一、视频处理技术的概述
　　　视频图像处理作为一种重要的现代技术，已经在通信，航天航空，遥感遥测，生物医学，军事，信息安全等领域得到广泛的应用。视频图像处理特别是高分辨率图像实时处理的实现技术对相关领域的发展具有深远意义。
　　　早期的数字图像处理是使用数字计算机加工处理图像以获得所需要的信息或信息形式，这类技术的系统研究使于20世纪50年代，从20世纪60年代起，随着科学技术的进步，数字图像处理技术获得了飞速的发展，视频图像的采集和处理的应用需求也日益增加。传统的采集和处理主要依赖于PC机，以及其它的专用的集成电路板卡来实现的。由于DSP和FPGA的技术近年来发展很块，运算能力在不断增强，运算速度越来越快，成本也在不断降低。目前DSP和FPGA的技术已经广泛的应用在各个领域中，从军用到民用，从航空航天到生产生活，都越来越多的使用DSP和FPGA。视频实时图像处理系统以TI高性能DSP为核心处理器并基于DSP FPGA架构实现了该视频处理系统。同时对输入的视频进行多种图像处理运算，包括图像的灰度修正，图像的平滑，图像的锐化等。
目前实时视频图像信号处理技术也得到了长足的发展，从遥感图片处理，医用图像识别，工业产品检查，到最近应用的视频监控，办公室自动化中的图形和图像的生成及文件图像的处理，雷达的数字分析以及三维活动图像分析。多种视频信号输入的合成，处理与运算对于人机界面的目标识别和图像切换具有十分重要的作用。
二、一款多媒体信息处理的实用工#8212;#8212; TMS320 DM6437硬件平台
DSP/BIOS是TI公司为TMS320C6000，TMS320C5000和TMS320C28x系列DSP平台所设计的一个尺寸可裁剪的实时多任务操作系统内核，主要用于在DSP平台下开发具有多线程特点的较复杂的程序，不仅降低了开发人员在DSP平台下开发的难度，而且可以大大缩短程序的开发时间。
视频监控系统，最重要的就是图像的接收和处理，DM6437用了专门的一个模块VPSS(Video Processing Sub-System)来接收图像，VPSS是DM6437 DSP的视频处理子系统，它由两部分组成，分别是：视频处理前端VPFE(video process front end)和视频处理后端 VPBE(video process back end)。其中，VPFE 用于接收输入的视频数据，它支持多种格式的视频数据(包括多种格式的 YUV 数据以及没做任何处理的raw data)，并且包含有预处理模块，可以对输入的视频数据做一些处理；VPBE 用于输出数字视频图像，可以直接连接到显示器进行图像的显示，同时，可以利用OSD模块实现图像轨迹的标注，这在视频监控的目标跟踪算法中应用广泛，在本系统中，由于暂时还未添加目标跟踪算法，故并未采用视屏后端。DM6437 接收视频数据的接口称为CCD 控制器(CCDC)，它可以接收外部传感器采集到的RAW DATA或者是编码芯片传输进来的YUV格式的视频数据。同时，它还为输入的数字视频流提供场同步等同步信号。这一系列的DSP采用了C64x DSP核，其CPU时钟频率高达600MHz,并提供8个并行处理单元，峰值处理能力可以达到4800MIPS，同时具有两级Cache结构，64-bit的EMIF，64通道的增强型DMA等诸多优势，可以在视频点播，多通道数字录像，可视电话，媒体播放等应用场合下充分发挥其优势，还可以针对特殊场合提供高质量的视频编解码解决方案。
三、DM6437的各种应用实例
　　　 纹理是木材表面的天然属性，直接关系到木制品的感观效果和经济效益，可以作为区分不同树种和材性的重要数据，并被木材物理学和木质环境学作为重要内容进行研究。木材表面纹理已在木材质量检验工作中日益受到重视。对于纹理的检测也有很多种方法。
文献[7]使用的是灰度共生矩阵这种方法。灰度共生矩阵是一种用来分析图像纹理特征的经典二阶统计法。纹理一般是由灰度分布在空间位置上反复出现而形成的，因而在在图像空间有某种位置关系的两个像素之间存在一定的灰度关系，这种灰度关系成为图像灰度空间的的相关特性。灰度共生矩阵则是通过研究灰度的空间相关特性来描述纹理一种纹理分析方法。灰度共生矩阵是指假定待分析的纹理图像是一个水平方向X有Nx个像素与垂直方向Y上有Ny个像素的矩阵图像，图像的灰度级为G。设X={1,2,...,Nx}为水平空间域，Y={1,2,...Ny}为垂直空间域，N={0,1...,G}为量化灰度集。则在图像中，某个方向上相隔一定距离的一对像元灰度出现的统计规律，从一定程度上可以反映这个图像的纹理特征。
　　　文献[3]使用的是边缘检测法，图像边缘检测法大幅度减少了数据量，并且剔除了很多不需要的信息。保留了图像重要的结构性。文献[3]使用DM6437对驾驶员眼部红外线图进行检测，作者利用人眼的红颜效应，直接通过对眼部图片的分析，确定是否处于疲劳驾驶状态。通过算法处理对人眼进行定位，通过边缘检测法确定人眼边缘，就是利用模板的中心点作为当前搜索点，在图中逐行逐列进行搜索，在模板中若上面点的灰度值和下面像素点的灰度值的差值大于阀值，则标记出来，同时给搜索点赋值，一直重复知道搜索完之后得到边缘曲线并提取出特征参数。最后通过计算单位时间内的PERCLOS值来判断驾驶员的疲劳程度。实验表明该系统具有对驾驶员无干扰，受外界环境影响小。准确率高等优点，适合在汽车驾驶中进行实时疲劳检测。
　　　文献[16]主要是构建基于DSP的视频采集系统，为DSP平台上的后续算法开发提供支持。同时，将车牌识别算法移植到嵌入式DSP平台上，实现具有车牌识别功能的职能系统。设计主要遵循以下步骤：嵌入式DSP开发平台的构建、车牌识别算法的移植于优化以及智能系统的详细测试分析。并且在最终测试中基于DM6437平台的车牌识别系统在目标定位识别率，识别时间上均满足实际的应用需求，具有良好的价值和应用前景。
　　　文献[17]分析讨论了视频烟雾检测算法的的原理和流程。首先对摄像头采集输入的图像进行基于背景查分和最大类间方差法相结合的运动目标检测，对检测出的运动目标分割出可疑图元，利用烟雾的亮度和饱和度特征、小波变换高频能量特征、结构相似度特征对可疑图元进行分析，识别出烟雾，以发出烟雾报警信息，并采用帧差法实时更新背景，在无人和有人的环境中均能实时有效的检测出烟雾并报警，满足系统实时性、准确性要求。
　　　
　　　
　　　
　　　
　　　
　　　
　　　
　　　
　　　
参考文献
[1]郑君, 李志扬. H.264视频编码器在DM6437平台上的实现与优化[D] 武汉：华中师范大学, 2008.06.
[2]Gang Wu, Yu Tan, Shumao Wang. Walking Goal Line Detection Based on DM6437 on Harvesting Robot[D] Nanjing: China Agricultural University, 2012.
[3]苑玮琦, 贾绮. 基于DM6437的驾驶员疲劳检测系统[J] 仪表技术与传感器, 2010, （5）：1-4.
[4]卞九辉, 王宗义. 基于DSP FPGA的视频图像处理[D] 哈尔滨：哈尔滨工程大学, 2008.04.
[5]贾浩, 崔慧娟, 唐昆，基于TMS320DM6437平台的视频系统设计和实现[M] 北京：清华大学, 2010.
[6]王辉, 王克奇. 基于灰度共生矩阵木材表面纹理模式识别方法的研究[D] 哈尔滨：东北林业大学, 2007.04.
[7]郑树满, 管庆. 基于DM6437的网络视频监控系统的设计与实现[D] 成都：电子科技大学, 2010.03.
[8]章毓晋. 图象分析(第二版) [M] . 北京: 清华大学出版社,2005.
[9]朱　虹. 数字图像处理基础[M]. 北京: 科学出版社, 2005.
[10]冈萨雷斯. 数字图像处理(第二版) [M] . 北京: 电子工业出版社, 2005.
[11]李方慧等.TMS320C6000系列DSP原理和应用(第二版)[M].北京:电子工业出版社,2003.
[12]彭启琮, 管庆.DSP集成开发环境-CCS及DSP/BIOS的原理与应用[M].北京:电子工业出版社,2005.
[13]田黎育,何佩琨,朱梦宇.TMS320C6000系列DSP编程工具与指南[M].北京:清华大学出版社,2006.05.
[14]马忠梅, 籍顺心, 张凯, 马岩. 单片机的C语言应用程序设计[M].北京: 北京航空航天大学出版社. 2003.
[15]邹修国, 章世秀. 基于DM6437的字符识别实验系统设计[J].高校实验室工作研究, 2012, (112):48-50.
[16]范晔.基于DM6437的车牌识别系统的设计与实现[D].西安：西安电子科技大学, 2012.
[17]闫礼飞.基于DM6437的视频烟雾检测系统[D].武汉：华中科技大学, 2011.