摘 要： 車道閘桿故障在收費站等地時有發生，為了解決這一問題，提出了一種基于車輛視覺的閘桿防撞系統的解決方案。該方案主要包括差值圖像的自適應閾值提取、二值圖像的中值濾波與開運算以及背景的分塊實時更新，并在此基礎上提出了一種基于背景差分的車輛檢測方法。該方法有效解決了精確閾值提取困難與背景更新效果差等難題。實驗驗證了該系統的車道閘桿防撞功能，該系統具有運行速度快、穩定性高等特點。
關鍵詞： DM642；圖像處理；特征提取；識別判斷
隨著人們生活水平的提高，車流量也在劇增，閘桿的頻繁使用導致其可靠性和穩定性下降，閘桿故障也時常發生，造成嚴重的交通障礙和車主不必要的損失。因此，提高高速收費站的車道閘桿的可靠性和穩定性成為交通研究急需解決的課題。
本文在參考文獻的基礎上，所做的工作如下：（1）在參考文獻[1]和[2]的DM642最小系統的基礎上增加了視頻輸入、網絡通信和外部存儲器等模塊，組成了以DM642為基礎的車道閘桿防撞硬件系統；（2）在參考文獻[3]和[4]的基礎上提出了一種實用的背景分塊更新方法，該方法有效解決了背景更新效果差的問題，使背景能跟上環境的變化，保證了系統工作的穩定性；（3）在參考文獻[5]的基礎上提出了自適應閾值提取方法，該方法能夠精確提取差值圖像的閾值，保障圖像分割的效果，使系統具備一定的智能化。
1 系統硬件設計與實現
硬件主要由TI公司的TMS320DM642、SDRAM HY57V283220-6、Flash AM29LV320DB、TVP5150AM1圖像采集芯片、BCM5221A4KPT網絡通信芯片和CCD攝像頭組成。
1.1 系統硬件方案選擇
目前，實現圖像處理的硬件平臺針對不同的應用場合主要有通用計算機、專用集成電路（ASIC）、數字信號處理器（DSP）、嵌入式處理器（ARM）和現場可編程門陣列（FPGA）。其中DSP具有巨大的數據吞吐和高速的數據處理能力，使其在眾多圖像處理平臺中脫穎而出，能夠滿足圖像數據的實時處理，被廣大圖像處理工程師和愛好者所使用。本系統采用TI公司的TMS320DM642AZDK6作為圖像處理的核心器件，其具有先進的甚長指令字（VLIW）結構，在600 MHz時鐘下運算速度可高達4 800 MIPS，具有對高速控制器和隊列處理器器數值性能的操作靈活性，成為了數字媒體處理的最佳芯片選擇。
1.2 系統硬件整體結構
系統硬件主要由圖像采集模塊、圖像處理模塊和外部存儲器模塊3部分組成，如圖1所示。
圖像采集模塊主要由CCD攝像頭和TVP5150AM1組成，TVP5150AM1將CCD輸出的模擬圖像信號轉成數字圖像信號并通過DM642的VP0接口傳輸給DM642處理。
圖像處理模塊采用TI公司的DM642，其核心是C6416型高性能數字信號處理器，具有極強的處理性能、高度的靈活性和可編程性，同時外圍集成了非常完整的音頻、視頻和網絡通信等設備及接口，特別適用于機器視覺、醫學成像、網絡視頻監控、數字廣播以及基于數字視頻/圖像處理的消費類電子產品等高速DSP應用領域。
外部存儲器模塊包括DM642 CE0外擴的SDRAM和CE1外擴的Flash。SDRAM采用兩片HY57V283220-6芯片外擴成256 MB的存儲空間，用于存儲臨時圖像數據，運算時再搬運到內部RAM運行，解決DM642內部資源不足的問題。Flash的特點為數據掉電不丟失，用于存儲程序，DM642上電后將程序從Flash搬運到內部RAM運行，解決了RAM掉電丟失數據的難題。
2 系統軟件的設計與實現
軟件在編寫上采用DSP專用匯編指令集和C語言混合編程的方法，優點在于匯編可以彌補C語言的一些瓶頸（如C語言中循環的反復賦值過程），從而大大提高程序的運行效率。程序的主要組成包括自適應閾值的獲取、圖像預處理、背景更新、特征提取與識別判斷。
2.1 系統軟件的整體結構
系統的程序流程圖如圖2所示。程序的具體實現步驟如下。
（1）對系統的使用環境初始化。
（2）取系統運行后的前10幀圖像的平均值并將其保存為背景圖像。
（3）將下一幀圖像與背景相減，根據最大類間方差法（Otsu）求差值圖像的閾值，根據閾值求二值圖像。
（4）將二值圖像進行中值濾波與開運算，消除由于噪聲等干擾造成的小亮點，在纖細處分離物體，平滑較大物體的邊界，提高圖像的質量，為后續的處理奠定基礎。
（5）對開運算之后的二值圖像進行特征提取，如面積、周長等。
（6）根據提取的特征進行識別判斷，并輸出控制信號。
（7）對背景進行更新，消除外部環境變化對處理結果的影響。
2.2 自適應閾值的獲取
自適應閾值是指處理和分析過程中，根據處理數據的數據特征自動獲得適應環境變化的閾值，在不同環境下都能得到較理想的二值圖像，使系統智能化。本系統采用最大類間方差法（Otsu）來獲取閾值。它是按圖像的灰度特性將圖像分成背景和目標。背景和目標之間的類間方差越大，說明構成圖像的背景和目標的差別越大。算法如下：
2.3 圖像預處理
圖像消噪是圖像預處理的主要任務之一，其作用是提高圖像的信噪比，突出圖像的區域特征。本系統采用中值濾波和由數學形態學的腐蝕和膨脹運算定義的開運算實現。
區域填充可以快速地填充聯通區域的內部孔洞，并使輪廓邊界修補完整。算法描述如下：二值化后的差分圖是存在黑色孔洞的聯通區域，首先對其自底向上、從左向右在水平方向上依次掃描白點，如果相鄰的白點的間距小于設定的距離閾值，就將這相鄰的白點連成一線（即用白點填充白點之間的黑點）；同樣地，再對圖像自左向右進行操作。從底向上地在垂直方向上重復一遍上述的填充算法，就可以得到完整的連通區域。
2.4 背景更新
背景泛指在視覺圖像中與人所看到的視覺前景相對應的起到襯托前景、協調色調等作用的獨立圖像。背景更新使圖像分割效果的保障，及時準確地對背景進行更新使后續處理結果起到決定性的作用。本文通過子塊劃分的方式更新背景，其實現步驟如下：
（1）將處理后的二值圖像C分成n個互不重疊的小區域，子塊的大小取決于運動目標的面積，通常取運動目標面積的1/4~1/8。
（2）將子塊分為背景塊和前景塊，子塊的邊緣像素值為255的個數達到子塊總邊沿像素的10%左右即可認為該子塊是前景塊；邊沿像素點沒滿足要求，再對子塊像素值為255的個數進行統計，當其值到達子塊總像素的30%左右即可判定該子塊是前景塊。不滿足上述要求的其他子塊均為背景塊。
（3）對背景塊進行更新，將背景塊作為一個整體并采用Surendra算法進行更新，其具體實現公式為：
其中，Bj（x，y）為更新后的背景；Bj-1（x，y）為更新前的背景；Ij（x，y）為當前圖像；?琢為迭代速度系數，本系統取α=0.3。
（4）對前景塊進行更新，由于前景塊既可能包含前景像素也可能包含背景系數，因此要對前景塊逐個像素點進行更新。其更新算法為：
（5）實際應用中，光照的劇烈變化、攝像機的移動等都會造成背景全局變化。如果發生全局變化，利用上述方法更新需要花很長的時間才能完成，會嚴重干擾系統的正常工作，甚至會讓系統一度處于癱瘓狀態。為了解決這個問題，本系統如果檢測到前景塊數量急劇增加，就會判定為發生了全局變化，連續100幀都出現全局變化，則對背景進行重新初始化，時刻保證背景的正確性。
2.5 特征提取與識別判斷
本系統的主要目的是實現防撞，因此沒必要提取太多特征和進行模式識別等復雜運算。提取圖像分割后前景的面積和輪廓周長作為圖像特征，當前景的面積為總像素的30%且周長大于閾值Tl時認為有汽車通過，并給出控制閘桿起降的信號；否則不給出控制信號，只進行圖像背景的更新。
3 實驗結果與分析
為了驗證本系統的實驗效果，進行了現場測試。為了提高系統的工作效率，將一幀圖片通過網口上傳到上位機，通過上位機選擇感興趣的區域并將該區域的坐標傳給DSP，DSP根據接收到的坐標選取對應的區域進行處理，測試的過程與結果如圖3所示。
圖3（a）是某時刻濾波前的背景圖像，圖3（b）是濾波后的背景圖像。圖3（c）是當車經過時捕捉的圖像，圖3（d）是濾波后的圖像，根據濾波前與濾波后圖像的對比可知，濾波后的圖像比較光滑，噪聲比較少，利于后續的處理。圖3（e）是處理前的二值圖像，圖3（f）是處理后的二值圖像，對比圖3（e）與圖3（f）可知，經過開運算及區域填充處理后圖像的黑色小點明顯減少，更加貼近前景的輪廓，使處理結果更加準確。
圖3（d）與圖3（b）相減得到差值圖像，根據Otsu算法求差值圖像的閾值T，根據閾值T得到圖3（e）所示的二值圖像，并經過一系列的預處理后得到圖3（d）所示的效果。根據圖3（d）求出白色區域的面積和輪廓的周長，根據這兩個特征來判斷是否有車輛經過。有車時發出信號控制閘桿不能下降，直到沒有車輛一段時間后才允許閘桿下降，以此實現車道閘桿防撞的功能。經過一段時間的測試，結果顯示系統工作穩定，實驗效果較理想。
本文采用TI公司的高速DSP DM642作為系統的硬件平臺，滿足了系統實時性的要求。采用中值濾波和數學形態學的開運算作為圖像預處理的基本算法，有效地提高了圖像的質量，減少了外部噪聲的干擾，為以后的特征提取和識別判斷打好可靠的基礎。采用分塊操作對圖像背景進行更新，減少了計算時對存儲器的開銷，降低了對硬件的要求，提高了運算速度，提高了背景對環境的適應能力，是系統能夠實現防撞功能的保障。
參考文獻
[1] 許永輝，楊京禮，林連雷.TMS320DM642 DSP原理與應用實踐[M].北京：電子工業出版社，2012.
[2] 韋金辰，李剛，王臣業，等.零點起步TMS320C6000系列DSP原理與應用系統設計[M].北京：機械工業出版社，2012.
[3] 張順淼，呂開東.一種基于Surendra背景更新的背景減除運動目標檢測方法[M].南京工程學院學報（自然科學版），2011，9（2）：22-27.
[4] 葉青，賀助理，湛強，等.基于差分圖像分塊的視頻背景提取算法[J].計算機工程與應用，2012，48（30）：173-176.
[5] 李敏，羅紅艷，鄭小林，等.一種改進的最大類間方差圖像分割法[J].南京理工大學學報，2012，36（2）：332-337.