基于RF5的紅外弱小目標跟蹤系統的實時性改進方法

汲清波，王飛祥，謝宇

哈爾濱工程大學信息與通信工程學院，黑龍江哈爾濱 150001

基于RF5的紅外弱小目標跟蹤系統的實時性改進方法

汲清波，王飛祥，謝宇

哈爾濱工程大學信息與通信工程學院，黑龍江哈爾濱 150001

利用基于粒子濾波的檢測前跟蹤算法對紅外弱小目標進行檢測跟蹤時，由于算法的復雜性以及所處理數據量大等原因，使得該系統不能滿足實時性的要求。針對這一問題，提出了在RF5框架下實現基于粒子濾波的檢測前跟蹤算法的改進方案，并成功地在DM642上實現了該算法。實驗結果表明，與傳統的單線程方式相比，系統的實時性得到了很大提高，可以滿足系統實時性的要求。

粒子濾波；RF5框架；紅外弱小目標；DM642

隨著紅外圖像處理技術的發展，紅外跟蹤系統在軍用和民用領域得到了廣泛的應用，而紅外弱小目標檢測［1］和跟蹤作為其中一項關鍵技術，逐漸成為了國內外研究的熱點［2］。在跟蹤算法的選擇上，由于粒子濾波算法在處理非線性、非高斯信號上的優勢［3］，許多學者都將其用于紅外弱小目標的檢測和跟蹤。但是簡單的利用單線程在DSP上實現該算法，由于算法的復雜性以及所處理的數據量大等原因，使得系統的實時性差，無法滿足實際需要。

RF5是TI公司推出的DSP軟件開發的起步代碼參考框架，它以DSP／BIOS為基礎，利用其中的數據處理元素和數據通信元素方便快捷地完成DSP軟件的設計與開發［4］。RF5主要實現3個功能：存儲管理、線程模型和通道封裝。在利用RF5對系統程序進行設計時，可以借助存儲管理功能對數據進行合理的管理以提高數據的利用率；可以利用線程模型進行多線程同步執行提高算法的實時性；還可以利用通道封裝將封裝好的算法封裝在通道之中，提高算法的處理速度［5］。

文中采用了實時操作系統DSP／BIOS，并通過TI推出的RF5框架進行系統的軟件設計，從而大幅度提高了算法的執行效率，提高了系統的實時性。

1 粒子濾波算法

粒子濾波，又稱作蒙特卡洛濾波，它通過非參數化的蒙特卡洛模擬方法實現遞推貝葉斯濾波，適用于非線性非高斯模型描述的動態系統。遞推貝葉斯估計的實質是構造狀態變量的后驗概率密度，進而可得到狀態的最優估計，由預測和更新步驟反復迭代可最優地估計出后驗概率密度的準確解。

1）預測模型

2）更新模型

式中：k表示時刻，z表示狀態，x表示觀測量。

2 RF5框架

2.1 構成RF5框架底層的DSP／BIOS

DSP／BIOS是一個簡易的實時嵌入式操作系統，主要用于實時調度與同步、主機／目標系統通訊以及實時監測等應用，具有實時操作系統的諸多功能，如任務的調度管理、任務間的同步和通訊、內存管理、實時時鐘管理、中斷服務管理、外設驅動程序管理等。TI已在其DSP集成開發環境CCS中嵌入了DSP／BIOS開發工具。DSP／BIOS由3個部分組成：DSP／BIOS實時內核與API、DSP／BIOS分析工具以及DSP／BIOS配置工具。DSP／BIOS為用戶提供150多個API函數，根據應用程序的具體使用情況，DSP／BIOS的代碼大小從500字到6 500字不等；DSP／BIOS分析工具可以輔助CCS實現程序的實時調試；DSP／BIOS的配置工具可以進行可視化地設置DSP／BIOS模塊參數，建立DSP／BIOS對象，如軟件中斷和任務等［6］。

2.2 RF5框架的各個組成要素

RF5是RF的最新版本，其區別于RF1和RF3的顯著特點是其支持動態對象創建和支持線程（任務）掛起功能，因此適合系統較復雜的應用場合［7］。RF5共有4個基本的數據處理部件：任務（task）、通道（channel）、單元（cell）和標準算法（XDAIS algo-rithms）［8］，它們之間的關系如圖1所示。任務總是順序的執行所包含的通道，任務在一個比較高的級別上把數據組織在一起，他們可以與其他任務、設備驅動以及其他類似結構進行通訊。每個任務都在不斷地等待消息、處理數據，并將結果發送給其他任務，同時有可能還要發送同步消息給其他任務以實現任務間的通訊［9］。其中任務間的通信通過SCOM實現。

圖1 RF5的基本要素

2.3 任務間的通信對象SCOM

SCOM消息是用戶自定義的一個結構，RF5使用SCOM對象來實現線程間的通訊。SCOM消息是用戶定義的一個數據結構，用于task之間交換信息。為實現信息傳遞，某個task申請一定大小的數據緩沖區，以供其他task讀、寫數據。每個task需要知道其他task的緩沖區位置，并阻止多個task同時訪問自己的緩沖區。為保證這些功能，利用SCOM消息作為緩沖區描述器，并將其在任務之間傳遞，如圖2所示。

圖2 線程之間的通信

3 基于RF5的系統軟件框架的實現

3.1 軟件框架的實現

根據本系統所要實現的功能，可將應用程序分為3個線程，根據實時性的要求以及各個線程的工作特點，將其設置了相同的優先級，如圖3所示。

各個線程及其功能如下：

1）tskVideoInput：主要負責采集攝像機的視頻圖像，為tskVideoProcess線程提供清晰的圖像幀以備處理。

2）tskVideoOutput：主要的任務是將tskVideo-Process線程處理后的圖像幀傳遞到顯示器進行顯示。

3）tskVideoProcess：對tskVideoInput線程傳遞來的圖像進行紅外弱小目標的檢測與跟蹤，并將處理后的視頻圖像傳遞給tskVideoOutput線程。

圖3 線程在DSP／BIOS下的設置

系統的軟件執行流程圖如圖4所示。

圖4 本系統的軟件執行流程

3.2 具體各個線程的實現

1）tskVideoInput線程。

tskVideoInput線程主要的功能是獲取實時的視頻圖像，它首先從攝像機獲得一幀視頻圖像，對這幀圖像進行隔行隔列操作之后，將圖像數據存入InBuf緩沖區中，然后發送一個SCOM消息給tskVideoPro-cess線程，此SCOM消息包含了指向InBuf緩沖區的指針，操作完成后，tskVideoInput線程轉為掛起狀態，直至tskVideoOutput線程發送SCOM消息再次激活此線程。

2）tskVideoOutput線程。

tskVideoOutput線程的主要功能是把結果圖像輸出到顯示器進行顯示。視頻輸出啟動后，它首先為掛起狀態，等待tskVideoProcess線程發送的SCOM來激活它；當接受到發送來的SCOM消息后，將指針指向輸出緩沖區OutBuf進行顯示，顯示完畢后，發送SCOM消息給tskVideoInput線程，之后它轉為掛起狀態直到下一幀的到來。

3）tskVideoProcess線程。

tskVideoProcess線程主要功能是對輸入的圖像進行紅外弱小目標的檢測前跟蹤，tskVideoProcess線程首先為掛起狀態，當它接受到tskVideoInput線程發送來的SCOM消息后，此線程得以激活，此時對指針指向的輸入緩沖區的圖像進行紅外弱小目標的跟蹤，跟蹤完畢后，發送SCOM消息給tskVideoOut-put線程，通知其進行顯示，之后此線程轉為掛起狀態，等待tskVideoInput線程發送SCOM消息再次激活它。

4 實驗與分析

為了比較該方案相對于傳統的單線程系統在實時性上的優劣，文中首先使用傳統的單線程系統來跟蹤模擬的紅外弱小目標。紅外弱小目標的模擬方法為：在采集的紅外圖像中加入2×2像素大小的模擬紅外弱小目標，并編寫目標運動軌跡函數TRACE讓紅外弱小目標按照一定的軌跡運動；然后再按照本方案所設計的系統來對該模擬紅外弱小目標進行跟蹤，最后利用DSP／BIOS系統提供的實時分析工具來觀察系統處理效率的變化。

跟蹤系統軟硬件實施環境為：計算機：ACPI Multiprocessor PC；系統：Windows XP系統；內存：1 GB；CPU：Intel Pentium 4；仿真軟件：CCS2.2；仿真環境：系統運行的環境為實驗室，實驗室長9 m、寬5 m，室內溫度在15～18℃。

系統硬件平臺由紅外成像儀、ICETEK-DM642-PCI開發板和顯示器組成，其中ICETEK-DM642-PCI開發板為系統的數據處理平臺，該平臺以TMS320DM642（DSP）為數據處理核心。

1）在信噪比為2.901 7，粒子數為500的前提下，系統的跟蹤效果如圖5所示。

圖5 跟蹤結果

可見系統能夠精確地對紅外弱小目標進行跟蹤，經統計分析，此時系統的檢測概率為95.47%，虛警概率為0。

2）在信噪比均為2.901 7的前提下，改變系統的粒子數，比較系統實時性上的優劣，系統的處理效率如表1所示。

表1 系統處理效率的變化（粒子數改變）

由表1可以看出：在不同粒子數的情況下，本方案相對于傳統的單線程方案在算法處理效率上提高了一倍左右，但是隨著粒子數的提高，這種效率上的提升逐漸變小。

2）在粒子數均為500的情況下，改變系統的信噪比，比較系統實時性上的優劣，系統的處理效率如表2所示。

表2 系統處理效率的變化（信噪比改變）

從表2可以看出：在不同信噪比的情況下，本方案相對于傳統的單線程方案在算法處理效率上上提高了一倍左右，但是隨著信噪比的提高，這種效率上的提升會出現上下波動。

5 結束語

文中利用RF5框架對傳統的單線程紅外弱小目標跟蹤系統進行了軟件框架的設計，將原先的單線程系統改進為多線程并行執行，并且成功地在DM642開發板上實現了該算法。實驗表明，該方案大幅度地提高了系統的處理效率，改善了系統的實時性，并且該方案也為其他復雜算法系統的設計提供了參考。但是該方案的缺點在于并沒有將算法封裝進通道，進一步的工作將著重于此，從而提高算法的移植性。

［1］楊洋.基于粒子濾波的紅外弱小目標檢測前跟蹤算法的DSP實現［D］.哈爾濱：哈爾濱工程大學，2011：1-66.

［2］潘濤.基于DM642的紅外運動目標檢測與跟蹤技術實現［D］.南京：南京理工大學，2012：1-66.

［3］朱志宇.粒子濾波算法及其應用［M］.北京：科學出版社，2010：1-257.

［4］鄭仁福，劉杰.基于RF5框架的X264編碼器的實現［J］.電視技術，2009，33（3）：26-27，33.

［5］李雁斌，曹作良，劉常杰，等.基于DSP利用粒子濾波算法實現目標跟蹤［J］.光電子·激光，2009，20（6）：771-774.

［6］尹勇，歐光軍，關榮鋒.DSP集成開發環境CCS開發指南［M］.北京：北京航空航天大學出版社，2003：1-278.

［7］曹磊，范彩霞.基于RF5框架的視頻處理系統研究［J］.單片機與嵌入式系統應用，2008（6）：17-19.

［8］蔣宇.基于DSP的運動目標檢測系統的實現［D］.天津：天津大學，2010：1-48.

［9］李志遠.基于RF5框架及算法標準下的多任務程序設計［D］.西安：西安理工大學，2009：1-59.

The real-time improvment method for the infrared small dim target’s tracking system based on RF5

JI Qingbo，WANG Feixiang，XIE Yu
College of Information and Communication Engineering，Harbin Engineering University，Harbin 150001，China

When the track-before-detect（TBD）algorithm based on particle filtering（PF）is utilized to detect and track the infrared small dim target，the system can not meet the real-time requirement because of complexity of the algorithm and a large amount of data needed to be processed.An improved TBD algorithm based on particle filtering under the frame of RF5 is proposed to solve the problem.Furthermore，the algorithm is successfully implemented on DM642.Simulation results show that the real-time of the system is greatly improved in comparison with the tradi-tional single-thread way，which basically meets the real-time requirement.

particle filtering；RF5 framework；infrared small dim target；DM642

TN911.73

A

1009-671X（2014）05-019-04

10.3969／j.issn.1009-671X.201310020

http：／／www.cnki.net／kcms／doi／10.3969／j.issn.1009-671X.201310020.html

2013-11-01.

日期：2014-09-22.

黑龍江省自然科學基金資助項目（F201407）.

汲清波（1975-），女，副教授，工學博士；

王飛祥（1988-），男，碩士研究生.

王飛祥，E-mail：wangfeixiang0824＠163.com.