Содержание к диссертации
Введение
1 Анализ задач обнаружения, выделения, измерения координат и сопровождения объектов в оптико электронных системах (ОЭС) 11
1.1 Задачи, решаемые ОЭС 11
1 2 Качественная постановка задачи обнаружения, выделения, измерения координат и сопровождения объектов 24
1 3 Обзор и анализ методов и алгоритмов обнаружения и измерения координат объектов 31
2 Разработка алгоритмов захвата и измерения координат объекта с использованием его эталонного изображения ... 39
2 1 Разработка алгоритма захвата движущихся объектов 39
2 2 Выбор и обоснование размеров эталонного изображения объекта в алгоритме измерения координат 49
2.3 Разработка алгоритма измерения координат объекта на основе эталона
2.4 Исследование алгоритма измерения координат 64
2.5 Состояния (режимы работы) автомата сопровождения, использующего алгоритм измерения координат на основе эталона 68
3 Разработка многоэтапного алгоритма измерения координат объекта, основанного на сегментации 76
3 1 Выбор и обоснование признаков, используемых для классификации точек изображения 77
3 2 Разработка многоэтапного алгоритма измерения координат 85
3 3 Разработка критериев оценки работоспособности алгоритма измерения координат на основе сегментации 92
3.4 Исследование алгоритма измерения координат 95
3.5 Состояния (режимы работы) автомата сопровождения, использующего алгоритм измерения координат.на основе сегментации 100
4 Разработка архитектуры автомата сопровождения объектов 109
4.1 Обоснование применения программируемых логических интегральных схем
4.2 Разработка архитектуры автомата сопровождения 112
4.3 Реализация архитектуры автомата сопровождения. Результаты применения автомата в комплексах различного назначения 146
Заключение 155
Список использованных источников
- Качественная постановка задачи обнаружения, выделения, измерения координат и сопровождения объектов
- Выбор и обоснование размеров эталонного изображения объекта в алгоритме измерения координат
- Разработка многоэтапного алгоритма измерения координат
- Разработка архитектуры автомата сопровождения
Введение к работе
Актуальность работы
Совершенствование технологий способствует интенсивному внедрению видеоинформационных систем в различные области человеческой деятельности. Системы обработки и анализа видеоинформации, определяемые как оптико-электронные системы (ОЭС), находят все большее применение как в гражданских, так и, в особенности, в военных областях. В настоящее время ОЭС являются основой построения многих систем наведения и прицеливания в различных образцах военной техники. В гражданской сфере ОЭС находят применение в системах охраны и наблюдения за объектами, системах раннего оповещения о пожарах и повреждениях газо- или нефтепроводов.
Одним из направлений разработки ОЭС является обеспечение возможности их установки на подвижных носителях: самолётах, вертолётах, кораблях и бронетехнике. Целью подобных систем является решение задач обнаружения неподвижных и движущихся объектов, оценки их параметров, построения траекторий движения объектов, распознавания образов. При этом условия применения ОЭС достаточно широкие - это и воздушные объекты, и наземные, и морские.
Естественным требованием, предъявляемым к ОЭС, является необходимость работы в реальном масштабе времени. Разрабатываемые системы также должны иметь автоматизированный режим функционирования, требуя лишь незначительных усилий со стороны оператора.
Важной составной частью ОЭС является автомат сопровождения объектов, реализующий большинство функций обработки изображений, формируемых видео датчиками. Функционирование автомата сопровождения невозможно без наличия алгоритмического обеспечения, решающего задачи обнаружения, выделения объектов, измерения их координат. Несмотря на большое количество алгоритмов выделения и обнаружения объектов, разработанных к настоящему времени, универсального набора средств, решающего поставленные задачи, не существует. Некоторые алгоритмы обладают большой вычислительной сложностью, другие не в полной мере учитывают специфику рассматриваемой задачи и особенности применяемых на практике датчиков изображений. Поэтому разработка эффективных алгоритмов выделения, обнаружения и слежения за объектами, обладающих приемлемой вычислительной сложностью, до настоящего времени является весьма актуальной задачей.
Степень разработанности темы
В отечественной и зарубежной печати имеется много публикаций, рассматривающих вопросы выделения, обнаружения и слежения за объектами на различных фонах по данным видеонаблюдений. Значительный вклад в разработку методов и алгоритмов решения данной задачи внесли работы таких учёных как Б.А. Алпатов, П.А. Бакут, В.Г. Лабунец, А.П. Трифонов, И.Н. Пустын-ский, Е.П. Путятин, А.Г. Ташлинский, D. Braunreiter, В. Li, J. Silverman, Q. Pham, С. Crane, W. Pratt, S.Wang и др.
Несмотря на большое количество работ по данной тематике, в результате её анализа не было выявлено публикаций, в которых в полной мере учитывает-
ся специфика задач выделения и обнаружения объектов с большим диапазоном варьирования размеров, наблюдаемых как в видимом, так и в инфракрасном диапазонах на различных фонах. Важным требованием, предъявляемым к алгоритмам, решающим данную задачу, является возможность их реализации в реальном масштабе времени. В ряде работ, рассматриваются алгоритмы, позволяющие обнаруживать точечные и малоразмерные воздушные объекты, однако они ориентированы преимущественно на обработку изображений, получаемых с тепловизионных датчиков. Разработаны многоэтапные пространственно-временные алгоритмы выделения объектов, основанные на получении оценок параметров геометрических преобразований изображений. Однако при наблюдении объектов на неоднородном фоне точность оценивания может быть низкой, что в итоге приводит к ухудшению качества обнаружения и автосопровождения.
Исходя из этого, сформулируем цель диссертации, которая состоит в разработке эффективных алгоритмов захвата, выделения, обнаружения и измерения координат объектов на различных фонах для автомата сопровождения, как составной части ОЭС, а также в разработке архитектуры системы, реализующей автомат сопровождения объектов. Для достижения поставленной цели необходимо решить следующие основные задачи:
обзор и оценка достоинств и недостатков существующих алгоритмов выделения, обнаружения и измерения координат объектов;
синтез алгоритма обнаружения и захвата движущихся объектов;
разработка многопорогового алгоритма захвата неподвижных объектов;
разработка и исследование алгоритма измерения координат объектов на основе адаптивно изменяемого эталонного изображения;
разработка и исследование многоэтапного алгоритма измерения координат объектов на основе сегментации;
разработка критериев оценки работоспособности алгоритмов измерения координат объектов;
разработка архитектуры системы, реализующей автомат сопровождения объектов.
Научная новизна диссертации состоит в том, что в ней разработаны:
алгоритм выделения, обнаружения и захвата движущихся объектов, позволяющий значительно сократить время, затрачиваемое оператором на захват объекта в условиях быстро меняющейся фоноцелевой обстановки;
многопороговый алгоритм обнаружения неподвижных объектов на основе разделения изображения на несколько усредненных уровней яркости, позволяющий выполнять захват объектов на сопровождение при отсутствии их движения;
алгоритм измерения координат на основе адаптивно изменяемого эталонного изображения объекта, применение которого позволяет на 20-25% повысить эффективность работы автомата сопровождения на сложных неоднородных фонах при малых отношениях сигнал/шум;
многоэтапный алгоритм измерения координат объектов на основе сегментации, использование которого в автомате сопровождения позволяется увели-
чить точность и устойчивость сопровождения воздушных и надводных объектов;
- критерии оценки работоспособности алгоритмов измерения координат объектов, эффективность применения которых подтверждается уменьшением на 30% срывов сопровождения объектов;
- архитектура системы, реализующей автомат сопровождения объектов.
На защиту выносятся следующие новые научные результаты:
алгоритм выделения, обнаружения и захвата движущихся объектов на основе введенной модели фоноцелевой обстановки;
алгоритм измерения координат на основе адаптивно изменяемого эталонного изображения объекта;
многоэтапный алгоритм измерения координат объектов на основе сегментации;
архитектура системы, реализующей автомат сопровождения объектов.
Методы исследования
Теоретические исследования в настоящей работе выполнены на основе методов теории вероятностей, теории статистических решений, метолов оптимизации. Экспериментальные исследования выполнялись на реальных и синтезированных видеосюжетах с использованием методов математической статистики.
Достоверность и обоснованность полученных результатов подтверждены корректным использованием математического аппарата, компьютерным моделированием разработанных алгоритмов, результатами экспериментальных исследований, а также опытом практического внедрения.
Реализация и внедрение
Разработанные в диссертации модели и алгоритмы были использованы при выполнении на ОАО "Государственный Рязанский приборный завод" ОКР по заказам ОАО «Красногорский механический завод» г.Красногорск, ОАО «Ка-мов», г.Люберцы, ОАО "Ульяновский механический завод" г.Ульяновск, ОАО "Радиозавод" г. Пенза, ФГУП "Конструкторское бюро машиностроения" г.Тула, ОАО "Научно-исследовательский электро-механический институт" г.Москва, ФГУП "Конструкторское бюро машиностроения" г.Коломна. Алгоритмическое обеспечение используется в изделиях: АТТ для вертолета Ми-28Н, СОВИ для вертолета Ка-52, в оптико-электронных системах для ЗРК "Квадрат", "Бук", "Оса", зенитного ракетно-пушечного комплекса "Тунгуска-М1", ракетного комплекса малой дальности «Лучник-Э». Апробация работы Основные результаты работы докладывались на:
всероссийской конференции "Приборы и приборные системы" (Тула -1994);
международной конференции "Технология и системы сбора, обработки и представления информации" (Москва- 1995);
всероссийской конференции "Распознавание образов и анализ изображений" (Ульяновск- 1995);
\ш и 2Ш международной конференции "Космонавтика, радиоэлектроника, геоинформатика" (Рязань- 1997).
11ш и \6Ш международной научно-технической конференции "Проблемы передачи и обработки информации в сетях и системах телекоммуникаций" (Рязань-2002, 2010);
\ш Всероссийской научно-практической конференции "Устройства измерения, сбора и обработки сигналов в информационно-управляющих комплексах" (Ульяновск - 2011).
Публикации
По теме диссертации опубликовано 16 работ, в том числе 8 статей, из них 3 в журналах, рекомендованных ВАК для публикации результатов кандидатских диссертаций. Получены два патента на изобретения. Структура и объём диссертации
Диссертация состоит из введения, четырёх глав, заключения, списка литературы (79 источников), приложений, изложенных на 175 страницах, содержит 59 рисунков и 28 таблиц.
Качественная постановка задачи обнаружения, выделения, измерения координат и сопровождения объектов
Все перечисленные каналы размещаются на поворотной платформе (при решении задач точного целеуказания платформа дополнительно стабилизируется). Блоки управления перечисленными устройствами. Блок обработки видеоинформации - автомат обнаружения и автосопровождения объектов.
Обилие разнородных каналов, входящих в ОЭС, обусловлено многообразием задач, решаемых с ее помощью, а также несовершенством каждого канала в отдельности. Это вынуждает объединять их так, чтобы недостатки одного канала компенсировались бы достоинствами другого. В частности, дневная ТВ-система, работающая в области спектра 0,4-0,9 мкм, обеспечивает высокое качество изображения, но работает только днем. При снижении прозрачности атмосферы (туман, дождь, снегопад и пр.) дальность видения в него падает. Для работы ночью и при плохой видимости, в состав ОЭС входит тепловизионный канал, работающий в области спектра 3 - 5 или 8 - 14 мкм. Это позволяет сохранить возможность видения как при нормальной, так и при пониженной прозрачности атмосферы, обеспечивая наблюдение даже в дымах. Если дальность видения ТВ-системы зависит от уровня естественной освещенности, то тепловизор реагирует на разницу в температурах наблюдаемого объекта и окружающего его фона (ландшафта). Поэтому тепловизор может работать при любой освещенности, т.е. круглосуточно. Однако качество изображения в тепловизоре ниже, чем в ТВ-системе. Кроме того, его изображение специфично и не обеспечивает той детализации, которую создают телевизионные системы. В ТВ-камерах используются матрицы ПЗС, допускающие высокоточное измерение координат, что пока недоступно для тепловизоров.
Лазерный целеуказатель-дальномер обеспечивает точное измерение дальности до наблюдаемого объекта, а система обнаружения и сопровождения объектов автоматически удерживает лазерный луч на объекте наблюдения в процессе полета вертолета. Это позволяет не только оперативно измерять дальность, но и выдавать целеуказания пилотам других вертолетов и наземным операторам.
Чтобы изображение не смещалось в процессе полета вертолета и занимало стабильное положение, все каналы ОЭС устанавливаются на единой гиро-стабилизированной платформе, которая размещается в обтекаемом (сферическом) корпусе. При этом устойчивость положения изображения в поле зрения ОЭС характеризуется точностью гиростабилизации. Чем выше эта точность, тем стабильнее положение изображения в поле зрения ОЭС.
Для сохранения направления на объект, в процессе взаимного перемещения объекта и вертолета, ОЭС оснащается автоматом обнаружения и сопровождения объектов. Он непрерывно отслеживает положение объекта в поле зрения ОЭС и формирует управляющие сигналы на гиростабилизированную платформу для совмещения с объектом линии визирования ОЭС. Слежение осуществляется автоматически с заданной скоростью. Если изображение объекта уходит в сторону от линии визирования, то автомат всякий раз совмещает линию визирования с центром объекта. Это необходимо для наведения на объект управляемого ракетного оружия или неуправляемого пушечного вооружения, если вер толет имеет военное назначение. А также для точного монтажа строительных конструкций при гражданском применении вертолета.
Широкое применение датчиков видимого спектрального диапазона в ОЭС связано с его принципиальными особенностями, важнейшими из которых являются: - высокая информативность изображений; - высокая точность целеуказания; - компактность и малая энергоёмкость оптических датчиков; - возможность спектральной и пространственной селекции объектов, позволяющая обнаруживать слабоконтрастные и замаскированные цели. Развитие датчиков видимого диапазона имеет длинную историю развития, начиная с аналоговых видикоиовых малого формата с чересстрочной разверткой и заканчивая цифровыми высокоскоростными датчиками для телевидения высокой четкости больших форматов с прогрессивной разверткой.
К настоящему времени разработано и серийно производится большое количество датчиков оптического диапазона с различными характеристиками. Среди них можно отметить как отечественные, так и зарубежные разработки.
На рисунке 1.4 (а) представлен малогабаритный телевизионный модуль производства ФГУП ОКТБ «Омега», предназначенный для работы в диапазоне освещенностей от 0,0001 до 500 лк, что обеспечивает работу в сумерках. ТВ-модуль является законченным устройством и может применяться в составе различных систем в сложных условиях эксплуатации. В изделии реализована чересстрочная развертка изображения с форматом 768x576 элементов разложения (пикселей).
Выбор и обоснование размеров эталонного изображения объекта в алгоритме измерения координат
Таким образом, вероятность грубого ощибочного совмещения зависит от дисперсии шума на изображении, от числа точек L и L,, а также от числа позиций и/ и п2. Заметим, что с ростом L вероятность Р0Ш] снижается, так как в эталон включаются точки области 2, а вероятность Р0Шг увеличивается. Следова-телыю для фиксированных параметров Z,, Д nh п2 имеется оптимальное значение L, при котором достигается минимальная вероятность грубой ложной привязки объекта. Результаты моделирования показывают, что для большого диапазона параметров, характеризующих сцену, в эталонное изображение целесообразно включать приблизительно столько же точек окружающего фона, сколько их приходится на объект.
Очевидно, что работа любого алгоритма измерения координат зависит от условий наблюдения. Можно определить ряд требований, при выполнении которых алгоритм будет работать наиболее эффективно. Ыесоблюдение этих требований приведет к невозможности слежения за объектом. Важным обстоятельством, влияющим на устойчивость слежения, является то, в каких условиях, с точки зрения окружающего фона, выбрано начальное эталонное изображение объекта, т.е. произведен захват эталона. Для повышения устойчивости последующего слежения целесообразно проводить анализ возможности захвата эталонного изображения объекта.
Требования к условиям наблюдения можно выразить в виде признаков работоспособности алгоритмов. Можно предложить различные признаки работоспособности алгоритма измерения координат на основе эталона. Одним из них может быть признак, основанный на анализе значений разностной критериальной функции (2.11) на границе зоны поиска в соседних кадрах наблюдаемого изображения фоноцелевой обстановки.
Изображение объекта в последовательности кадров изменяется. Степень временной изменчивости объекта можно оцеиитъ минимальным значением критериальной функции, получаемой на очередном кадре. Если степень временной изменчивости объекта примерно соответствует степени отличия объекта и окружающего его фона, то измерение координат вряд ли возможно. В то же время, если объект не схож с фоном, и степень отличия объекта от фона будет больше, чем степень временной изменчивости объекта, то, скорее всего, измерение координат будет успешным. Пусть на п-м кадре видеопоследовательности были заданы координаты и размеры объекта, для которого требуется оценить признак для алгоритма корреляционного совмещения. Изображение объекта на п -м кадре принимается за эталонное в формуле (2.11).
Степень отличия изображения объекта от окружающего фона можно оха рактеризовать величиной (mjn F(а,/?,«), где - множество координат, соответствующих границе зоны поиска. Степень отличия опорного участка на кадре п от опорного участка на кадре и+1 описывается величиной minF(a,j3,n +1), т.е. минимальным значением критериальной функции в и+1-м кадре, которое характеризует межкад ровую изменчивость изображения объекта. Следовательно, если mjn F{a,p,n) больще min F(аJ,и + 1) , сле дует ожидать уверенного сопровождения объекта. Поэтому отношение этих величин можно использовать как признак, оценивающий возможность захвата объекта в и+ 1-м кадре: min F(aJ,n) KF (л + 1) = - г (2.23) mm {а,р,п кор V В рассмотренном признаке работоспособности используются два кадра последовательности изображений. Применение признака, основанного на анализе крутизны изменения значений разностной критериальной функции (РКФ) в зоне поиска, позволяет оценить возможность захвата объекта в одном кадре.
Обычно в работе алгоритма, основанном на использовании эталона, предусмотрен этап сравнения эталонного изображения с текущим. Указанное сравнение выполняется в некоторой зоне, называемой зоной поиска. В резуль-тате поиска формируется массив значений РКФ MF, полученных в каждой точке сравнения. На рисунке 2.7 показан пример пространственного распределения значений РКФ в массиве MF. Вертикальная ось на рисунке соответствует значе нию РКФ, полученному в точке зоны поиска с координатами, заданными по нижним осям.
Процедуру анализа возможности захвата можно проводить следующим образом. В общем случае пространственное распределение РКФ имеет многоэкстремальный вид, наряду с глобальным минимумом оно может содержать несколько локальных. Поэтому вначале целесообразно убедиться в том, что распределение имеет один ярко выраженный минимум. Два выраженных минимума и более означает, что в зоне поиска находятся участки фона, сходные с объектом, следовательно, устойчивость слежения будет невысокой.
Разработка многоэтапного алгоритма измерения координат
Отличительной характеристикой алгоритма измерения координат на основе сегментации является его эффективность при слежении за объектами на относительно однородном фоне, что объясняется использованием в алгоритме информации о различии статистических свойств объекта и фона. При увеличении неоднородности фонового изображения эффективность алгоритма сегментации падает. Целесообразно определить критерии оценки работоспособности алгоритма.
В случае принятия решения оператором такими критериями являются априорные сведения о фоноцелевой обстановке и его опыт. Однако в оптико-электронных системах влияние оператора на процессы слежения невелико, а априорные сведения о фоноцелевой обстановке отсутствуют. Для успешного решения задачи слежения за объектами в таких условиях необходимо автоматически принимать решение о работоспособности алгоритма сегментации. Для этого целесообразно ввести численный критерий оценки работоспособности и принимать решения о работоспоеобноети алгоритма на основе его сравнения с определенным пороговым значением.
Можно выделить несколько основных требований к разрабатываемым критериям оценки работоспособности.Во-первых, расчет критерия не должен быть связан с существенными вычислительными затратами. Необходимость этого требования обусловлена ограничениями вычислительного характера, предъявляемыми ко всей системе обнаружения и сопровождения объектов.Во-вторых критерий должен быть инвариантен к ряду преобразований изображения, среди которых выделим следующие: - яркостные искажения (изменения яркости и контраста); - изменение масштаба изображения; - вращение изображения; - смещение.
Поскольку байесовский классификатор использует для сегментации объекта различие статистических свойств объекта и фона, не тех же принципах должен быть основан соответствующий критерий оценки работоспособности.
Одним из критериев, удовлетворяющим заданным условиям, является критерий Джинни. Если р(Х О) - гистограмма яркости в окне, а р{Х Р) -гистограмма в рамке, то их отличие можно определить следующим образом [64]: KFce2M(n) = Хр(Т 0) Р(Х Г ) (3.6) х где X- вектор признаков, соответствующий разряду гистограммы. Другим вариантом может быть критерий, использующий модуль разности энтропий [39, 65, 66]. Оценка энтропии яркости определяется согласно выражению: N H = -Yp(x)log2p(x) (3.7) х=\ где р(х) - гистограмма яркости, N- число разрядов гистограммы по яркости. Энтропия показывает насколько закон распределения признака х близок к равномерному. Если х принимает единственное значение, то Я = О, и гистограмма имеет вид одного пика. Если все возможные значения признака встречаются одинаково часто, т.е. гистограмма равномерная, то Я = Ятах = log2 Я . В этом случае достигается наибольшее разнообразие яркостей точек изображения.
Использование энтропии, определенной равенством (3.9), возможно в случае одномерной гистограммы. Так как сегментация точек изображения в используемом алгоритме измерения координат осуществляется по совместным яркостно-градиентным гистограммам [36] целесообразно использовать энтропию второго порядка [67]: N М Я = “Е5 ( ,з01оё2р(х,з0 (3.8) х=\ у=1 где р(х,у) совместная яркостно-градиентная гистограмма. Я, М- число разрядов гистограммы по яркости и по градиенту соответственно. Критерий, оценивающий работоспособность алгоритма, основан на вычислении модуля разности энтропий объекта и фона: АЯ=ЩР)-ЩО)\ = N М N М X Ё Р(Х I О) log2 р(Х О) -X Е Р{Х Р) log2 р{Х Р) л-=1 у=\ х=\ у=\ (3.9) где Я(Е), Я(О) - энтропии гистограммы в рамке и окне соответственно.
Исследования применения двух введенных критериев проводились на специально параметрироваиных сюжетах, в которых траектория объекта слежения была заранее известна, а координаты объекта в каждом кадре измерены. В каждом сюжете выполнялось отслеживание объекта и, если в 96% кадров сюжета измеренные алгоритмом на основе сегментации координаты центра объекта не выходили за допустимые пределы отклонений от заранее извеетных координат центра, то алгоритм измерения координат считалея работоспоеобным. В противном случае - неработоспособным.
Для количественного определения работоспособности алгоритма, вычислялись пороговые значения признаков работоспособноети, превышение кото рых свидетельствует о работоспособности алгоритма сегментации.Для вычисления порогового значения все видеосюжеты разбивались на два множества -в которых алгоритм работоспособен и S2 - на которых он неработоспособен. Аппроксимируя распределение признаков работоспособности на множествах S, и S2 нормальным распределением, можно найти точку пересечения гауссоид, которая принимается за искомое пороговое значение. Для критерия Джинни пороговое значение составило 0,67, а для энтропийного критерия - 0,28.
Разработка архитектуры автомата сопровождения
Выбор позиции загрузки эталона. Загрузка возможна с четной или нечет-ной координаты. Выбор производится путем записи в регистр 4к «О» при загрузке с четной координаты и «1» - при загрузке с нечетной. Выбор типа операции, производимой с эталоном. Выбор производится путем записи в регистр 3h «О» для выполнения фильтрации или «1» для записи эталона (операция выполняется при выборе объекта сопровождения). Задание координат поиска. Координаты поиска (начало полосы анализа) по осям X, У записываются в регистры 42й и 43к. (При прямоугольной зоне поиска содержимое этих регистров совпадает с содержимым регистров 1 Oh и llh соответственно).
Чтение результатов поиска. По результатам поиска определяются координаты и значение минимума РКФ. Координаты доступны по чтению: по оси X - в регистре 50h, по оси У - в регистре 51h. Младшие 16 бит значения РКФ можно прочитать в регистре 52h, старшие 8 бит - в регистре 53h. Также имеется возможность считывать значение РКФ из памяти разностной функции в любой точке области сравнения.
Фильтрация эталона. Выполняется в соответствии с выражением: En(i,j) = k -En.,(i,j) + (1 - к) -Bn(i,j), где En(i,j) - значение элемента эталонного изображения в п— кадре после фильтрации, En.j(i, j) - значение элемента сглаженного по п-\ш кадру эталонного изображенияДД j) - значение элемента участка изображения в точке наилучшего совмещения в п кадре, к - коэффициент рекурсивного сглаживания (имеет разрядность 12 бит и изменяется от О до 4096). Для выполнения фильтрации эталона необходимо 1) записать «0» в регистр 3h (задать тип операции с эталоном); 2) записать коэффициент к в регистр 40h; 3) записать обратную коэффициенту к величину в регистр 41h (4096 - к). 4) ожидать завершения фильтрации чтением регистра 40h и анализом изменения содержимого регистра из 1 в 0.
Управление маской эталона. Применяется для задания размеров эталона, отличающихся от стандартных 32x32 элемента.Маска представляет собой битовую таблицу, каждая ячейка которой соответствует одному пикселу эталона и может принимать значение 0 или 1.
Колонки маски нумеруются слева направо от 0 до 31. Каждая колонка представляется в виде двух 16-разрядиых слов. Нулевой бит в колонке маски соответствует первому пикселу в колонке, 31-й бит - последнему. Для записи колонки маски необходимо: 131 1) в регистр 60h записать младшую часть колонки маски; 2) в регистр 61 h записать старшую часть колонки маски; 3) в регистр 62h записать номер колонки маски.
Управление масштабированием. Допускается масштабирование изображения с разными коэффициентами по осям. Масштабирование по оси X задается записью соответствующего коэффициента в регистр 24h, по оси Y - записью в регистр 25h. Запись значения «О» устанавливает работу с исходным изображением, запись «1» - масштабирование в 2 раза, запись «2» - масштабирование в 4 раза. Рассмотрим порядок выполнения основных операций аппаратных блоков, реализующих алгоритм с использованием эталона. Выбор участка изображения в качестве эталона (захват объекта на сопровождение). Чтобы произвести захват объекта необходимо выполнить сле-дующие действия: 1) выбрать inn операции с эталоном «копирование» путем записи в регистр 3h«1»; 2) так как при записи эталона не требуется задавать коэффициенты фильтрации, в регистры 40h и 41h записываются «1»; 3) проверить на четность координату X левого верхнего угла участка изображения, из которого будет копироваться эталон; по результатам проверки за-писать требуемое значение нулевого бита регистра 4h в «О», если координата четная, или в «1», если координата нечетная; 4) записать координаты (X, Y) левого верхнего угла области сравнения в регистры 42h и 43h соответственно; 5) продублировать запись координат (X, Y) левого верхнего угла области сравнения в регистры 10h и Uh; 6) если координата X четная, в регистр 13h записать число 34, если нечетная - число 36, чго соответствует 32 столбцам эталона и 2 (4) столбцам транспортной задержки; 132 7) анализируя содержимое региетра l Oh, ожидать момент окончания копирования эталона (изменение значения в региетре из «1» в «О» означает, что копирование завершено); 8) запиеать в нулевой бит регистра 4h «О». Выполнение фильтрации эталона предусматривает еледующие действия: 1) выбрать тип операции с эталоном «фильтрация» путем записи в регистр 3h «О»; 2) проверить на четность координату X левого верхнего угла участка изображения, из которого будет копироваться эталон; по результатам проверки записать требуемое значение нулевого бита регистра 4h в «О», если координата 3) записать координаты (X, Y) левого верхнего угла области сравнения в регистры 42h и 43h соответственно; 4) продублировать запиеь координат (X, Y) левого верхнего угла облаети сравнения в региетры l Oh n Ilh; 5) если координата X четная, в региетр 13h записать число 34, если нечетная - число 36, что соответствует 32 столбцам эталона и 2 (4) столбцам транспортной задержки; 6) считывая и анализируя содержимое регистра l Oh, ожидать момент окончания загрузки участка изображения, соответствующего позиции наилучшего совмещения (изменение значения в региетре из «1» в «О» означает окончание загрузки); 7) произвести запись в регистры 40h и 41h коэффициента фильтрации эталона к и значение (1-к); 8) считывая содержимое региетра 40h, ожидать изменения еодержимого регистра из «О» в «1», что означает окончание операции фильтрации; 9) записать в нулевой бит регистра 4h «О».
Выполнение операции поиска позиции наилучшего совмещения в зоне поиска. Для организации скоростного доступа к элементам эталонного изображения, он размещается в специальной внутрикриетальной памяти. При этом имеется возможность доступа одновременно ко всем значениям двух столбцов эталона. Организация одновременного доступа необходимо для обеспечения параллельного вычисления РКФ по двум строкам эталона. Вычисление всех значений РКФ в зоне поиска выполняется за число тактов, вдвое меньшее количества строк в эталоне.
Для уменьшения количества обращений во внешнюю память, в которой хранится текущее изображение, при выполнении выборки зоны сравнении, вводится специальный буфер, располагающийся во внутрикристальной памяти, размер которого равен размерам эталона. Таким образом, при смещении эталона по области сравнения на одну позицию, необходимо считывать из внешней памяти только один столбец данных. Выполнение поиска позиции наилучшего совмещения проводится в следующем порядке: 1) перед началом выполнения операции необходимо перевести кристалл в начальное состояние записью в регистр Oh числа «1»; 2) координаты (X, У) левого верхнего угла полосы анализа, округленные до четного значения, записать в регистры 42h и 43h соответственно; 3) продублировать координаты (X, У) левого верхнего угла полосы анализа, округленные до четного значения, в регистры 10h и llh соответственно; 4) записать в регистр 13h размер зоны поиска плюс число 34; 5) ожидать окончание вычислений в полосе анализа - допоявлеиие «О» в регистре 10h, что свидетельствует о завершении поиска; Выполнять пункты 2) - 5) до тех пор, пока не будет обработана вся зона сравнения. 6) прочитать в регистрах 50h, 51 h координаты (X, У) позиции наилучшего совмещения, в регистрах 52h, 53h - младшую и старшую части значения РКФ в точке минимума.
Похожие диссертации на Разработка алгоритмов функционирования и архитектуры автомата сопровождения объектов по данным видеонаблюдений
