史亞鋒，王曰根，呂春雷

(1.中國(guó)電子科技集團(tuán)公司第五十二研究所，杭州 311100;2.中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，長(zhǎng)春 130033)

0 引言

在智能交通、智能化檢測(cè)、軍用目標(biāo)檢測(cè)等方面，目標(biāo)檢測(cè)已逐步深入到人類(lèi)的日常生活和工作中。目標(biāo)檢測(cè)是一種利用目標(biāo)的幾何特性和統(tǒng)計(jì)學(xué)特性進(jìn)行圖像分割的方法。該方法實(shí)現(xiàn)了對(duì)目標(biāo)的分割與識(shí)別，其精確度和實(shí)時(shí)性是整個(gè)系統(tǒng)的一個(gè)重要功能。但是對(duì)于同一幀雜波視頻下的目標(biāo)和障礙物而言，由于其均處于同一雜波背景中，二者之間的電磁特性非常接近[1]，再加上慢速特性以及其他干擾因素的影響，使得被檢測(cè)目標(biāo)產(chǎn)生的回波能量非常低，很難對(duì)其進(jìn)行精準(zhǔn)檢測(cè)。為此，相關(guān)目標(biāo)檢測(cè)方法引起了學(xué)者的廣泛關(guān)注。

黃鳳青[2]等在雙通道卷積自編碼器的基礎(chǔ)上實(shí)現(xiàn)了對(duì)慢動(dòng)目標(biāo)的檢測(cè)。將時(shí)頻譜寫(xiě)入到卷積自編碼器模型中，利用IQ雙通道結(jié)構(gòu)來(lái)提升目標(biāo)回波的幅度值，并將所有目標(biāo)的特征值融合在一起；最后通過(guò)跳躍連接結(jié)構(gòu)分析目標(biāo)尺度，以此突出目標(biāo)的特征，實(shí)現(xiàn)精準(zhǔn)檢測(cè)。仇國(guó)慶[3]等利用視覺(jué)特征融合的方法實(shí)現(xiàn)紅外弱小目標(biāo)的檢測(cè)。在Laplace算法的基礎(chǔ)上，對(duì)原始圖像銳化處理，以此獲得圖像的邊緣信息，提高圖像整體的像素強(qiáng)度；利用局部多項(xiàng)梯度算法對(duì)障礙物和雜波背景進(jìn)行抑制，突出被檢測(cè)目標(biāo)的灰度差異特征；通過(guò)目標(biāo)特征融合和自適應(yīng)閾值處理，完成紅外弱小目標(biāo)檢測(cè)。

上述兩種方法均未對(duì)采集到的原始圖像進(jìn)行噪聲去除處理，導(dǎo)致最終的檢測(cè)效果存在一定的誤差。為此，本文提出雜波背景下慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)設(shè)計(jì)方案。系統(tǒng)硬件部分實(shí)現(xiàn)了圖像的預(yù)處理和模數(shù)轉(zhuǎn)換，并通過(guò)DSP[4](Digital Signal Processing，數(shù)字信號(hào)處理)模塊控制其他模塊；軟件部分實(shí)現(xiàn)了慢動(dòng)目標(biāo)多特征融合檢測(cè)、系統(tǒng)通信以及存儲(chǔ)。硬件和軟件組合在一起，將雜波背景下目標(biāo)的多特征進(jìn)行融合，融合結(jié)果即慢動(dòng)目標(biāo)特征檢測(cè)結(jié)果。性能測(cè)試結(jié)果表明，本文系統(tǒng)得到的檢測(cè)精度最高，所花費(fèi)的時(shí)間最少。

1 慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)設(shè)計(jì)

為了提高慢動(dòng)目標(biāo)檢測(cè)系統(tǒng)的準(zhǔn)確性和檢測(cè)率等，本文引入了多特征融合算法，并且設(shè)計(jì)了檢測(cè)系統(tǒng)的硬件部分，實(shí)現(xiàn)慢動(dòng)目標(biāo)檢測(cè)。目標(biāo)檢測(cè)設(shè)計(jì)流程如下：

1)設(shè)計(jì)慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)框架。

2)硬件設(shè)計(jì)：設(shè)計(jì)預(yù)處理模塊、模數(shù)轉(zhuǎn)換模塊、DSP模塊。

(1)預(yù)處理模塊：有源低通濾波所獲取的視頻序列，消除其中包含的高頻噪聲。

(2)模數(shù)轉(zhuǎn)換模塊：采集目標(biāo)的多普勒回波信號(hào)，通過(guò) DSP模塊和并行外部接口實(shí)現(xiàn)數(shù)據(jù)互傳。

(3)DSP模塊：標(biāo)記內(nèi)容、控制目標(biāo)多特征融合、與其他模塊通信以及與存儲(chǔ)模塊信息互傳。芯片采用的是TI公司設(shè)計(jì)的TMS320C6203B。

3)軟件設(shè)計(jì)：設(shè)計(jì)慢動(dòng)目標(biāo)多特征融合監(jiān)測(cè)模塊、通信接口模塊、存儲(chǔ)模塊和特征提取模塊。

(1)慢動(dòng)目標(biāo)多特征融合監(jiān)測(cè)模塊：在檢測(cè)視頻中慢動(dòng)目標(biāo)之前，通過(guò)對(duì)比目標(biāo)的相似性，實(shí)現(xiàn)慢動(dòng)目標(biāo)多特征融合監(jiān)測(cè)。

(2)通信接口模塊：利用虛擬串口轉(zhuǎn)換技術(shù)，將DSP模塊的USB接口轉(zhuǎn)換為虛擬的RS232串口，實(shí)現(xiàn)信息傳遞。

(3)模塊和存儲(chǔ)模塊：作用是存儲(chǔ)數(shù)據(jù)，采用TS201片上存儲(chǔ)器。

(4)特征提取模塊：采用LBP算子方法提取慢動(dòng)目標(biāo)的特征。

1.1 慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)框架

根據(jù)提高目標(biāo)檢測(cè)的準(zhǔn)確性的目的，基于上述三點(diǎn)目標(biāo)檢測(cè)流程，本文設(shè)計(jì)了慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)，該目標(biāo)檢測(cè)系統(tǒng)的框架如圖1所示。

圖1 慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)框架

根據(jù)圖1可知，慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)由硬件部分和軟件部分兩部分組成，其中硬件部分包括預(yù)處理模塊、模數(shù)轉(zhuǎn)換模塊[5]、DSP模塊，軟件部分包括慢動(dòng)目標(biāo)多特征融合檢測(cè)模塊、通信接口模塊、存儲(chǔ)模塊以及特征提取模塊。預(yù)處理采集的視頻序列后，有效抑制了雜波及其他干擾的影響，為后續(xù)實(shí)現(xiàn)更精準(zhǔn)的檢測(cè)做好基礎(chǔ)準(zhǔn)備工作。

1.2 硬件設(shè)計(jì)

為了成功實(shí)施雜波背景下慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)，設(shè)計(jì)硬件部分的預(yù)處理模塊、模數(shù)轉(zhuǎn)換模塊、DSP模塊，具體設(shè)計(jì)如下。

1.2.1 預(yù)處理模塊

預(yù)處理模塊是對(duì)采集到的視頻序列進(jìn)行有源低通濾波，消除其中包含的高頻噪聲[6]。為了后續(xù)目標(biāo)檢測(cè)時(shí)能有效抑制共模增益，在設(shè)計(jì)該模塊時(shí)，低通濾波的輸出端利用二階有源巴特沃思濾波器實(shí)現(xiàn)了差分輸出[7]，具體過(guò)程如圖2所示。

圖2 濾波器原理

圖2所示的濾波器AD芯片采用的是2.4 V電壓，差分輸入峰值低于2.2 V，目標(biāo)回波幅度為[-1 V,+1 V]，保證后續(xù)檢測(cè)的高精準(zhǔn)度。濾波器的通帶增益Ao=-2，為了降低高頻噪聲的干擾，同時(shí)保證目標(biāo)信號(hào)的無(wú)損失，將截止頻率設(shè)置為fc=4 kHz。

選擇AD公司研發(fā)的AD8132差模放大器實(shí)現(xiàn)差分輸出。該放大器具有超強(qiáng)的過(guò)載恢復(fù)能力，不用配備相應(yīng)的A/D轉(zhuǎn)換器，不會(huì)對(duì)低頻信息或直流信息產(chǎn)生任何影響，可以有效保證預(yù)處理的可靠性。在實(shí)際應(yīng)用中，AD8132的同相端[8]輸入信號(hào)時(shí)，其反相輸出端采用了與同相端相同的電路結(jié)構(gòu)，以確保系統(tǒng)整體電路的均衡性和運(yùn)行可靠性。電路結(jié)構(gòu)如圖3所示。

圖3 AD8132差模放大器電路結(jié)構(gòu)

1.2.2 模數(shù)轉(zhuǎn)換模塊

模數(shù)轉(zhuǎn)換模塊的主要作用是通過(guò)數(shù)字方式獲取目標(biāo)主體的多普勒回波信號(hào)，通過(guò)并行外部接口和 DSP實(shí)現(xiàn)數(shù)據(jù)互傳。

本文設(shè)計(jì)的檢測(cè)系統(tǒng)要求各個(gè)模塊都盡可能地保留目標(biāo)回波信號(hào)，同時(shí)抑制雜波的影響，降低信號(hào)的抖動(dòng)頻率，保證系統(tǒng)的低功耗。對(duì)于模數(shù)轉(zhuǎn)換芯片的選取，需要配備相應(yīng)的輸出接口和PPI(parallel peripheral interface，并行外設(shè)總線)端口[9]，具體接口如圖4所示。

圖4 通信接口示意圖

根據(jù)圖4可知，PPI端口主要包括模擬輸入、AD配置、時(shí)鐘配置、上電配置、數(shù)據(jù)輸出等部分。本文選用的模數(shù)轉(zhuǎn)換芯片為AD公司設(shè)計(jì)的具有超高性能的14位AD6644模數(shù)轉(zhuǎn)換器，輸出的格式為二進(jìn)制補(bǔ)碼，可以更好地抑制共模增益，降低雜波背景的干擾。AD6644內(nèi)部具有三級(jí)轉(zhuǎn)換結(jié)構(gòu)，保證系統(tǒng)具有更高的檢測(cè)精度。

1.2.3 DSP模塊

DSP模塊芯片采用的是TI公司設(shè)計(jì)的TMS320C6203B，頻率為250 MHz，內(nèi)部配備了384 kB的RAM(random access memory，隨機(jī)存取存儲(chǔ)器)和512 kB的數(shù)據(jù)RAM。同時(shí)，DSP模塊設(shè)計(jì)了多通道緩沖串口，與系統(tǒng)的存儲(chǔ)模塊可直接進(jìn)行信息傳輸。具體連接情況如圖5所示。

圖5 DSP連接示意圖

DSP在系統(tǒng)中的作用是控制其他模塊，具體細(xì)分為內(nèi)容的標(biāo)記、控制目標(biāo)多特征融合、與其他模塊通信以及與存儲(chǔ)模塊信息互傳等。DSP模塊可剔除除目標(biāo)主體外的其他障礙物或區(qū)域，僅保留目標(biāo)信息，然后將其打包，傳輸至存儲(chǔ)模塊中。

1.3 軟件設(shè)計(jì)

在DSP集成開(kāi)發(fā)環(huán)境Code Composer Studio上，采用了模塊化的設(shè)計(jì)思想完成了軟件設(shè)計(jì)，主要由慢動(dòng)目標(biāo)多特征融合檢測(cè)模塊、通信接口模塊、存儲(chǔ)模塊以及特征提取模塊四部分構(gòu)成。

1.3.1 慢動(dòng)目標(biāo)多特征融合監(jiān)測(cè)模塊

該模塊在實(shí)際應(yīng)用過(guò)程中，首先選取一段視頻圖像，在檢測(cè)視頻中慢動(dòng)目標(biāo)之前，需要將其分為若干個(gè)子區(qū)域，并計(jì)算每個(gè)子區(qū)域的CLBP(完全局部二值模式)直方圖[10]和色調(diào)直方圖[11]。然后通過(guò)對(duì)比目標(biāo)的相似性，實(shí)現(xiàn)慢動(dòng)目標(biāo)多特征融合監(jiān)測(cè)。

假設(shè)Mt表示t時(shí)刻時(shí)子區(qū)域的CLBP直方圖，該區(qū)域慢動(dòng)目標(biāo)的相似性表示為：

(1)

式中，i表示子區(qū)域CLBP直方圖的維度值，最大維度為n，M1,i、M2,i分別表示在i維度下，子區(qū)域CLBP直方圖向量的歸一化處理[12]結(jié)果，M1、M2分別表示子區(qū)域1、2的CLBP直方圖。當(dāng)M1=M2時(shí)，式(1)的計(jì)算結(jié)果為1。給定一個(gè)閾值σ，當(dāng)SCLBP(M1,M2)≥σ時(shí)，說(shuō)明子區(qū)域1、2之間具有相似的CLBP紋理特征。

每個(gè)子區(qū)域慢動(dòng)目標(biāo)的色調(diào)直方圖相似性表示為：

SHue(N1,N2)=

(2)

式中，N1、N2分別表示子區(qū)域1、2的色調(diào)直方圖，D表示子區(qū)域的長(zhǎng)度，W表示子區(qū)域的寬度，N1,i、N2,i分別表示子區(qū)域1、2在維度i下的色調(diào)直方圖的歸一化處理結(jié)果。設(shè)定閾值為μ，當(dāng)SHue(N1,N2)≥μ時(shí)，說(shuō)明子區(qū)域1、2具有相似的色調(diào)特征。

對(duì)于閾值σ和μ，選值要格外注意，如果定義的值太大或太小，就會(huì)導(dǎo)致慢動(dòng)目標(biāo)的多特征與背景混淆在一起，無(wú)法實(shí)現(xiàn)精準(zhǔn)檢測(cè)。通常情況下會(huì)將σ和μ的值定義在[0.7，0.9]范圍內(nèi)，本文取其中間值0.8。

將CLBP紋理特征和色調(diào)等多種特征融合在一起，所能獲得的即目標(biāo)的最終特征，因此多特征融合檢測(cè)問(wèn)題也可以轉(zhuǎn)化為融合目標(biāo)檢測(cè)問(wèn)題，為此在式(1)和式(2)的基礎(chǔ)上，選取某一塊子區(qū)域與雜波背景模型做相似性計(jì)算，如式(3)所示：

S=αSCLBP(Mt,Mt,j)+(1-α)SHue(Nt,Nt,j)

(3)

式中，α表示多特征的融合的因子，取值范圍為0≤α≤1，Mt,j、Nt,j分別表示背景模型中t時(shí)刻的第j個(gè)子區(qū)域，Mt、Nt分別表示子區(qū)域在t時(shí)刻下的CLBP直方圖和色調(diào)直方圖。

對(duì)于α值的確定，如果檢測(cè)條件較好，一般取α=0.5；如果雜波背景影響較大，就要適當(dāng)增大CLBP直方圖相似性的權(quán)重值，α取值一般在[0.7，0.9]范圍內(nèi)，本文取中間值0.8；如果圖像受到較大的陰影干擾時(shí)，就要適當(dāng)增大色調(diào)直方圖的相似性，α取值一般在[0.1，0.3]范圍內(nèi)，本文取中間值0.2。

在視頻圖像序列中，如果存在子區(qū)域的i值取值范圍為1≤i≤L(其中，L表示第L個(gè)子區(qū)域)，即可認(rèn)定該子區(qū)域與雜波背景模型的相似度為S<2.5ηt,m(ηt,m表示t時(shí)刻下，子區(qū)域中第m個(gè)高斯分布的方差)，則認(rèn)定該子區(qū)域?yàn)閳D像背景，否則為目標(biāo)。進(jìn)一步利用GMM(gaussian mixed model，高斯混合模型)方法來(lái)更新雜波背景模型中的參數(shù)，具體實(shí)現(xiàn)過(guò)程如下所示：

1)預(yù)處理雜波背景模型；

2)將預(yù)處理后的背景模型代入到當(dāng)前幀圖像中，并將其分為若干個(gè)子區(qū)域；

3)計(jì)算每個(gè)子區(qū)域的CLBP直方圖和色調(diào)直方圖；

4)將子區(qū)域圖像與雜波背景模型做相似性匹配[13]計(jì)算。如果二者匹配則將子區(qū)域代入到背景模型中，并更新圖像整體參數(shù)，根據(jù)權(quán)值大小選擇前m個(gè)背景模型后返回步驟(2)；如果二者之間不匹配則將雜波背景模型中權(quán)值最小的篩選出來(lái)，明確慢動(dòng)目標(biāo)的多特征融合結(jié)果。

1.3.2 通信接口模塊

通信接口模塊采用DSP的多總線通信模塊，其主要作用是建立系統(tǒng)各個(gè)模塊之間的溝通連接。當(dāng)圖像經(jīng)過(guò)預(yù)處理模塊和DSP模塊后，根據(jù)上位機(jī)中的緩沖空閑標(biāo)志位[14]，判定是否向目標(biāo)多特征融合檢測(cè)模塊和存儲(chǔ)模塊發(fā)送圖像數(shù)據(jù)。

為了降低系統(tǒng)軟件部分的開(kāi)發(fā)難度，通信接口模塊利用了虛擬串口轉(zhuǎn)換技術(shù)，將DSP模塊的USB接口轉(zhuǎn)換為虛擬的RS232串口。DSP負(fù)責(zé)通訊和控制總線規(guī)范， IIC總線負(fù)責(zé)采集和通信現(xiàn)場(chǎng)的數(shù)字信號(hào)，CAN (controller area network)總線負(fù)責(zé)與伺服設(shè)備的通信， SPI串行口負(fù)責(zé)高速的數(shù)據(jù)傳輸和存儲(chǔ)，以太網(wǎng)則負(fù)責(zé)將最終的測(cè)試數(shù)據(jù)打包上傳到網(wǎng)管中心進(jìn)行數(shù)據(jù)共享。CAN總線的體系結(jié)構(gòu)可劃分為數(shù)據(jù)鏈路層、物理層和應(yīng)用層3個(gè)層次。

1.3.3 存儲(chǔ)模塊

存儲(chǔ)模塊本文采用的TS201片上存儲(chǔ)器，每個(gè)內(nèi)核獨(dú)享100 kB高速、專(zhuān)用L1存儲(chǔ)器[15]，大于128 kB的大容量信息將存入L2存儲(chǔ)器內(nèi)。TS201還有一個(gè)優(yōu)勢(shì)就是可以通過(guò)EBIU(外部總線接口單元)接口向外延伸，得到SDRAM(同步動(dòng)態(tài)隨機(jī)存取內(nèi)存)[16-18]和Flash兩種存儲(chǔ)器。

SDRAM存儲(chǔ)器由2片MT48L32M16A2組合在一起構(gòu)成，可存儲(chǔ)圖像數(shù)據(jù)或者圖像處理過(guò)程數(shù)據(jù)[19-20]。Flash存儲(chǔ)器外擴(kuò)的內(nèi)存大小通常為64 MB，由S29GL064M90T構(gòu)成，主要存儲(chǔ)DSP模塊和目標(biāo)多特征融合檢測(cè)模塊傳輸過(guò)來(lái)的數(shù)據(jù)。存儲(chǔ)模塊框架圖如圖6所示。

圖6 存儲(chǔ)模塊框架圖

外部擴(kuò)展總線是由端口模擬而構(gòu)成的，包括信號(hào)線、讀/寫(xiě)控制信號(hào)線、片選信號(hào)線和中斷請(qǐng)求信號(hào)。初始化程序設(shè)計(jì)實(shí)現(xiàn)主設(shè)備的初始化，一串口的初始化和與主控制器芯片的數(shù)據(jù)通信，這些都是系統(tǒng)軟件的基礎(chǔ)。主控制器的軟件實(shí)現(xiàn)主要是完成核心驅(qū)動(dòng)的功能，具體而言，就是只使用一種基本的數(shù)據(jù)傳輸方法。在此基礎(chǔ)上，建立了相應(yīng)的功能函數(shù)，實(shí)現(xiàn)了數(shù)據(jù)傳輸?shù)炔僮?。框架?lèi)協(xié)議在設(shè)備類(lèi)中實(shí)現(xiàn)了一種傳輸協(xié)議，它可以執(zhí)行不同類(lèi)型的子類(lèi)請(qǐng)求指令，從而對(duì)設(shè)備進(jìn)行不同的訪問(wèn)和讀寫(xiě)操作。在本設(shè)計(jì)中，基本數(shù)據(jù)傳輸?shù)膶?shí)現(xiàn)包含在傳輸函數(shù)中，該函數(shù)是嚴(yán)格按照協(xié)議格式編寫(xiě)的傳輸子程序，其參數(shù)包括傳輸數(shù)據(jù)的長(zhǎng)度，數(shù)據(jù)緩沖區(qū)地址指針，端點(diǎn)和包號(hào)PID和負(fù)載。在參數(shù)和標(biāo)識(shí)位初始化階段，將內(nèi)部地址分配到DATA0和DATA1，DATA1將有效負(fù)載加到DATA0上。

1.3.4 特征提取模塊

LBP特征描述符是一種特殊的紋理描述符，它被廣泛地應(yīng)用于各個(gè)領(lǐng)域中，并在人臉識(shí)別中取得了很好的效果。當(dāng)背景復(fù)雜邊緣雜亂無(wú)章時(shí)，HOG 特征效果不佳，局部二值模式在這方面是互補(bǔ)的，將邊緣形狀特征和紋理信息結(jié)合在一起，可以更好地捕捉目標(biāo)的外觀。

LBP算子以鄰近區(qū)域3*3為界，以鄰近區(qū)域的中心像素作為閾值，將鄰近8 個(gè)像素的灰度與中心像素進(jìn)行對(duì)比，如果鄰近像素值大于中心像素值，則將其編碼為1，否則為0。通過(guò)改進(jìn)LBP算子擴(kuò)展3*3的鄰域擴(kuò)展到任意一個(gè)相鄰域，從而得到了p個(gè) LBP算子的公式：

(4)

式中，(x,y)表示中心像素點(diǎn)；gc表示中心像素點(diǎn)的灰度值；gi表示鄰域內(nèi)像素點(diǎn)的灰度值；p表示采樣點(diǎn)個(gè)數(shù)；R表示圓的半徑。若p等于8，則對(duì)均勻模式的LBP算子編碼時(shí)，按從小到大的順序其LBP圖譜對(duì)應(yīng)的灰度值為1～58，非均勻模式則被編碼為0，即灰度值為0，故均勻模式的LBP圖譜相比圓形LBP圖譜整體偏暗。

綜合上述內(nèi)容，實(shí)現(xiàn)了雜波背景的處理和慢動(dòng)目標(biāo)的多特征融合，完成了雜波背景下慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)設(shè)計(jì)。

2 試驗(yàn)結(jié)果分析

為了驗(yàn)證本文設(shè)計(jì)的檢測(cè)系統(tǒng)在實(shí)際應(yīng)用中是否合理有效，與引言中提到的雙通道卷積自編碼器和視覺(jué)特征融合算法展開(kāi)了性能對(duì)比測(cè)試。

2.1 試驗(yàn)設(shè)置

實(shí)驗(yàn)是在MATLAB7.0平臺(tái)上實(shí)現(xiàn)的，CPU為6 GHz，Windows 7 旗艦版，64 位操作系統(tǒng)。在四段視頻內(nèi)截取4張含有慢動(dòng)目標(biāo)的圖像，如圖7所示，其大小為320×256，灰度級(jí)為256，圖像背景中含有一定的噪聲。

圖7 原始圖像

以圖7所示的原始圖像為基礎(chǔ)，分別進(jìn)行檢測(cè)性能、檢測(cè)概率、檢測(cè)效率測(cè)試、CPU占比以及抗干擾性能，具體步驟如下：

檢測(cè)性能測(cè)試：分別利用本文方法與雙通道卷積自編碼器、視覺(jué)特征融合算法3種算法對(duì)四段視頻中的慢動(dòng)目標(biāo)進(jìn)行特征融合，通過(guò)對(duì)比3種算法應(yīng)用后的圖像噪聲分布情況驗(yàn)證其檢測(cè)性能，其中噪聲分布越少，證明背景中多余信息和無(wú)用信息更少，對(duì)應(yīng)算法的特征融合效果越好，檢測(cè)性能越好。

檢測(cè)概率測(cè)試：將原始圖像的信噪比σ定義為：

(5)

式中，GT表示目標(biāo)主體的最大灰度平均值，GT表示原始圖像的灰度平均值，σ表示灰度標(biāo)準(zhǔn)差。

再?gòu)囊欢我曨l序列中截取含有慢動(dòng)目標(biāo)的4張雜波圖像，記為圖像1～4。圖像具體參數(shù)如表1所示。

表1 圖像參數(shù)

設(shè)置4張圖像的多特征融合結(jié)果數(shù)量分別為65、69、78和95，分別利用3種算法對(duì)4張圖像進(jìn)行檢測(cè)，對(duì)比其多特征融合結(jié)果數(shù)量與預(yù)設(shè)數(shù)值的差異，驗(yàn)證其檢測(cè)概率。

檢測(cè)效率測(cè)試：以檢測(cè)花費(fèi)的時(shí)間為對(duì)比指標(biāo)，取同一段視頻序列中4張圖像，分別使用3種算法對(duì)其進(jìn)行檢測(cè)，驗(yàn)證算法的檢測(cè)效率。檢測(cè)花費(fèi)時(shí)間越短，證明對(duì)應(yīng)算法的檢測(cè)效率越高。

CPU占比以及抗干擾性能測(cè)試：隨機(jī)選取150張?jiān)紙D像，通過(guò)計(jì)算機(jī)自帶軟件統(tǒng)計(jì)CPU占比，CPU占比高，即證明該方法下的設(shè)計(jì)系統(tǒng)出現(xiàn)了計(jì)算機(jī)運(yùn)行卡頓現(xiàn)象。同時(shí)選取信噪比峰值為實(shí)驗(yàn)性能指標(biāo)，信噪比峰值越大，則表明該方法下系統(tǒng)的抗干擾性能越好。

2.2 結(jié)果分析

2.2.1 3種算法檢測(cè)性能對(duì)比

首先對(duì)比本文方法與雙通道卷積自編碼器、視覺(jué)特征融合算法在慢動(dòng)目標(biāo)多特征融合檢測(cè)方面的性能，結(jié)果如圖8所示。

圖8 3種算法檢測(cè)結(jié)果對(duì)比

從圖8中可以看出，由于原始圖像雜波背景的影響，對(duì)比算法的檢測(cè)結(jié)果中含有大量的多余信息和無(wú)用信息，使得目標(biāo)多特征融合檢測(cè)結(jié)果誤差較大。而本文方法的檢測(cè)結(jié)果中沒(méi)有出現(xiàn)多余的部分，有效抵抗了雜波背景的影響，得到了精準(zhǔn)的多特征融合檢測(cè)結(jié)果。其主要原因是本文方法將原始圖像分成了若干個(gè)子區(qū)域后計(jì)算了其CLBP直方圖和色調(diào)直方圖，通過(guò)與背景模型的相似性匹配，提高了最終檢測(cè)結(jié)果的精度。

2.2.2 3種算法檢測(cè)概率對(duì)比

3種算法的檢測(cè)概率結(jié)果如表2所示。

表2 3種算法檢測(cè)結(jié)果

通過(guò)表1可以很清楚地看出，隨著視頻序列的時(shí)間推移，目標(biāo)特征亮度越來(lái)越小，σ值最終也從1.474降到了-0.022，說(shuō)明圖像4中的目標(biāo)特征最大灰度平均值要比圖像整體的灰度均值低。結(jié)合表2可知，在這種影響因素較多的情況下，本文方法依然取得了非常理想的多特征融合檢測(cè)正確率，平均值達(dá)到了99.1%，雙通道卷積自編碼器為93.7%，視覺(jué)特征融合算法為95.8%。綜合對(duì)比之下，可以發(fā)現(xiàn)本文方法具有更高的檢測(cè)概率。

2.2.3 3種算法檢測(cè)效率對(duì)比

利用3種方法對(duì)同一段視頻序列中4張圖像的檢測(cè)花費(fèi)時(shí)間對(duì)比結(jié)果如圖9所示。

圖9 3種算法檢測(cè)效率對(duì)比

通過(guò)圖9可以看出，隨著圖像中目標(biāo)融合數(shù)量的逐漸增多，本文方法所需的檢測(cè)時(shí)間呈現(xiàn)緩慢增長(zhǎng)趨勢(shì)，且整體波動(dòng)較為平穩(wěn)。而其他兩種方法的檢測(cè)時(shí)間曲線均出現(xiàn)了大幅度的增長(zhǎng)，尤其是雙通道自編碼器，曲線波動(dòng)較大，說(shuō)明該算法的穩(wěn)定性較差。

2.2.4 3種算法檢測(cè)目標(biāo)的CPU占比對(duì)比

設(shè)計(jì)方法是否具有實(shí)際應(yīng)用價(jià)值，需要分析很多指標(biāo)，其中一個(gè)指標(biāo)為CPU占比，如果設(shè)計(jì)方法在運(yùn)行時(shí)CPU占比高，導(dǎo)致計(jì)算機(jī)運(yùn)行出現(xiàn)卡頓等現(xiàn)象，則其應(yīng)用價(jià)值不高，即檢測(cè)方法的存在一定的局限性，需要進(jìn)一步改善，因此，為了進(jìn)一步驗(yàn)證該方法的性能，對(duì)比分析檢測(cè)方法的CPU占比，此次分析隨機(jī)選取100張?jiān)紙D像，通過(guò)計(jì)算機(jī)自帶軟件統(tǒng)計(jì)CPU占比，實(shí)驗(yàn)結(jié)果如表3所示。

表3 3種算法檢測(cè)的CPU占比結(jié)果

根據(jù)表3可知，視覺(jué)特征融合算法的CPU占比均在35.0%以上，最高CPU占比達(dá)到了48.1%，雙通道卷積自編碼器的CPU占比也均在35.0%以上，其最高CPU占比達(dá)到了44.3%，該值雖然低于視覺(jué)特征融合算法的CPU占比最高值，但是也相對(duì)較高，本文方法CPU占比均在20.0%以下，CPU占比最高值僅為19.8%，3種目標(biāo)檢測(cè)方法相比可知，本文方法的CPU占比最低，分別比視覺(jué)特征融合算法和雙通道卷積自編碼器降低了15.0%以上，因此，本文方法有效地降低了CPU占比，提高了慢動(dòng)目標(biāo)檢測(cè)的運(yùn)行效率，具備一定的應(yīng)用價(jià)值。

2.2.5 3種方法抗干擾性對(duì)比

在實(shí)際檢測(cè)慢動(dòng)目標(biāo)時(shí)，實(shí)際場(chǎng)景下目標(biāo)檢測(cè)經(jīng)常受到各種各樣的干擾，導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確，因此，目標(biāo)檢測(cè)方法的抗干擾性能，以信噪比峰值為實(shí)驗(yàn)性能指標(biāo)，信噪比峰值越大，則表明驗(yàn)證的方法的抗干擾性能越好。實(shí)驗(yàn)隨機(jī)選擇150張?jiān)悸齽?dòng)圖像，整體實(shí)驗(yàn)數(shù)據(jù)如表4所示。

表4 3種算法信噪比峰值對(duì)比結(jié)果

根據(jù)表4可知，3種目標(biāo)檢測(cè)方法的信噪比峰值均沒(méi)有隨著檢測(cè)數(shù)量的增加而增加，整體呈現(xiàn)相對(duì)穩(wěn)定的狀態(tài)。視覺(jué)特征融合算法的信噪比峰值最低為4.11 dB，最高信噪比峰值僅為4.97 dB，雙通道卷積自編碼器的信噪比峰值最低為4.12 dB，最高信噪比峰值僅為4.98 dB，這兩種方法的信噪比峰值相對(duì)較低，本文方法的信噪比峰值最低為8.61 dB，最高信噪比峰值僅為8.93 dB，本文方法的最低信噪比峰值分別比視覺(jué)特征融合算法和雙通道卷積自編碼器的最高信噪比峰值高出3.64 dB和3.63 dB，3種目標(biāo)檢測(cè)方法相比，本文方法的信噪比峰值最高，因此，本文方法的抗干擾性能最佳，有效提高了抗干擾性能。

3 結(jié)束語(yǔ)

在雜波環(huán)境下，由于雜波中噪聲的影響，會(huì)嚴(yán)重降低視頻質(zhì)量，給目標(biāo)跟蹤和識(shí)別造成不便。因此，如何在雜波環(huán)境下有效識(shí)別目標(biāo)，融合慢動(dòng)目標(biāo)特征成為相關(guān)領(lǐng)域亟需解決的問(wèn)題。本文設(shè)計(jì)的慢動(dòng)目標(biāo)多特征融合檢測(cè)系統(tǒng)，可有效抑制雜波的干擾和影響，具有較高的檢測(cè)精度和檢測(cè)效率，能很好地適應(yīng)復(fù)雜檢測(cè)背景。但是本文設(shè)計(jì)的檢測(cè)系統(tǒng)在處理雜波影響較為嚴(yán)重的圖像時(shí)，檢測(cè)精度還有一定的提升空間，下一步將以此為研究重點(diǎn)，進(jìn)行更深入地研究。