、程序调试、跟踪和分析等工具。
CCS的开发系统主要由以下组件构成：
① TMS320C54x集成代码产生工具；② CCS集成开发环境；③ DSP/BIOS实时内核插件及其应用程序接口API；④ 实时数据交换的RTDX插件以及相应的程序接口API；⑤ 由TI公司以外的第三方提供的各种应用模块插件。
本文是采用CCS的硬件在线编程模式，采用背景减除法，当采集到的图像与原先设置好的背景图的差值与阈值相比，达到阈值就进行报警，并且可以根据不同的规则对事件采取相应的处理策略。
2 系统实现过程及结果
2.1 图像分割
图像分割的主要功能是检测并提取视频系列中与背景图像相比存在运动变化的前景目标，并根据灰度、边缘、纹理等二维图像特征将运动前景进一步分割为若干独立目标，其目的是为后面的目标分类和目标跟踪做好准备。
前景目标分割的依据通常是目标的空间连续性和颜色一致性，由于后者很多时候并不可靠，所以一般根据空间连续性采用连通区域检测算法来分割目标。
图像分割可采用二值化的方法。在二值化图象的时候把大于某个临界灰度值的像素灰度设为灰度大值，把小于这个值的像素灰度设为灰度小值，从而实现二值化。图像的二值化处理就是讲图像上的点的灰度置为0或255，将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。
2.2 背景减除法
本文先后试用了帧差法与背景减除法，经过多次实验得出，总的来说，帧间差法的计算比较简单、直观，但对于噪声的变化过于敏感，并且对目标的运动速度有一定限制，要求不可以过快，因此最终采用背景减除技术来进行监控图像变化的检测。其主要思想是将每个输入视频帧和一张背景图像进行比较，如果相同位置的象素特征、象素区域或其它特征内在一定程度的差别，则新视频帧中这些位置象素点或象素区域则被认为是发生了变化的区域。但是也发现，背景减除法易受到却容易受光线、天气等光照条件的变化，前景目标短暂或长久的闯入和移出，背景自身的运动等因素的影响，实验测试时发现即使检测区域未有外来入侵或者本身移动，采集的图像也与一开始的背景图像对应位置的灰度值有不小的差值，所以这样整体做下来的最终结果误差较大；改进后，考虑到光线、设备采集时会造成的误差，将采取连续几幅图像的差值都达到预先设定好的阈值，才进行报警。
2.3 异常行为分析预警
行为分析与预警是系统中最重要的模块，主要实现对运动目标的行为进行分析并对异常行为提供报警的功能。
在对所监控范围内的运动目标进行跟踪成功之后，就要判别该目标的行为是否为异常行为，进而对其进行报警处理。在对异常行为进行检测之前，必需对合法行为有一个明确规定，从而建立一系列的规则。本文采用对运动目标区域里建立一定的报警阈值，物体超过或者进入设定阈值，产生报警。下面是智能视频分析工作流程图：
图1 智能视频监控处理流程图
以下为实验过程中运行示例：
首先搭建好实验所需硬件环境，保证TMS320DM642开发平台可正常工作，通过监控设备采集好图像，作为背景图：
图2 背景图
然后系统进行正常的监测工作，当达到设定好的预警情况，本项目中是在屏幕中输出报警的感叹号（实际应用中可以设置报警铃声等），以下是报警时截图：
图3 异常情况报警图
具体实现步骤如下：①建立循环，实现视频实时显示及相关检测；②.将视频帧转化为图像；③设定警戒区域；④将RBG图像转化为灰度图；⑤前后帧相减得到平均灰度值，设定相应警告阈值；⑥如果在阀值规定范围以内则视为异常行为，进行报警处理；反之为合法行为。
3 结语及智能监控技术发展趋势
3.1 实验结果
本项目在DM642平台上实现了智能视频分析，通过采用运行多种算法比较，发现采用阈值分割法时能满足实时高效监控的要求，具有误报警率低的优点，实现了低成本的标清智能视频分析。
3.2 智能监控技术发展趋势
随着市场的壮大和需求的增多，智能视频监控的应用将从相对集中的区域向各大行业大幅度的伸展。智能视频监控的应用将大幅度提升安防监控在维护社会公共安全方面的价值，对保障人民生命财产安全，提高社会生活、生产质量、防御各种灾害，促进节能减排具有非常重要的意义。因此，深入研究不同行业客户需求，通过前端的市场人员，与后端的技术、研发人员的协同配合，完成适用于不同系统的独特解决方案是智能视频监控的未来发展趋势。
参考文献：
[1]朱秀昌，刘峰，胡栋。图像处理与图像通信，北京邮电大学出版社，2006
[2]张伯伦.基于异常行为识别的智能监控系统的研究与设计[D].西安：西安电子科技大学，2007.
基金项目：
江苏省大学生创新训练计划项目（项目省编号：201310293001Z）