本文所描述的基于DM642的运动目标检测系统设计与实现，是一套应用于智能交通、图像识别和安防监控领域的实时运动目标检测系统。该系统基于TI的DM642数字媒体处理器，实现了一个有效且高实时性的运动目标检测算法。该系统涵盖了从图像获取、预处理、背景获取和更新，到二值化处理和目标提取等关键技术环节。下面将详细解释这些关键技术点以及DM642平台的实现。
运动目标检测是数字视频系统的重要组成部分。它能够从连续的视频流中识别出动态变化的物体，为后续的目标识别和跟踪等处理提供了基础。实现运动目标检测的算法多种多样，常见的方法包括光流法和背景差分法。本文着重介绍的是基于背景差分法的运动目标检测算法。
在图像获取及预处理阶段，系统首先需要配置视频输入输出，获取摄像头采集的视频流。此处的视频流为数字YUV格式，分辨率为720×576像素，每个分量为8比特。由于视频图像中不可避免会包含噪声，因此需要采用高斯滤波来抑制噪声。预处理后的图像被存储在三个缓存中：当前图像存放在IMG_CURRENT，上一帧图像存放在IMG_PREVIOUS，背景图像存放在IMG_BACKGROUND。
背景差分法是通过比较当前图像与背景图像来检测运动目标的。首先获取一帧图像作为初始背景，然后隔一定帧数（本文中是4帧）获取下一幅图像作为当前图像。通过比较当前图像与背景图像的差异，可以获得差分图像。该差分图像与一个预先设定的阈值（阀值FF）比较，若差异小于阀值，则认为没有检测到运动目标；若大于阀值，则认为检测到运动目标，并进行背景更新。背景更新的公式体现了当前图像和背景图像的权值占比，系数α决定了更新的快慢。
差分图像的二值化是将灰度图像转换为黑白二值图像的过程。该过程使用了大津法来确定合适的阈值。二值化后的图像能够更清晰地显示出运动目标。为了提高二值化的效果，本文提出了一种改进的方法：若通过大津法得到的阈值小于10，则认为没有物体运动，并将二值化图像设为全黑。这样在没有物体运动的情况下，可以避免后续处理中出现的噪声问题。
算法在DM642硬件平台上的实现部分，首先介绍了硬件平台的配置。硬件平台的核心是TMS320DM642处理器，具有600MHz的主频，保证了算法的运行速度和实时性。此外，平台还包括视频编解码芯片SAA7115H和SAA7105H，以及作为存储介质的两片SDRAM芯片和一片用于自启动功能的FLASH芯片。视频图像首先从摄像头以模拟形式输入，通过SAA7115解码成标准的BT.656格式的YUV4:2:2数字图像码流，然后通过DM642的EDMA功能存储到SDRAM中。处理后的码流再次通过EDMA功能送入SAA7105进行解码，并通过CVBS引脚输出。
系统设计与实现是数字视频处理领域的重要课题，本文所描述的系统不仅在设计上合理，而且具有良好的可扩展性，对于实际应用具有重要的价值。通过硬件和软件的协同工作，实现了对运动目标的快速、准确检测，为后续的视频分析处理奠定了基础。
