壓縮感知在車輛事故自動(dòng)呼救系統(tǒng)中的應(yīng)用

陸　穎，劉愛松，江　洪

(江蘇大學(xué)　a.汽車與交通工程學(xué)院； b.機(jī)械工程學(xué)院，江蘇 鎮(zhèn)江　212013)

?

引用格式：陸穎，劉愛松，江洪.壓縮感知在車輛事故自動(dòng)呼救系統(tǒng)中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016(1):99-103.

Citation format：LU Ying，LIU Ai-song，JIANG Hong.Application of Compressed Sensing to Automatic Crash Notification System[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):99-103.

壓縮感知在車輛事故自動(dòng)呼救系統(tǒng)中的應(yīng)用

陸穎a，劉愛松a，江洪b

(江蘇大學(xué)a.汽車與交通工程學(xué)院； b.機(jī)械工程學(xué)院，江蘇 鎮(zhèn)江212013)

摘要：設(shè)計(jì)了一種車輛事故自動(dòng)呼救系統(tǒng)終端，該事故終端由事故檢測(cè)模塊和呼救模塊組成。事故檢測(cè)模塊中的攝像頭可采集事故后反映乘員傷情的圖像信息并最終傳輸至呼救中心，便于救援人員開展救援行動(dòng)。提出將壓縮感知理論運(yùn)用于車輛事故自動(dòng)呼救系統(tǒng)，可避免傳統(tǒng)圖像采集、壓縮過程中采樣資源的浪費(fèi)，提高圖像信號(hào)由事故檢測(cè)模塊傳輸至呼救中心的速度，降低壓縮、傳輸過程中的能耗。對(duì)壓縮感知在車輛事故自動(dòng)呼救系統(tǒng)中的應(yīng)用進(jìn)行臺(tái)車碰撞模擬試驗(yàn)，結(jié)果表明：重構(gòu)出的圖像清晰、平滑，將壓縮感知應(yīng)用于車輛事故自動(dòng)呼救系統(tǒng)具有可行性。

關(guān)鍵詞：壓縮感知；呼救終端；圖像信號(hào)；信號(hào)傳輸

車輛事故自動(dòng)呼救系統(tǒng)(automatic crash notification，ACN)[1]在車輛發(fā)生事故后可以通過無線通信終端將碰撞發(fā)生時(shí)的車速、碰撞類型、地理位置等信息發(fā)送至呼救中心，便于救援人員及時(shí)了解事故車輛的相關(guān)信息，展開救援。經(jīng)驗(yàn)表明：如果事故車輛在向呼救中心發(fā)送呼救信息的同時(shí)能夠發(fā)送一張反映車內(nèi)實(shí)時(shí)狀況的照片，將有助于救援人員及時(shí)了解乘客的傷情，制定出更加切實(shí)可行的救援方案。然而，隨著車載攝像頭分辨率、像素的提高，所獲得的反映車內(nèi)情況的圖像文件正變得越來越大，而ACN需要在事故發(fā)生后產(chǎn)生最少量的數(shù)據(jù)，其中包含汽車所處的位置信息、駕駛員信息等，并盡快地傳輸出去。因此，如果利用ACN傳輸反映事故后車內(nèi)情況的圖像，需要盡可能地傳輸較少的圖像數(shù)據(jù)，即要用盡可能少的數(shù)據(jù)表示該圖像文件。目前圖像的采樣和傳輸多是基于奈奎斯特采樣定理，采樣數(shù)據(jù)量大，傳輸速度慢。將壓縮感知(compressed sensing，CS)[2-3]理論運(yùn)用于車輛事故自動(dòng)呼救系統(tǒng)能夠有效降低數(shù)據(jù)處理、傳輸?shù)某杀?，同時(shí)呼救中心可根據(jù)接收到的少量信號(hào)還原出反映車廂內(nèi)乘員狀況的圖像，為醫(yī)療機(jī)構(gòu)及資源的分配與派遣提供依據(jù)。

壓縮感知理論由Candes等于2006年正式提出，它在一定程度上突破了奈奎斯特采樣定理對(duì)模擬信號(hào)采樣頻率必須大于信號(hào)帶寬2倍的限制[4]。壓縮感知理論指出，在某個(gè)變換域中只要信號(hào)是稀疏的或者該信號(hào)是可壓縮的，就可以通過一個(gè)觀測(cè)矩陣(該觀測(cè)矩陣與變換基不相關(guān))將變換所得到的高維信號(hào)投影到一個(gè)低維空間上，然后原始信號(hào)可通過一個(gè)優(yōu)化問題的求解以高概率從少量的投影中重構(gòu)出來,并可證明此投影包含了重構(gòu)信號(hào)的足夠信息[5]。在該理論框架下，采樣速率不再受到信號(hào)帶寬的限制，而在很大程度上取決于原始信息的稀疏性和觀測(cè)過程的不相關(guān)性[6]。

本文基于壓縮感知理論，對(duì)車載事故呼救終端的車內(nèi)圖像采集模塊和壓縮感知模塊進(jìn)行功能設(shè)計(jì)，通過臺(tái)車試驗(yàn)驗(yàn)證將壓縮感知理論應(yīng)用到ACN的可行性。

1壓縮感知理論

壓縮感知理論主要涉及以下3方面內(nèi)容： 信號(hào)的稀疏表示、觀測(cè)矩陣的設(shè)計(jì)和重構(gòu)算法的設(shè)計(jì)。下面從這3個(gè)方面對(duì)壓縮感知的基本原理進(jìn)行介紹。

1.1信號(hào)的稀疏表示

壓縮感知理論與傳統(tǒng)的編解碼思想相比取得了重大的突破，其應(yīng)用的重要前提就是信號(hào)的稀疏表示。壓縮感知理論充分利用了信號(hào)的稀疏性，用對(duì)信號(hào)的編碼過程取代傳統(tǒng)的采樣壓縮過程，遠(yuǎn)低于奈奎斯特采樣速率進(jìn)行編碼傳輸并使用合適的重構(gòu)算法進(jìn)行解碼從而重構(gòu)出原始信號(hào)[7]。

(1)

式中λ是信號(hào)在正交變換域φ上的變換向量，滿足

(2)

可以看出：x和λ是同一個(gè)信號(hào)的等價(jià)表示，x是在時(shí)域中的表示形式，λ則是在φ域中的表示形式[5]。當(dāng)一維向量λ中僅有K個(gè)較大的系數(shù)，其余系數(shù)都近似為零時(shí)，則稱信號(hào)x是K-稀疏的。通過K個(gè)較大系數(shù)可以很好地逼近的信號(hào)稱為可壓縮信號(hào)[8]。

對(duì)于語(yǔ)音信號(hào)、圖像視頻信號(hào)等大部分的自然信號(hào)都可以通過特定的正交變換基進(jìn)行稀疏表示。典型的稀疏基包括離散小波(discrete wavelet transform，DWT)基、離散余弦變換(discrete cosin transform，DCT)基。

1.2觀測(cè)矩陣的設(shè)計(jì)

(3)

式中ACS稱為CS信息算子。

信號(hào)x與φ域上的系數(shù)向量λ一一對(duì)應(yīng)，求得λ后可通過稀疏變換的反變換求得信號(hào)x。由上式可知：對(duì)于給定的y，求解λ為求解線性方程組問題，由于M<

1.3重構(gòu)算法的設(shè)計(jì)

通過求解欠定方程組y=ACSx，從低維觀測(cè)值中求解出高維原始信號(hào)的過程就是壓縮感知的信號(hào)重構(gòu)過程。原始信號(hào)x是稀疏的或可壓縮的，并且ACS滿足RIP條件，Candes等證明可用求解最小0—范數(shù)問題來取代信號(hào)重構(gòu)求解欠定方程組的問題[13]，即

(4)

目前主要有以下3種求解算法：

1) 凸松弛(最小L1范數(shù))算法

凸松弛算法采用L1范數(shù)代替L0范數(shù)，將非凸問題轉(zhuǎn)變?yōu)橥箚栴}進(jìn)行求解來逼近原始信號(hào)。使用凸松弛算法時(shí)，利用較少的觀測(cè)次數(shù)就可以重構(gòu)出信號(hào)，但計(jì)算過程相對(duì)比較復(fù)雜[7]。其主要的代表算法有梯度投影法(gradient projection，GP)、內(nèi)點(diǎn)法及反向傳播法。

2) 迭代硬閾值算法

迭代硬閾值(iterative hard thresholding，IHT)算法的基本思路：選擇凸集上某點(diǎn)作為初始點(diǎn)，采用硬閾值方法將λ縮減到K稀疏，再將估計(jì)解通過凸集投影法(project onto convex set，POCS)重新投影到凸集，不斷反復(fù)迭代，當(dāng)滿足收斂條件時(shí)則停止迭代[14]。迭代硬閾值算法具有較低的計(jì)算復(fù)雜度，適用于大規(guī)模信號(hào)的壓縮感知重建，但它只能在局部取得最優(yōu)解，對(duì)初始點(diǎn)的要求很高。

3) 貪婪算法

貪婪算法通過每次迭代選擇局部最優(yōu)來逼近全局最優(yōu)。傳統(tǒng)貪婪算法如匹配追蹤算法(matching persuit,MP)和正交匹配追蹤算法(orthogonal matching persuit，OMP)具有較好的重構(gòu)性能，在應(yīng)用上也較為成熟[15]。但貪婪算法需要較多的觀測(cè)次數(shù)，重構(gòu)速率也隨著稀疏度的下降而不斷下降。

2車載終端圖像采集和壓縮感知模塊設(shè)計(jì)

車載呼救系統(tǒng)終端由事故檢測(cè)模塊和呼救模塊組成，圖像采集模塊包含在事故檢測(cè)模塊中。如圖1所示，事故檢測(cè)模塊實(shí)時(shí)采集車輛加速度信號(hào)，為觸發(fā)呼救系統(tǒng)提供依據(jù)，并通過攝像頭采集事故發(fā)生后車內(nèi)的圖像信息，便于呼救中心了解車內(nèi)乘客的傷情。呼救模塊負(fù)責(zé)接收事故檢測(cè)模塊發(fā)送的碰撞圖像信息，并由GPS模塊接收地理位置信息，最后將相關(guān)信息整合通過GPRS網(wǎng)絡(luò)發(fā)送至呼救中心。其中，圖像采集模塊選用OV7670型攝像頭，該型號(hào)攝像頭支持手動(dòng)變焦，共有656×488個(gè)像素，640×480個(gè)有效，有效像素為30萬(wàn)。

圖1　事故檢測(cè)模塊設(shè)計(jì)框圖

傳統(tǒng)車載終端在事故發(fā)生后的圖像采集過程中，先對(duì)事故檢測(cè)模塊中的攝像頭采集到的圖像信號(hào)進(jìn)行高速采樣、變換、壓縮，然后傳輸至呼救模塊，最后傳輸至呼救中心恢復(fù)出圖像信號(hào)。將壓縮感知理論運(yùn)用于車載呼救終端，先將攝像頭采集到的圖像信號(hào)進(jìn)行稀疏變換，然后通過觀測(cè)矩陣將經(jīng)過稀疏變換后得到的信號(hào)投影到M維得到M個(gè)觀測(cè)值，再將信號(hào)傳輸至呼救中心，最后通過重構(gòu)算法重構(gòu)出圖像。壓縮感知模塊流程如圖2所示。將壓縮感知理論運(yùn)用于車載呼救終端中，可避免傳統(tǒng)圖像采集過程中采樣資源的浪費(fèi)，提高數(shù)據(jù)由事故檢測(cè)模塊傳輸至呼救中心的速度，降低數(shù)據(jù)壓縮、傳輸時(shí)的能耗。

圖2　壓縮感知流程

3試驗(yàn)結(jié)果及分析

為驗(yàn)證壓縮感知運(yùn)用于車載事故終端的可行性，進(jìn)行了臺(tái)車試驗(yàn)。使用DAPG-QJ-MNPZ型臺(tái)車碰撞模擬試驗(yàn)系統(tǒng)進(jìn)行碰撞模擬試驗(yàn)，臺(tái)車質(zhì)量為400kg。如圖3所示，事故檢測(cè)模塊與臺(tái)車剛性連接。

圖3　事故檢測(cè)模塊

圖4為試驗(yàn)臺(tái)車分別以28,40,50km/h速度碰撞剛性壁障時(shí)，呼救模塊的信息顯示。

圖4　呼救模塊信息顯示

將試驗(yàn)臺(tái)車分別以28，40，50km/h速度碰撞時(shí)事故檢測(cè)模塊所采集的臺(tái)車座椅圖像信號(hào)經(jīng)過DWT分解得到稀疏信號(hào)，然后通過M×N維隨機(jī)高斯矩陣進(jìn)行觀測(cè)得到M個(gè)觀測(cè)值(本次試驗(yàn)中，M=190，N=256)，最后采用OMP算法進(jìn)行重構(gòu)得到臺(tái)車座椅重構(gòu)圖像。重構(gòu)效果如圖5所示。圖5(a)，(b),(c)分別為28,40,50km/h速度碰撞時(shí)傳統(tǒng)圖像采集過程中呼救中心獲得的原始圖像；圖5(d),(e),(f)分別為28,40,50km/h速度碰撞時(shí)運(yùn)用壓縮感知后呼救中心獲得的重構(gòu)圖像。

圖5　原始圖像和重構(gòu)圖像效果

峰值信噪比(peaksignaltonoiseratio，PSNR)是常用的衡量信號(hào)失真程度的指標(biāo)，它能夠反映圖像經(jīng)過壓縮變換后與原始圖像之間的差距，計(jì)算公式如下：

(5)

式中:MSE為原始圖像與處理后圖像之間的均方誤差;PSNR的單位為dB。PSNR值越大，代表處理后圖像的失真程度越小。

試驗(yàn)臺(tái)車分別以28，40，50km/h速度碰撞剛性壁障時(shí)所得PSNR值如表1所示。3次試驗(yàn)中所得PSNR值分別為34.935 8， 34.699 0， 34.488 0，所得數(shù)值均較為理想。另外，通過對(duì)比原始圖像和重構(gòu)圖像，可知重構(gòu)圖像較為清晰，重構(gòu)效果較好，將壓縮感知理論運(yùn)用于車載呼救終端具有可行性。

表1　28，40，50 km/h碰撞時(shí)的PSNR值

4結(jié)束語(yǔ)

本文將壓縮感知理論運(yùn)用到車輛事故自動(dòng)呼救系統(tǒng)，并使用臺(tái)車碰撞模擬試驗(yàn)系統(tǒng)進(jìn)行碰撞模擬試驗(yàn)。試驗(yàn)結(jié)果表明:采用壓縮感知理論能夠較好地重構(gòu)出事故檢測(cè)模塊所拍攝的原始圖像，重構(gòu)圖像清晰、平滑，將壓縮感知運(yùn)用于車輛事故自動(dòng)呼救系統(tǒng)具有可行性。

參考文獻(xiàn)：

[1]MOHANRA,CHAEWONB,BEUTNERR,etal.Evaluatingthereliabilityofautomatedcollisionnotificationsystems[J].AccidentAnalysisandPrevention,2003,35(3):349-360.

[2]CANDESEJ.Compressivesampling[C]//25thInternationalCongressofMathematicians,ICM2006.[S.l.]:[s.n.],2006:1433-1452.

[3]DONOHODL.Compressedsensing[J].IEEETrans.OnInformationTheory,2006,52(4):1289-1306.

[4]秦乙，朱衛(wèi)綱，胡旭，等.寬帶跳頻信號(hào)的壓縮采樣與重構(gòu)[J].國(guó)外電子測(cè)量技術(shù)，2013，32(9)：25-28,51.

[5]石光明，劉丹華，高大化，等.壓縮感知理論及其研究進(jìn)展[J].電子學(xué)報(bào)，2009，37(5)：1070-1081.

[6]邵文澤,韋志輝.壓縮感知基本理論：回顧與展望[J].中國(guó)圖象圖形學(xué)報(bào)，2012，17(1)：1-12.

[7]史久根，吳文婷，劉勝.基于壓縮感知的圖像重構(gòu)算法[J].計(jì)算機(jī)工程，2014，40(2)：229-232.

[8]趙春暉，劉巍.壓縮感知理論及其在成像技術(shù)中的應(yīng)用[J].智能系統(tǒng)學(xué)報(bào)， 2012，7(1)：21-32.

[9]侯金曼，何寧，呂科.基于壓縮感知的圖像快速重建方法[J].計(jì)算機(jī)工程， 2011，37(19)：215-217,226.

[10]CANDESEJ,ROMBERGJ,TERENCET.Robustuncertaintyprinciples:Exactsignalreconstructionfromhighlyincompletefrequencyinformation[J].IEEETrans.OnInformationTheory,2006,52(2):489-509.

[11]BARANIUKR.Alectureoncompressivesensing[J].IEEESignalProcessingMagazine,2007,24(4):118-121.

[12]王紅柱，陳硯圃，高悅，等.基于線性預(yù)測(cè)分析的語(yǔ)音信號(hào)壓縮感知[J].計(jì)算機(jī)應(yīng)用研究， 2012， 29(4)：1335-1337.

[13]CANDESEJ,TAOT.Nearoptimalsignalrecoveryfromrandomprojections:Universalencodingstrategies[J].IEEETransactionsonInformationTheory,2006,52(12):5406-5425.

[14]李然，干宗良，崔子冠，等.壓縮感知圖像重建算法的研究現(xiàn)狀及其展望[J].電視技術(shù)，2013，37(19)：7-14.

[15]陸望，王友國(guó).改進(jìn)匹配追蹤算法及其在圖像壓縮中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2013，23(8)：234-237,241.

(責(zé)任編輯楊黎麗)

Application of Compressed Sensing to Automatic

Crash Notification System

LU Yinga， LIU Ai-songa， JIANG Hongb

(a.School of Automotive and Traffic Engineering; b.School of Mechanical Engineering,

Jiangsu University, Zhenjiang 212013, China)

Abstract:An automatic crash notification system terminal which consists of crash detection module and crash notification module was designed. The camera in crash detection module can collect image information that reflects passengers’ injury condition after accident and the image information can be eventually transferred to call center to facilitate rescuers to carry out rescue operations. Applying compressed sensing theory to automatic crash notification system was proposed, so that the waste of sampling resources during the traditional period of collecting image and compressing image was avoided. In addition, the speed of image signal transformed from crash detection module to call center can be improved and energy consumption during the period of compressing image and transforming image can be reduced. A trolley collision experiment was conducted to verify the feasibility of applying compressed sensing to automatic crash notification system. It turns out that the constructed image is clear and smooth and applying compressed sensing to automatic crash notification system is feasibility.

Key words:compressed sensing; notification terminal; image signal; signal transmission

文章編號(hào)：1674-8425(2016)01-0099-05

中圖分類號(hào)：TN911.73;U461.91

文獻(xiàn)標(biāo)識(shí)碼：A

doi:10.3969/j.issn.1674-8425(z).2016.01.017

作者簡(jiǎn)介：陸穎(1981—)，男，博士后，副教授，主要從事車輛事故后安全、圖像處理研究。

基金項(xiàng)目：江蘇大學(xué)高級(jí)專業(yè)人才科研啟動(dòng) (09JDG078)

收稿日期：2015-10-22