特殊人群的運動動作智能識別平臺的設計與實現

摘 要： 傳統(tǒng)基于 PC 的視頻監(jiān)控系統(tǒng)，在識別特殊人群運動動作過程中存在故障、穩(wěn)定性不佳的問題。因此，設計并實現了一種基于DM642的特殊人群的運動動作智能識別平臺，通過TMS320DM642?PCI評估板對人體運動圖像進行處理，云臺運動調整CCD攝像機水平和垂直方向的視角，通過AT98S52芯片控制云臺。塑造的人體動作采集模塊由9個AHRS模塊和1臺計算機組成，通過位于人體軀干、上下臂以及大小腿上的AHRS模塊采集人體運動動作信息，并通過WiFi模塊將動作信息反饋給上位機進行顯示。采用云臺控制人體動作采集模塊完成特殊人群的運動動作智能識別。給出平臺對特殊人群運動動作進行識別的算法流程，以及平臺通過串口通信模塊輸出控制信號控制云臺的關鍵代碼。實驗結果表明，所設計平臺可有效識別出特殊人群運動動作，具有較高的識別率和應用性。

關鍵詞： 特殊人群； 運動動作； 智能識別； 評估板

中圖分類號： TN915.5?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2016）18?0021?05

Abstract： Traditional video monitoring system based on PC is easy to occur fault and has poor stability in the process of identification of special crowd motion activity. Therefore， a intelligent identification platform based on DM642 for special crowd motion activity was designed and realized. In the system， TMS320DM642?PCI evaluation board is used to process the human movement images， and AT98S52 chip is adopted to control the holder’s movement of the horizontal and vertical direction of the CCD camera viewing angle. The human body movement acquisition module consists of nine AHRS modules and a computer. The AHRS modules on the human torso， upper and lower arms and leg acquire the human movement information， and feeds back the information to the PC for display through WIFI module. With the help of special yuntai， human motion acquisition module is controlled to achieve the intelligent identification of the special crowd motion activity. The process for the special crowd motion activity identification algorithm of the platform， and the key code for controlling the platform through a serial port communication module to output control signal are given. Experimental results indicate that the designed platform can effectively identify the special crowd motion activity， and has high recognition rate and applicability.

Keywords： special group； motion activity； intelligent identification； evaluation board

0 引 言

當前，隨著信息化和智能化的發(fā)展，準確識別出人體動作，并判斷人體行為意圖，可確保智能化設備為特殊人群提供相關的服務。特殊人群行為識別分析是實現友好人機交互的依據，是增強特殊人群生活智能化水平的重要手段[1?3]。但是受到個體間差異性干擾以及外界環(huán)境干擾因素的影響，使得傳統(tǒng)基于 PC 的視頻監(jiān)控系統(tǒng)，在識別特殊人群運動動作過程中存在故障、穩(wěn)定性不佳的問題。因此，尋求有效方法塑造特殊人群運動動作識別平臺，是當前人體動作識別領域分析的重點[4?5]。以往的特殊人群運動動作識別方法都存在一定的缺陷，如文獻[6]通過布式運動傳感器網絡識別人體動作，采用線性結算方法處理傳感器節(jié)點數據，獲取人體姿態(tài)數據，但是該種方法存在運算量較高，分析過程復雜，實時性差的弊端。文獻[7]提出了基于分布式視覺的人體動作識別方法，采用多個攝像機完成人體動作的多角度檢測，再通過神經網絡對檢測結果進行分類，識別出人體動作，但是該方法產生的數據量較高，無法滿足人體動作的在線檢測需求。文獻[8]通過隱馬爾科夫模型對連續(xù)動作視頻流進行動作片段劃分，再采用貝葉斯規(guī)范化辨識不同長度的觀測序列，完成人體動作識別，但其分析過程復雜，實時性較低。文獻[9]分析了通過視頻流完成人體動作識別的方法，對輸入人體運動視頻進行降維操作，再按照像素匹配方法從模板庫中，將需要表示的動作種類進行歸類，該方法較為簡單，但辨識率較低。文獻[10]研究了依據無限制視頻流的人體動作辨識方法，其從樣本架構中采集局部靜態(tài)特征，獲取人體運動的時空特征點，通過直方圖同類加權的金字塔匹配核分類方法，完成時空特征的分類，實現人體運動動作的識別。但是該種方法較為復雜，存在一定的局限性。

針對上述問題，設計并實現了一種基于DM642的特殊人群的運動動作智能識別平臺，通過云臺運動調整CCD攝像機水平和垂直方向的視角，并采用云臺控制人體動作采集模塊，完成特殊人群的運動動作智能識別。實驗結果說明，所設計平臺可有效識別出特殊人群運動動作，并且識別效率和精度都較高。

1 基于DM642的特殊人群的運動動作智能識

別平臺

1.1 平臺結構組成

設計的特殊人群的運動動作智能識別平臺的結構如圖1所示?？梢钥闯銎脚_通過 TMS320DM642?PCI評估板對人體運動圖像進行處理，云臺運動調整CCD攝像機水平和垂直方向的視角。通過AT98S52芯片控制云臺，云臺和TMS320DM642?PCI評估板間通過串口完成信息的交流。塑造人體動作采集模塊由9個AHRS模塊和1臺計算機組成，通過位于人體軀干、上下臂以及大小腿上的AHRS模塊采集運動動作信息，并通過WiFi模塊將動作信息反饋給上位機進行顯示。采用通過云臺控制人體動作采集模塊，完成特殊人群的運動動作識別。

1.2 TMS320DM642?PCI評估板設計

TMS320DM642?PCI評估板是低功耗的、獨立的開發(fā)平臺，其原理結構圖如圖2所示。

評估板的運行流程如下：

（1） 視頻輸入。輸入兩路規(guī)范PAL/NTSC制電視模擬復合人體運動視頻信號，采用視頻解碼芯片NOL7115對信號進行變換處理，將信號解碼成BT656 碼流，并傳輸到視頻接口。

（2） 視頻存儲。DM642的視頻接口采集解碼BT656 碼流，獲取人體運動圖像數據，并采用EDMA 處理器反饋到SDRAM中保存。

（3） 圖像處理。DM642中的CPU讀取SDRAM內中圖像，并對圖像進行操作后反饋到緩沖區(qū)。

（4） 視頻輸出。采用EDMA處理器從SDRAM的輸出緩沖區(qū)中，獲取數據后，產生BT656碼流，該碼流則是DM642的視頻輸出。

（5） SVGA輸出。視頻編碼芯片NOL7115采集碼流后，可將其變換成SVGA信號輸出。

1.3 人體動作采集模塊設計

設計一種穿戴式傳感器模塊——姿態(tài)航向參考系統(tǒng)（Attiude and Heading Reference System，AHRS），其主要由CPU、陀螺儀、加速度計和磁力計構成。通過擴展卡爾曼濾波算法進行多傳感器數據融合，獲取精確的人體運動姿態(tài)角度、角速度和加速度，再以AHRS模塊塑造人體動作采集模塊，為特殊人群的運動動作識別提供數據基礎。塑造的人體動作采集模塊由9個AHRS模塊和1臺計算機組成，模塊分布在人的軀干、上下臂和大小腿，如圖3所示。9個AHRS模塊通過WiFi網絡以30 Hz的頻率上傳采集到的人體運動動作數據，計算機接收、分析并顯示動作數據。

AHRS模塊將STM32芯片作為核心控制器，其結構圖如圖4所示?？梢钥闯觯珹HRS模塊由陀螺儀、加速度計、WiFi模塊、高頻濾波電路、信號調理電路以及數據存儲電路和STM32控制器等構成。AHRS模塊的數據輸出頻率可調，可采用WiFi模塊同無線網絡相連，將采集到的人體運動動作信息反饋給上位機，并執(zhí)行上位機的相關指令。

AHRS模塊工作時，控制器分別采集陀螺儀、加速度計以及磁力計中的數據，并過濾數據中的噪聲因素，融合角度解算以及數據，獲取人體運動的姿態(tài)角度、角速度以及加速度，并采用WiFi模塊將數據反饋給上位機，上位機顯示人體運動姿態(tài)。采用云臺控制人體動作采集模塊完成特殊人群的運動動作智能識別。

1.4 平臺控制原理

基于DM642的特殊人群的運動動作智能識別平臺的控制原理如圖5所示?？梢钥闯?，設計的智能識別平臺采用攝像機獲取特殊人群運動圖像，并將圖像傳遞到處理器，在攝像機靜止的情況下提取前景目標，若發(fā)現存在運動目標，則運算目標質心同視野中心間的偏差和方向，再按照協(xié)議將偏差變換成控制命令，伺服機可確保云臺調控攝像機轉動到圖像中心的位置，過濾存在的偏差。通過云臺控制人體動作采集模塊中的AHRS模塊，獲取人體運動的姿態(tài)角度、角速度以及加速度，通過上位機顯示人體運動姿態(tài)。最終采用攝像機持續(xù)采集人體運動圖像，重復上述運算跟蹤和攝像機角度調整過程，確保人體運動目標處于攝像機監(jiān)控區(qū)域。

2 軟件設計

2.1 平臺算法流程圖

設計的基于DM642的特殊人群的運動動作識別平臺總體軟件算法流程，如圖6所示。

圖6中描述的平臺算法流程詳細過程如下：

（1） 攝像頭處于靜止狀態(tài)下，采集連續(xù)間隔的3幀特殊人體運動圖像，通過相鄰3幀差分法對特殊人群的運動范圍進行分析，統(tǒng)計運動目標二值掩膜中的運動點數量；

（2） 如果二值掩膜中是1的點數高于閾值300，則說明存在運動目標，并在全圖中運算圖像0階距，存儲圖像質心；否則返回過程（1）；

（3） 將目標質心當成中心，設置檢索窗的大小為100×100，并將其當成跟蹤算法的輸入；

（4） 通過跟蹤算法運算運動目標質心點和檢索窗尺寸，對檢索范圍進行調控；

（5） 按照目標質心設置待發(fā)送的云臺控制信息，并采用DM642板串口模塊傳遞云臺控制信號，進而驅動云臺向目標方向轉動；

（6） AHRS模塊中的控制器分別采集陀螺儀、加速度計以及磁力計中的數據，并融合角度解算以及數據，獲取人體運動的姿態(tài)角度、角速度以及加速度。通過WiFi模塊將數據反饋給上位機，上位機顯示人體運動姿態(tài)。

（7） 采集下一幀人體運動圖像，返回過程（3）。

2.2 平臺串口通信代碼設計

平臺通過串口通信模塊輸出控制信號，進而控制云臺調整攝像頭變換方向?？刂芓MS320DM642?PCI板上設備的過程是：先設置相關句柄，再通過專門函數打開設備，同時對設備原始信息進行設置，獲取句柄，通過該句柄完成后續(xù)的操作，結束操作后終止設備的運行。

平臺在main函數中對設備和緩沖區(qū)進行配置，設置通信波特率是8 500 b/s，具體代碼如下：

3 實驗分析

為了驗證本文方法的有效性，需要進行相關的實驗分析，將不同年齡和體質的殘疾人作為實驗分析對象。

3.1 殘疾人動作識別效果

實驗將AHRS模塊依據圖3部署方法，穿戴在實驗對象身上，通過傳感器1采集殘疾人的軀干動作，如后仰、轉身以及異常摔倒等。上臂傳感器2，4將軀干傳感器1當成參考目標，下臂傳感器3，5分別將傳感器2，4當成參考目標，獲取殘疾人手臂的動作。同理腿部傳感器6，7，8，9可獲取殘疾人大腿和小腿動作。本文設計的特殊人群運動動作識別平臺，對殘疾人的運動動作識別結果，如圖7所示。從圖7中可以看出，本文平臺可準確對殘疾人的不同動作進行識別和顯示，是有效的。

3.2 殘疾人不同類型動作識別率

實驗對比分析了本文方法和BP神經網絡方法對于圖7中的殘疾人展臂、曲臂、左側伸臂、彎腰、掐腰以及指頭六種動作的識別率，結果分別如圖8和圖9所示。

對比分析圖8和圖9能看出，BP神經網絡方法對殘疾人的全部類型動作的識別率約為82%；而本文方法對殘疾人的全部類型動作的識別率約為97%；說明本文方法具有較高的動作識別性能，優(yōu)越性高。

3.3 殘疾人摔倒動作識別

實驗檢測本文方法和BP神經網絡方法識別殘疾人摔倒動作的效果，要求實驗對象做不同類型的摔倒動作以及日常動作，獲取兩種方法識別結果，如表1所示。分析表1可得，同BP神經網絡方法相比，本文方法對殘疾人摔倒動作的識別率較高，可滿足殘疾人等特殊人群意外摔倒動作識別的需求，應用性較強。

4 結 論

傳統(tǒng)基于 PC 的視頻監(jiān)控系統(tǒng)，在識別特殊人群運動動作過程中，存在故障、穩(wěn)定性不佳的問題。因此，本文設計并實現了一種基于DM642的特殊人群的運動動作智能識別平臺，通過TMS320DM642?PCI評估板對人體運動圖像進行處理，云臺運動調整CCD攝像機水平和垂直方向的視角，通過AT98S52芯片控制云臺。塑造的人體動作采集模塊由9個AHRS模塊和1臺計算機組成，通過位于人體軀干、上下臂以及大小腿上的AHRS模塊采集人體運動動作信息，并通過WiFi模塊將動作信息反饋給上位機進行顯示。采用云臺控制人體動作采集模塊完成特殊人群的運動動作智能識別。給出平臺對特殊人群運動動作進行識別的算法流程，以及平臺通過串口通信模塊輸出控制信號控制云臺的關鍵代碼。實驗結果表明，所設計平臺可有效識別出特殊人群運動動作，具有較高的識別率和應用性。

參考文獻

[1] 劉艷，劉鼎家，韓智攀.基于動作識別的情緒提取方法研究[J].計算機工程，2015，41（5）：300?305.

[2] 姚燦榮，劉韶濤.結合DM8168的實時運動目標檢測系統(tǒng)設計[J].微型機與應用，2015，34（14）：42?44.

[3] 宗鳴，陳迪忠，劉桐麟.基于閉環(huán)運動過程智能交流接觸器位置檢測方法研究[J].電氣工程學報，2015，10（9）：73?78.

[4] 周微，彭力.基于運動目標檢測的智能視頻監(jiān)控系統(tǒng)[J].江南大學學報（自然科學版），2015，14（3）：310?315.

[5] 王一嬌，路海明，謝朝霞.一種新的基于結構光的人體動作識別算法[J].控制工程，2014，21（6）：949?953.

[6] 劉飛，郝礦榮，丁永生，等.基于深度圖像的人體動作識別方法[J].計算機工程，2014，40（8）：168?172.

[7] 王滿一，宋亞玲，李玉，等.結合區(qū)域光流特征的時序模板行為識別[J].系統(tǒng)仿真學報，2015，27（5）：1146?1151.

[8] 陳德為，莊煜祺，張培銘，等.基于單目視覺技術的智能交流接觸器三維動態(tài)測試與分析技術[J].中國電機工程學報，2014，34（12）：1931?1937.

[9] 王紅旗，李林偉，毛啊敏.基于小波包主元分析的表面肌電信號特征識別[J].河南理工大學學報（自然科學版），2015，34（2）：249?252.

[10] 傅穎，郭晶云.基于動態(tài)時間規(guī)整的人體動作識別方法[J].電子測量技術，2014，37（3）：69?72.