闯红灯抓拍系统中使用到了很多计算机视觉和数字图像处理技术,本文就其中的一些关键性算法展开了讨论,主要针对目标检测、跟踪技术进行了深入的研究和实践,并基于DaVinci技术初步实现闯红灯抓拍系统。车辆检测和车辆跟踪是闯红灯视频系统的两个关键算法。针对车辆检测,传统的算法不能很好的实现背景提取,尤其在目标的密度过高时无法实现背景重建,本文提出一种基于形态学和像素灰度归类的背景重建方法可以很好地解决上述问题。该算法的基本思想:首先通过三帧图像中相邻两帧之间的差值得到中间图像帧中目标的大致轮廓,然后用数学形态学原理处理图像,最大程度地区分出前景对象和背景图像。这时,为了减少前景对象对背景重建的影响,可以不考虑前景对象的像素点而只对背景图像进行像素归类。当视频序列执行完后,出现次数最多的像素值被定位为背景点的像素值,当求取每个像素点背景值后,背景图像就生成了。针对车辆跟踪,传统的Mean Shift算法有两个不足之处,一是无法自动设定初始化目标窗口,二是在跟踪过程中当运动目标的颜色分布与背景相似的情况下可能会丢失目标。对于其不足之处本文提出了一种基于改进Mean Shift的车辆跟踪算法,该算法可以利用闯红灯抓拍系统的特点实现自动设定初始化目标窗口,并且利用Kalman滤波器根据目标前一帧的位置信息来预测出目标在本帧图像中目标的可能位置,然后用Mean Shift算法在这个位置的邻域内找到目标的真实位置,并利用前一帧目标的运动信息,实现更准确的跟踪。对于本文提出的两个改进算法,通过理论和仿真实验证明效果良好。TI的DaVinci技术是专门针对数字视频系统开发提出的一种解决方案,而DM6446就是基于DaVinci技术的SoC处理器,其ARM+DSP的双核架构可将高性能的可编程核与存储器及外设集成在一起,使得DSP端执行高性能算法,ARM端结合Linux嵌入式系统实现对外设的管理。因此,本文选择DaVinci DM6446作为闯红灯抓拍系统的开发和实现平台。首先,基于DSP端在DaVinci开发工具CCS上对本文提出的车辆检测与跟踪算法进行底层算法库的封装,然后基于ARM端在Linux操作系统下完成多线程的应用程序设计。在此基础上,本文搭建了具有视频采集、编码、解码、网络传输等功能的演示系统。