视频算法在Davinci SOC上的实现与优化

　　引言

　　本文引用地址：目标作为计算机视觉的一个极具挑战性的研究任务，已被广泛的应用在人机交互、智能、医学图像处理等领域中。目标的本质是在图像序列中识别出目标的同时对其进行精确定位。为了克服噪声、遮挡、背景的改变等对目标识别带来的困难，出现了很多的算法。

　　因为目标算法需要处理的数据量大、运算复杂，需要性能强大的处理器才能实时处理。我们选用TI推出的最新产品TMS320DM6446实现算法。TMS320DM6446是一款高度集成的片上系统，集成了可以运行频率高达594MHz的C64x+DSP核和297MHz的ARM926处理器核。另外它还集成了数字视频所需的许多外部组件，如视频加速器，网络外设及高速外部存储接口。本设计充分利用DM6446的强大运算能力，在DSP内核上实时运行目标算法。 设计还在ARM处理器上执行多线程应用程序，负责视频采集，显示，网络通信，外围器件控制等工作。

　　算法介绍

　　本系统实现的视频算法可参考文献[1]-[5]，整个算法分为基本算法和改进算法两部分。本算法是一种基于模板匹配技术的算法，即在手工选定或自动选定了待目标后，提取目标的外观信息作为模板，在后续的视频序列中，将候选图像区域与目标模板进行匹配，将最相似的图像区域作为运动目标当前的。在本文中，采用结构相似度，即“归一化互相关系数”作为候域与目标模板相似程度的度量标准，其计算公式如下所示：

　　上式中，f(m,n)和g(m,n)分别为目标模板和候域的灰度值矩阵，尺寸为MxN。uf和ug分别为目标模板和候域的灰度平均值，然后再求出f(m,n)和g(m,n)的协方差、f(m,n)的方差、g(m,n)的方差后，求出归一化互相关系数。式(1)通过从灰度值矩阵中减去灰度均值，有效地消除了光照给结果带来的影响。而对于匹配图像区域的搜索，为了达到减少匹配次数从而降低计算量的目的，我们借鉴了视频压缩领域中的三步搜索法(Three Step Search, TSS) 作为最匹配点的搜索算法[2]。

　　为了增加模板匹配视频目标算法的鲁棒性，我们在基本算法的基础上实现了改进算法的部分。改进算法具有自适应遮挡处理与模板漂移的能力，能够很好地解决前面提到模板匹配的视频目标算法需要解决的难题。具体来说，主要有如下四点改进：(1) 漂移的带掩蔽卡尔曼外观滤波算法(Drift-Inhibitive Masked Kalman Appearance Filter, DIMKAF ) [1][3][4] ;(2) 内容自适应渐进式遮挡分析算法(Content-Adaptive Progressive Occlusion Analysis, CAPOA)[1][5];(3) 可变掩蔽模板匹配算法(Variant-Mask Template Matching, VMTM)[1][5];(4) 局部最优匹配鉴定算法(Local Best Match Authentication, LBMA)[1]。 改进后整个算法的流程图如下所示：