设差值图像灰度值取值分布范围为1~K，像素总数为N，灰度为i的像素数为ni，则每个图像灰度值的取值概率为：pi=ni/N。设以h为阈值将图像分割为两个区域A、B，灰度为1到h的像素和灰度为h+1到K的像素分别构成区域A和B，各组产生的概率为：

attachments/day_091221/0912211008d32d1905bbc51c99.jpg" onload="return imgresize(this);" onclick="javascript:window.open(this.src);" style="cursor:pointer;"/> 

6.jpg

　　以类间方差作为衡量分离性能的准则，极大化的过程就是自动取定阈值的过程，因此，最佳阈值为：attachments/day_091221/09122110089f4903adcf391fb3.jpg" onload="return imgresize(this);" onclick="javascript:window.open(this.src);" style="cursor:pointer;"/>

。换句话说，类间方差最大的那个图像灰度值就是当前差值图像的最佳阈值。

　　运动目标检测

　　动态阈值确定以后，可根据此阈值对差值图像进行二值化，得到二值图像。但是在背景和目标中还会存在一定量的噪声斑点，再经过形态学运算处理后的图像更有利于目标提取，滤波后的二值图像通常包含多个连通区域。本文采用改进快速标记算法对各连通域进行检测提取。该算法对原图像只进行一次扫描后通过特殊的边界像素标记，就能搜集足够信息，可方便快捷的获得目标几何特征参数，算法分为像素扫描、整理等价表和图像代换，共三个环节。

　　根据用户设置的算法规则判断报警

　　得到动目标的外接矩形以后，对每一个目标物进行跟踪监控就具体化为对每一个矩形框的跟踪监控。这一过程中，用户通过PC端的客户端模块中的用户界面来选择算法规则，实现对人或车的监控。用户可以在主机服务器界面中设定规则，包括对场景设置虚拟警戒线、警戒区域和违规行为(比如贵重物体消失报警，可疑物的出现报警，目标物的越线报警)。一旦当前帧有外接矩形违规，则产生报警信息。

　　结语

attachments/day_091221/0912211008b9f3feb977f4028b.jpg" onload="return imgresize(this);" onclick="javascript:window.open(this.src);" style="cursor:pointer;"/> 

　　本文实现了一个支持多板卡，多通道以及网络监控的智能视频监控系统。提供了一个完整的包括DSP硬件、软件框架、算法及实现的解决方案，较好的解决了背景更新，动目标提取等监控系统中的重要技术环节，提出并实现了对可疑物的报警、对贵重物体的报警等实用算法。基于DM642的DSP硬件板卡如图5所示，系统运行结果如图6所示。整个系统的技术指标如表1所示。

attachments/day_091221/09122110083fed393c1d8e5164.jpg" onload="return imgresize(this);" onclick="javascript:window.open(this.src);" style="cursor:pointer;"/> 

9.jpg