基于DSP和FPGA組合的嵌入式圖像處理平臺(tái)的實(shí)時(shí)多目標(biāo)識(shí)別算法

基于嵌入式圖像處理平臺(tái)的實(shí)時(shí)多目標(biāo)識(shí)別算法

人工智能技術(shù)與咨詢?

本文來自《科學(xué)技術(shù)與工程》，作者?王旭輝等

摘要?提出了一種適用于空間觀測(cè)任務(wù)的實(shí)時(shí)多目標(biāo)識(shí)別算法，它基于DSP和FPGA組合的圖像處理硬件平臺(tái)，運(yùn)用散點(diǎn)聚類、軌跡跟蹤、特征提取技術(shù)快速識(shí)別目標(biāo)。對(duì)算法的功能需求、數(shù)據(jù)流向、運(yùn)算流程和處理結(jié)果，進(jìn)行了詳細(xì)闡述。實(shí)踐結(jié)果表明，該識(shí)別算法具有很強(qiáng)的實(shí)用性。

關(guān)鍵詞?多目標(biāo) 運(yùn)動(dòng)軌跡實(shí)時(shí)濾波嵌入式平臺(tái)

1 功能需求

空間觀測(cè)對(duì)象復(fù)雜多變，且真、偽兩種目標(biāo)在尺寸、亮度、形態(tài)方面既有區(qū)別又十分相似，觀測(cè)的背景也起伏多變。算法針對(duì)的工況如下:零散目標(biāo)數(shù)量多(K級(jí))，但個(gè)體像素少(＜100 pix);真目標(biāo)形態(tài)有變化但不規(guī)則，與偽目標(biāo)形態(tài)經(jīng)常一致;真目標(biāo)在亮度方面忽明忽暗有起伏，而偽目標(biāo)單體灰度起伏小，但群體表現(xiàn)則灰度有高有低;但兩者速度和方向有差異。

由于圖像處理需進(jìn)行全幅傳輸、存儲(chǔ)和計(jì)算，時(shí)間消耗大，而用戶對(duì)算法實(shí)時(shí)性要求高，因此必須充分利用圖像傳輸時(shí)間，并避免耗時(shí)過多的運(yùn)算，借鑒國(guó)外空間寬視場(chǎng)相機(jī)［1］的圖像處理方案，對(duì)圖像流做一次數(shù)據(jù)量降級(jí)處理，從M級(jí)降低到K級(jí)，且邊傳輸邊流水線式處理;避免了集中處理造成的時(shí)間延遲，降低了錯(cuò)誤信息匯報(bào)的風(fēng)險(xiǎn)。

2 整體架構(gòu)

硬件平臺(tái)由DSP處理器+FPGA及其外圍器件組成的高速運(yùn)算電路共同實(shí)現(xiàn)［2］，它為軟件編程、各類數(shù)據(jù)流控制及復(fù)雜對(duì)象的識(shí)別算法提供基礎(chǔ)保證。多目標(biāo)識(shí)別算法在物理空間運(yùn)行上分成兩部分:圖像預(yù)處理算法(FPGA)和軌跡識(shí)別算法(DSP)，與嵌入式圖像處理硬件構(gòu)成一個(gè)完整的圖像處理系統(tǒng)共同完成空間觀測(cè)任務(wù)，識(shí)別算法主要負(fù)責(zé)對(duì)空間監(jiān)測(cè)圖像的分析和判讀，重點(diǎn)是濾除背景，對(duì)潛在目標(biāo)進(jìn)行分類、識(shí)別后、剔除偽目標(biāo)，存儲(chǔ)、記錄真實(shí)目標(biāo)并將其報(bào)告給相關(guān)系統(tǒng)。其識(shí)別的過程可分為五個(gè)步驟:幀內(nèi)空間濾波、幀內(nèi)閾值分割、幀內(nèi)散點(diǎn)聚類、幀間軌跡編排和幀間目標(biāo)判定。

軟件結(jié)構(gòu)如圖1所示。

圖1 多目標(biāo)識(shí)別算法的軟件結(jié)構(gòu)和分配布局示意圖

3 算法步驟

3.1 圖像預(yù)處理

該算法依托FPGA實(shí)現(xiàn)，對(duì)每幀原始圖像進(jìn)行流水線式“高通濾波”和“閾值分割”，處理后的次級(jí)圖像存到外部“FIFO”中。圖像預(yù)處理的依據(jù)源于“空間圖像是低頻背景與高頻奇異點(diǎn)的綜合結(jié)果”［3］，因此部分借鑒彭嘉雄先生的高通濾波器模板，對(duì)圖像做類似卷積計(jì)算，記矩陣h，維數(shù)5×5，處理公式如下

式中f(i，j)為輸入圖像，G(i，j)為卷積后的結(jié)果，threshold即閾值，閾值的選取有兩種方式:一種是人工干預(yù)，從DSP端通信口輸入;另一種是自適應(yīng)調(diào)整，以圖像均值為基礎(chǔ)，綜合工程經(jīng)驗(yàn)的“可識(shí)別信噪比”倍率。

3.2 聚類

預(yù)處理后的次級(jí)圖像，由DSP處理器從FIFO中取走做進(jìn)一步處理——“聚類”，即根據(jù)次級(jí)圖像提供的零散點(diǎn)位置、灰度信息，經(jīng)過連通和聚合，初步收集單幀內(nèi)的目標(biāo)綜合特征，為下一步多幀多目標(biāo)識(shí)別奠定基礎(chǔ)。該聚類算法中“段表”的意義是記錄水平維信息，而“鄰接表”的意義則反映豎直維信息;經(jīng)過兩次循環(huán)遍歷，可以對(duì)V型、Ф型和λ型等主流形態(tài)目標(biāo)進(jìn)行穩(wěn)定的形心跟蹤，且具有執(zhí)行速度塊、節(jié)省存儲(chǔ)空間等優(yōu)點(diǎn)，算法流程如圖2所示。

3.3 軌跡編排

聚類后獲得的潛目標(biāo)信息存儲(chǔ)在SD RAM中，由于偽目標(biāo)和真目標(biāo)在幾何特征上的差異尚不足以判斷目標(biāo)真?zhèn)?，還需要根據(jù)多幀積累后的運(yùn)動(dòng)軌跡和速度差異，去“偽”存“真”。這一過程也由DSP實(shí)現(xiàn)?！败壽E編排”完成“軌跡矩陣初始化”、“軌跡新建”、“軌跡更新”和“軌跡刪除”四項(xiàng)主要功能。進(jìn)入目標(biāo)搜索模式后的首幀先進(jìn)行“軌跡矩陣初始化”:初始化的內(nèi)容分兩步先完成矩陣內(nèi)全部變量清零，然后根據(jù)最新單幀潛目標(biāo)信息組(及前面聚類成果)里的數(shù)據(jù)構(gòu)建初始軌跡矩陣;從第二幀開始，即當(dāng)“初始軌跡矩陣”成型后，逐幀根據(jù)潛目標(biāo)和已分類目標(biāo)的特征，或更新、或新建、或刪除軌跡，不斷更新軌跡矩陣中的軌跡條數(shù)、軌跡長(zhǎng)度、軌跡生命值等變量。改動(dòng)軌跡管理矩陣的條件見表1。

表1 軌跡新建、更新及刪除條件

圖2 散點(diǎn)聚類功能的處理流程圖

其中軌跡管理器采用的是結(jié)構(gòu)體和數(shù)組的結(jié)合，單條軌跡長(zhǎng)度限定為固定值，在充滿軌跡長(zhǎng)度數(shù)組極限前，軌跡點(diǎn)數(shù)不斷遞增;充滿軌跡長(zhǎng)度數(shù)組后用最新點(diǎn)替代最舊點(diǎn)，本文采用這種封閉式的數(shù)據(jù)結(jié)構(gòu)，是出于可靠性的考慮，避免使用開放式指針及鏈表可能帶來的“溢出泄漏”風(fēng)險(xiǎn)。針對(duì)空間目標(biāo)特性的不連續(xù)情況，將軌跡的生命值區(qū)分為“活躍態(tài)”、“休眠態(tài)”和“終結(jié)態(tài)”;這三種狀態(tài)分別對(duì)應(yīng)的判定條件為:不斷更新，間歇更新和永不更新。圖像中出現(xiàn)的噪點(diǎn)因其出現(xiàn)的偶然和隨機(jī)性，僅存在于“休眠態(tài)”，數(shù)幀之后因不再更新，最終會(huì)轉(zhuǎn)入“終結(jié)態(tài)”;而新出現(xiàn)的潛目標(biāo)，在經(jīng)歷連續(xù)更新“額定門限幀數(shù)”后，由“休眠態(tài)”轉(zhuǎn)入“活躍態(tài)”。由于本任務(wù)幀頻較高及視場(chǎng)張角較大的特點(diǎn)，幀與幀時(shí)間間隔內(nèi)目標(biāo)移動(dòng)的范圍較小，可以用“相鄰原則”來更新標(biāo)號(hào)。完整的“軌跡編排”流程如圖3所示。

3.4 統(tǒng)計(jì)分析

圖3 軌跡編排功能的處理流程圖

對(duì)“軌跡管理器”中處于“活躍態(tài)”的軌跡按“軌跡條數(shù)”進(jìn)行兩次遍歷，分別統(tǒng)計(jì)速度和方向，進(jìn)而更新置信度，然后根據(jù)置信度最值確認(rèn)真實(shí)目標(biāo)(這里選取速度和方向做特征量的原因是真、偽目標(biāo)在灰度特征上的差異不顯著)。在實(shí)際工程使用中，為降低虛警率，置信度在不滿足“軌跡長(zhǎng)度累計(jì)總量門限”時(shí)，暫不對(duì)外告警;在置信度配置方面，由于系統(tǒng)安裝平臺(tái)的晃動(dòng)對(duì)“方向”有貢獻(xiàn)，因此在置信度設(shè)置時(shí)，速度的權(quán)重高于方向。具體流程如圖4所示。

4 測(cè)試結(jié)果

圖4 軌跡統(tǒng)計(jì)功能的處理流程圖

對(duì)該算法的驗(yàn)證在地面模擬時(shí)，以光學(xué)模擬為主，背景主要包含兩種光源的起伏，并隨機(jī)添加針狀噪聲，真、偽目標(biāo)源在9 000幀里面累計(jì)數(shù)量按100顆仿真，單幀內(nèi)最多按32顆計(jì)算。偽目標(biāo)的空間分布和亮度幅值以亮星星表為依據(jù)。圖5列出的是對(duì)9 000幀中的某一幀圖像做預(yù)處理后的效果，初步驗(yàn)證了FPGA中圖像預(yù)處理算法對(duì)背景的剔除功能。

對(duì)軌跡識(shí)別算法的考核是假設(shè)真目標(biāo)做水平方向往復(fù)運(yùn)動(dòng)，偽目標(biāo)做垂直方向運(yùn)動(dòng)，在仿真時(shí)，為模擬真實(shí)情況，對(duì)安裝平臺(tái)做正弦方式晃動(dòng)。圖6列出了軌跡管理矩陣中9 000幀的全部歷史記錄。其中藍(lán)色的為真目標(biāo)軌跡，結(jié)果表明軌跡算法能對(duì)運(yùn)動(dòng)有差異的真?zhèn)文繕?biāo)做出正確判斷，保持在測(cè)試過程中，近99.4%的時(shí)間內(nèi)穩(wěn)定匯報(bào)真實(shí)目標(biāo)信息。

5 結(jié)論

提供的算法充分考慮了工程實(shí)際情況和多目標(biāo)實(shí)時(shí)識(shí)別的特點(diǎn)，結(jié)合嵌入式硬件處理平臺(tái)已經(jīng)參與并完成對(duì)地面模擬目標(biāo)和空間真實(shí)目標(biāo)的驗(yàn)證，為空間觀測(cè)領(lǐng)域的圖像處理和識(shí)別提供了一種具有實(shí)用價(jià)值的嵌入式開發(fā)系統(tǒng)。