CN103077393A - 基于dsp的车载实时运动目标检测***及其方法 - Google Patents

Abstract

本发明公开了一种基于DSP的车载实时运动目标检测***及其方法。本发明能够实时的对开放式公路上的路况进行检测，当出现指定目标时发出报警。本发明使用电荷耦合元件CCD摄像头采集模拟视频信号，用解码芯片数字化，再利用直接内存存取DMA技术将数字图像数据传输到扩展存储器的Ping-Pong Buffer中进行暂存；数字信号处理器DSP根据图像计数值，从扩展存储器中读取一帧图像，使用机器学习分类算法进行分类，当有连续3帧图像被分类为有目标时，发出声光报警，提醒驾驶人员注意。本发明造价低廉，体积小重量轻，实时性强，尤其适合于车载***对于开放式公路上的运动目标进行实时检测和报警。

Description

基于DSP的车载实时运动目标检测***及其方法

技术领域

本发明属于图像处理技术领域，更进一步涉及数字信号DSP处理技术领域中基于DSP的车载实时运动目标检测***及其方法。本发明利用数字信号DSP处理器和运动目标检测***及其方法，可以实现在开放式公路上对汽车前方的运动目标进行实时检测和报警。

背景技术

目前汽车交通日益发达，而开放式公路条件复杂，经常有人和动物穿越，因此保证汽车安全驾驶具有重要意义。一般在汽车上安装成像设备，对汽车前方路况视频进行实时检测。这种方法需要利用目标检测技术。

上海交通大学提出的专利申请“红外目标检测跟踪与识别***”(专利申请号200310109070.2，授权号CN1546993A)公开了一种目标检测跟踪与识别***。该***包括红外成像、红外图像接收、红外图像处理以及图像与结果显示四部分，通过红外成像仪成像，经过接收部分送到双数字信号处理器DSP板卡***，对红外图像进行目标检测跟踪和识别，处理结果以及原始图像数据通过主机的总线送到显示器上显示。但是，该专利申请仍然存在的不足是：第一，红外成像仪价格高昂，不利于实际应用；第二，主机和显示器体积重量较大，不利于应用到车载***中；第三，识别时间较长，实时性差。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种基于DSP的车载实时运动目标检测***及其方法，通过使用普通电荷耦合元件CCD摄像头，采集车辆前方路况视频，使用数字信号处理器DSP对视频进行分析，实时对汽车前方的指定运动目标进行检测和报警，同时***轻便，造价低廉，能满足车载实际应用。通过使用该***，能保障开放式公路上汽车的驾驶安全。

本发明的***包括视频采集解码模块、数字信号处理器DSP模块、扩展存储模块和声光报警模块；视频采集解码模块与数字信号处理器DSP模块的并行外设总线PPI接口连接，扩展存储模块与数字信号处理器DSP模块的扩展总线接口单元EBIU连接，声光报警模块与数字信号处理器DSP模块的通用输入输出GPIO接口连接；其中：

所述的视频采集解码模块，包括电荷耦合元件CCD摄像头和解码芯片，用于实时视频图像的采集和数字化；

所述的数字信号处理器DSP模块，具有直接内存存取DMA功能，用于执行检测算法对图像进行检测，分析其中是否有指定目标；

所述的扩展存储模块，包括同步动态随机存储器SDRAM，用于暂存采集到的图像数据，以及存储要识别目标的特征训练集；

所述的声光报警模块，用于发出声音和光信号报警。

本发明方法的具体步骤如下：

(1)获取视频

1a)电荷耦合元件CCD摄像头采集汽车前方的模拟视频信号；

1b)视频采集解码模块中的解码芯片，将模拟视频信号转化为数字图像数据后，再将每一帧数字图像数据发送给数字信号处理器DSP模块；

(2)传输图像数据

2a)数字信号处理器DSP模块，将直接内存存取DMA设置为PPI至EBIU通道，基于描述符的二维模式；

2b)数字信号处理器DSP模块通过并行外设总线PPI接口接收视频采集解码模块发送的数字图像数据；

2c)直接内存存取DMA自动将数字图像数据，从并行外设总线PPI接口传输到扩展总线接口单元EBIU；

(3)暂存图像数据

3a)扩展存储模块将同步动态随机存储器SDRAM，按照每帧图像所占用的存储空间大小，划分出可容纳两帧图像的存储区域，作为Ping-Pong Buffer区域；

3b)同步动态随机存储器SDRAM，从数字信号处理器DSP模块的扩展总线接口单元EBIU，接收数字图像数据；

3c)同步动态随机存储器SDRAM，将接收到的数字图像数据按照奇偶帧顺序，循环存入Ping-Pong Buffer区域中，每存入一帧，向数字信号处理器DSP发送一个信号；

(4)计数值初始化

数字信号处理器DSP分别将图像计数值i和连续目标计数值k设置为0；

(5)读取一帧图像

5a)当数字信号处理器DSP接收到同步动态随机存储器SDRAM发来的信号时，图像计数值i加1；

5b)若图像计数值i＝3，转入执行步骤5a)，否则，转入执行步骤5c)；

5c)数字信号处理器DSP，从扩展存储模块读取刚存入的一帧图像数据；

(6)图像分类

数字信号处理器DSP，使用机器学习分类算法，对所读取的一帧图像进行分类；

(7)图像是否有目标

若该帧图像被分类为无目标类，转入执行步骤(4)；否则，转入执行步骤(8)；

(8)是否报警

连续目标计数值k加1；若k＝3，转入执行步骤(9)，否则，图像计数值i＝2，转入执行步骤(5)；

(9)发出报警

数字信号处理器DSP向声光报警模块发出报警信号，声光报警模块发出鸣响声和高亮闪烁灯光。

本发明与现有技术相比具有以下优点：

第一，由于本发明***中使用电荷耦合元件CCD摄像头采集视频，克服了现有技术使用红外成像仪造价高的缺点，使得本发明的***造价低廉，有利于实际应用。

第二，由于本发明***中使用数字信号处理器DSP执行目标检测，使用声光报警模块进行报警，克服了现有技术中***体积重量大的缺点，使得本发明轻便灵活，有利于车载应用。

第三，由于本发明的方法采用机器学习算法、直接内存存取DMA技术和Ping-Pong Buffer结构，克服了原有技术中算法步骤复杂，检测时间长的缺点，使得本发明检测时间快、实时性强，具有良好的实际应用价值。

附图说明

图1为本发明***的方框图；

图2为本发明方法的流程图。

具体实施方式

下面结合图1对本发明***做进一步的描述。

本发明的***包括视频采集解码模块、数字信号处理器DSP模块、扩展存储模块和声光报警模块。

视频采集解码模块，由电荷耦合元件CCD和解码芯片组成，电荷耦合元件CCD的分辨率可以根据实际需要进行选择，负责采集汽车前方路况视频模拟信号，解码芯片负责将模拟视频信号数字化为数字图像数据后，再将每一帧数字图像数据发送给数字信号处理器DSP模块。

数字信号处理器DSP模块，包含并行外设总线PPI接口、扩展总线接口单元EBIU和通用输入输出GPIO接口。其中并行外设总线PPI接口与视频采集解码模块连接，扩展总线接口单元EBIU与扩展存储模块连接，通用输入输出GPIO接口与声光报警模块连接。数字信号处理器DSP模块负责传输数字图像数据、执行图像分类算法以及控制声光报警。

扩展存储模块，包含同步动态随机存储器SDRAM和扩展接口，负责暂存视频采集解码模块获取的数字图像数据，以及存储要识别目标的特征训练集。

声光报警模块，包含声音报警和光报警两部分，负责发出声音鸣响报警和光亮闪烁报警，提醒驾驶人员注意汽车前方出现的目标。

下面结合图2对本发明方法做进一步的描述。

步骤1.获取视频

当***启动后，视频采集解码模块中的电荷耦合元件CCD开始采集模拟视频信号，并将信号送入解码芯片，由解码芯片将模拟视频信号转化为符合国际电信组织ITU-656格式的数字图像数据。

步骤2.传输图像数据

数字信号处理器DSP模块，首先将直接内存存取DMA设置为PPI至EBIU通道，基于描述符的二维模式；当数字信号处理器DSP模块接收到视频采集解码模块的数字图像数据后，直接内存存取DMA自动将数字图像数据，从并行外设总线PPI接口传输到扩展总线接口单元EBIU。

步骤3.暂存图像数据

扩展存储模块将同步动态随机存储器SDRAM，按照每帧图像所占用的存储空间大小，划分出可容纳两帧图像的存储区域，作为Ping-Pong Buffer区域；同步动态随机存储器SDRAM，从数字信号处理器DSP模块的扩展总线接口单元EBIU，接收数字图像数据；将接收到的数字图像数据按照奇偶帧顺序，循环存入Ping-Pong Buffer区域中，每存入一帧，向数字信号处理器DSP发送一个信号。

步骤4.计数值初始化

数字信号处理器DSP分别将图像计数值i和连续目标计数值k设置为0；图像计数值i用于对同步动态随机存储器SDRAM发来的信号进行计数，根据这个值判断是否需要从同步动态随机存储器SDRAM中读取图像数据；连续目标计数值k用于对连续被分类为有目标的图像进行计数，根据这个值判断是否需要发出警报。

步骤5.读取一帧图像

数字信号处理器DSP每接收到同步动态随机存储器SDRAM发来一次信号，图像计数值i加1，直到图像计数值i＝3时，数字信号处理器DSP从扩展存储模块读取刚存入的一帧图像数据。

步骤6.图像分类

数字信号处理器DSP，使用机器学习分类算法，包含离线训练和在线分类两个部分，对所读取的一帧图像进行分类。

第一步、收集n帧训练图像，其中，n＞100；

第二步、在扩展存储模块中设置一个n行8列的矩阵作为特征训练集，特征训练集的每一行对应一帧图像；计算每帧图像的7个Hu矩特征值，作为特征训练集中对应行的前7个元素；对每帧图像人工进行判断，若图像中有目标，则特征训练集中对应行的第8个元素为1，否则，特征训练集中对应行的第8个元素为0；特征训练集的获取离线完成，存储在扩展存储模块的扩展接口部分；

第三步、对于从扩展存储模块读取的一帧图像，计算7个Hu矩特征值，组成一个1行7列的向量作为测试样本；

第四步、将特征训练集和测试样本，一起输入K近邻分类器，若K近邻分类器将测试样本分类为1，则该测试样本对应的图像数据中存在指定目标，否则，若K近邻分类器将测试样本分类为0，则该测试样本对应的图像数据中不存在指定目标。

步骤7.图像是否有目标

根据机器学习分类算法，若该帧图像被分类为无目标类，转入执行步骤4，重新开始计数；否则，转入执行步骤8。图像计数值i从0开始重新计数，否则，连续读取三帧图像进行分类；若三帧图像均被分类为有目标，则发出警报，否则，转入执行步骤5。

步骤8.是否报警

连续目标计数值k加1；若k＝3，即有连续3帧图像被分类为有目标，转入执行步骤(9)，否则，图像计数值i＝2，转入执行步骤5；

步骤9.发出警报

数字信号处理器DSP向声光报警模块发出报警信号，声音报警部分发出鸣响声，光报警部分发出高亮灯光闪烁，提醒驾驶员注意。

本发明的效果可以通过实验结果进一步体现。

本发明的实验条件是，搭建模拟开放式公路场景，使用动物模型作为指定目标，利用玩具汽车搭载本发明进行模拟实验，使动物模型在车前不同距离处沿垂直车的方向横穿。经过300次实验后，分析实验结果证明，本发明对运动目标的检测正确率为85％，虚警概率为13％，漏检概率为2％，检测速度可以达到每秒钟30帧以上。对实验结果进行分析，可以看出，本发明具有实时性高，检测效果好的优点，可以满足实际车载应用。

Claims (3)

1.一种基于DSP的车载实时运动目标检测***，包括视频采集解码模块、数字信号处理器DSP模块、扩展存储模块和声光报警模块；视频采集解码模块与数字信号处理器DSP模块的并行外设总线PPI接口连接，扩展存储模块与数字信号处理器DSP模块的扩展总线接口单元EBIU连接，声光报警模块与数字信号处理器DSP模块的通用输入输出GPIO接口连接；其中：

所述的视频采集解码模块，包括电荷耦合元件CCD摄像头和解码芯片，用于实时视频图像的采集和数字化；

所述的数字信号处理器DSP模块，具有直接内存存取DMA功能，用于执行检测算法对图像进行检测，分析其中是否有指定目标；

所述的扩展存储模块，包括同步动态随机存储器SDRAM，用于暂存采集到的图像数据，以及存储要识别目标的特征训练集；

所述的声光报警模块，用于发出声音和光信号报警。

2.一种基于DSP的车载实时运动目标检测方法，其具体步骤如下：

(1)获取视频

1a)电荷耦合元件CCD摄像头采集汽车前方的模拟视频信号；

1b)视频采集解码模块中的解码芯片，将模拟视频信号转化为数字图像数据后，再将每一帧数字图像数据发送给数字信号处理器DSP模块；

(2)传输图像数据

2a)数字信号处理器DSP模块，将直接内存存取DMA设置为PPI至EBIU通道，基于描述符的二维模式；

2b)数字信号处理器DSP模块通过并行外设总线PPI接口接收视频采集解码模块发送的数字图像数据；

2c)直接内存存取DMA自动将数字图像数据，从并行外设总线PPI接口传输到扩展总线接口单元EBIU；

(3)暂存图像数据

3a)扩展存储模块将同步动态随机存储器SDRAM，按照每帧图像所占用的存储空间大小，划分出可容纳两帧图像的存储区域，作为Ping-PongBuffer区域；

3b)同步动态随机存储器SDRAM，从数字信号处理器DSP模块的扩展总线接口单元EBIU，接收数字图像数据；

3c)同步动态随机存储器SDRAM，将接收到的数字图像数据按照奇偶帧顺序，循环存入Ping-Pong Buffer区域中，每存入一帧，向数字信号处理器DSP发送一个信号；

(4)计数值初始化

数字信号处理器DSP分别将图像计数值i和连续目标计数值k设置为0；

(5)读取一帧图像

5a)当数字信号处理器DSP接收到同步动态随机存储器SDRAM发来的信号时，图像计数值i加1；

5b)若图像计数值i＝3，转入执行步骤5a)，否则，转入执行步骤5c)；

5c)数字信号处理器DSP，从扩展存储模块读取刚存入的一帧图像数据；

(6)图像分类

数字信号处理器DSP，使用机器学习分类算法，对所读取的一帧图像进行分类；

(7)图像是否有目标

若该帧图像被分类为无目标类，转入执行步骤(4)；否则，转入执行步骤(8)；

(8)是否报警

连续目标计数值k加1；若k＝3，转入执行步骤(9)，否则，图像计数值i＝2，转入执行步骤(5)；

(9)发出报警

数字信号处理器DSP向声光报警模块发出报警信号，声光报警模块发出鸣响声和高亮闪烁灯光。

3.根据权利要求2所述的基于DSP的车载实时运动目标检测方法，其特征在于，步骤(6)中所述的机器学习分类算法的具体步骤如下：

第一步、收集n帧训练图像，其中，n＞100；

第二步、在扩展存储模块中设置一个n行8列的矩阵作为特征训练集，特征训练集的每一行对应一帧图像；计算每帧图像的7个Hu矩特征值，作为特征训练集中对应行的前7个元素；对每帧图像人工进行判断，若图像中有目标，则特征训练集中对应行的第8个元素为1，否则，特征训练集中对应行的第8个元素为0；

第三步、对于从扩展存储模块读取的一帧图像，计算7个Hu矩特征值，组成一个1行7列的向量作为测试样本；

第四步、将特征训练集和测试样本，一起输入K近邻分类器，若K近邻分类器将测试样本分类为1，则该测试样本对应的图像数据中存在指定目标，否则，若K近邻分类器将测试样本分类为0，则该测试样本对应的图像数据中不存在指定目标。

Images