基于STM32的目標提取處理系統(tǒng)

劉天霖， 楊博宇， 潘廣貞

(1. 中北大學 軟件學院， 山西 太原 030051； 2. 中北大學 信息與通信工程學院， 山西 太原 030051)

基于STM32的目標提取處理系統(tǒng)

劉天霖1， 楊博宇2， 潘廣貞1

(1. 中北大學 軟件學院， 山西 太原 030051； 2. 中北大學 信息與通信工程學院， 山西 太原 030051)

本文探索了一種監(jiān)控圖像跟蹤系統(tǒng)， 該系統(tǒng)以STM32微處理器為控制核心， 將廣角攝像頭采集的圖像送至LCD顯示， 并分析獲取圖像的數(shù)據(jù)， 針對常用的直接幀間差分法存在的誤差大， 運算量大， 導致內(nèi)存問題， 影響運算速度等問題， 提出了一種圖像目標提取處理算法， 準確快速計算出目標物體的位置坐標， 從而控制云臺移動， 保證目標處于攝像頭視野的中央， 解決了在圖像處理中誤差大、 運算速度慢、 系統(tǒng)內(nèi)存不足等問題， 以低成本低功耗實現(xiàn)了視頻目標的提取跟蹤處理.

STM32； 監(jiān)控系統(tǒng)； 目標提??； 互相關(guān)性

0 引 言

傳統(tǒng)的小區(qū)監(jiān)控系統(tǒng)僅限于采集、 顯示、 存儲和回放等一些單一的功能， 僅僅記錄發(fā)生的事情， 需要依靠人工操作， 很難做到真正的全天候?qū)崟r監(jiān)控， 而且容易出現(xiàn)虛報和漏報現(xiàn)象[1-2]. 隨著智能小區(qū)和公共需求的日益增長， 智能監(jiān)控系統(tǒng)很好地解決了這一問題， 它能夠?qū)崿F(xiàn)24 h全天候監(jiān)控， 并且自主分析視頻內(nèi)容， 發(fā)現(xiàn)視頻中的異常現(xiàn)象， 并給出報警處理. 由此智能監(jiān)控系統(tǒng)成為了如今研究熱點， 文獻[3]概括提出了當今只能監(jiān)控系統(tǒng)發(fā)展的趨勢， 大規(guī)模的應用尚處于積累階段， 智能視頻監(jiān)控系統(tǒng)的需求將日益迫切. 文獻[4]用STM32單片機作為微處理器， 將廣角攝像頭采集的圖像送至 LCD 液晶顯示屏， 并分析獲取圖像的數(shù)據(jù)實現(xiàn)目標的跟蹤監(jiān)控， 為系統(tǒng)的實際應用打下了基礎. 文獻[5]提出通過了計算出目標物體的坐標和大小， 控制云臺轉(zhuǎn)動， 使目標處于攝像頭視野中央， 再將圖像傳給微處理器進行判斷是否為數(shù)據(jù)庫中的目標， 為系統(tǒng)打下了理論基礎. 但是文獻[6] 由于監(jiān)控視頻量較大單片機在圖像識別上其內(nèi)存不足， 使得運算速度跟不上， 不能實現(xiàn)實時監(jiān)控. 針對這一問題， 提出了一種基于STM32單片機的圖像目標快速提取處理系統(tǒng)， 減小了存儲量與運算量， 進而提高了運算的速度， 達到了實時監(jiān)控的效果.

1 系統(tǒng)設計及工作原理

圖 1 系統(tǒng)設計框圖Fig.1 System design diagram

本系統(tǒng)采用基于STM32單片機處理器， 配合廣角攝像頭， 實現(xiàn)實時動態(tài)地圖像采集. 對采集的圖像信息由STM32單片機進行圖像目標提取算法處理后鎖定目標， 并實時動態(tài)地送入高色彩LED液晶顯示屏， 進行實時監(jiān)控視頻顯示. 根據(jù)鎖定的目標位置， 通過二自由度云臺， 轉(zhuǎn)動攝像頭實時跟蹤鎖定的目標， 并在數(shù)據(jù)庫中查找有無此人， 若沒有則立即啟動報警. 系統(tǒng)設計框圖如圖 1 所示.

系統(tǒng)工作原理： 系統(tǒng)上電后， STM32單片機作為核心處理器初始化硬件設備， 歸位云臺， 打開廣角攝像頭開始實時接收視頻數(shù)據(jù). 通過將接收到的數(shù)據(jù)傳給STM32單片機， 選擇目標提取處理算法得到目標的位置坐標； 然后控制二自由度云臺轉(zhuǎn)動將目標移到屏幕的中間， 使得攝像頭自主跟蹤入侵區(qū)域的運動目標； 最后將入侵目標傳給處理器， 在數(shù)據(jù)庫中進行判斷是否報警.

2 圖像目標提取處理算法

通常面向視頻監(jiān)控系統(tǒng)采用的靜態(tài)攝像頭對固定區(qū)域進行實時監(jiān)控時， 獲得的監(jiān)視場景為靜止圖像背景. 因此可以從背景入手研究目標識別提取問題的解決手段， 張紀寬等在《動態(tài)復雜背景下的智能視頻監(jiān)控設計與實現(xiàn)》中提出了幀間差分法提取目標圖像[7]， 但是由于監(jiān)控系統(tǒng)中， 靜態(tài)圖像背景可能存在著動態(tài)變化的情況， 例如： 視頻采集的過程中， 圖像會受到天氣風雨的干擾、 光強變化、 相機的微小振動等， 導致了直接幀間差分法誤差大， 運算量大， 內(nèi)存不足， 影響運算速度[8]. 此時如何有效快速檢測出運動目標是最為困難的工作.

2.1 圖像目標提取算法

由圖 2 可以看出監(jiān)控系統(tǒng)采集到的圖像比較大且背景復雜， 很難在整幅圖像中找到目標的位置， 但仔細分析就會發(fā)現(xiàn)目標出現(xiàn)都是從圖像的邊界開始的， 并且相鄰幀之間存在著一定的互相關(guān)性. 我們可以通過圖像的互相關(guān)性來進行圖像目標提取. 在圖像目標提取中， 互相關(guān)函數(shù)的定義如下：

設兩個函數(shù)分別為m(t)和n(t)， 其反映的是兩個函數(shù)在不同相對位置上的相互匹配程度[9]. 則互相關(guān)函數(shù)定義為

R(u)=m(t)*n(-t).

(1)

本文首先取相鄰兩幀圖像的4個邊界50pix寬度的范圍， 如圖3陰影部分所示， 進行相鄰幀的相關(guān)性判斷， 利用互相關(guān)函數(shù)將前一幀圖像和當前幀圖像聯(lián)系起來判斷當前幀圖像中是否存在目標. 用數(shù)學的形式表示為： 將當前幀圖像與前一幀圖像按列展開為二維像素矢量i和j， 利用式(2)計算兩幅圖即2個矢量i和j的相互關(guān)系的相似性程度.

式中：k為當前幀圖像；f表示前一幀圖像；i和j表示圖像的行和列. 進行目標提取時， 根據(jù)式(2)可以求出對應的ρ值， 將其與閾值T1(采集連續(xù)N幀沒有目標的圖像按式(2)進行計算， 取ρ的平均值作為閾值， 隨著系數(shù)N的增加， 提取的準確度越高. 通過大量實驗驗證，N取25時即可準確提取. )進行比較， 若大于閾值則將當前幀與下一幀進行如上計算， 否則說明當前幀圖像包含目標， 此時用當前幀的圖像和前一幀的圖像進行差分運算， 則目標提取結(jié)束.

圖 2 監(jiān)控系統(tǒng)采集到的圖像Fig.2 Monitoring system acquired images

圖 3 相鄰兩幀圖像對比范圍的選取示意圖Fig.3 Select two adjacent schematic image contrast range

2.2 圖像目標處理算法

對圖像目標處理的過程即為目標坐標確定的過程. 計算出目標物體的位置坐標， 從而控制云臺移動， 保證目標處于攝像頭視野的中央. 采用位置平均值法進行目標位置的確定： 對每個目標像素求出它相對起始點的位置信息， 然后求平均即為要求的目標位置坐標. 將差分后的圖像灰度化得到圖像I(i，j)

式中：W為目標像素點的個數(shù).

3 實驗與分析

實驗采用STM32 單片機微處理器、 廣角攝像頭、 LCD 液晶顯示屏、 報警器和二自由度云臺. 實驗的判斷報警部分參考文獻[10]. 本文主要驗證系統(tǒng)的目標提取跟蹤部分. 分別采用常用的幀間差分法和本文實現(xiàn)算法對有光照突變的視頻進行測試， 如圖 4 所示， a代表無光照突變時， 本文使用算法和直接幀間差分法相比準確度差距不大， 此時兩種方法云臺自主跟蹤效果圖b1， b2相差不大； c代表光照突變時， 直接幀間差分法誤差較大， 而本文提出的算法仍然可以清晰的測出目標， 此時兩種方法云臺自主跟蹤效果圖d1， d2明顯本文提出的算法更為準確. 平均處理時間如表1所示. 由以上比較結(jié)果， 本文使用的算法在精確度和處理速度上都明顯高效與幀間差分法， 因此文中提出的算法高效、 實時、 符合系統(tǒng)實現(xiàn)要求.

表 1 兩種方法平均處理速度對比

圖 4 不同光照下目標檢測結(jié)果Fig.4 The result of target detection under different illumination

4 結(jié)束語

設計并實現(xiàn)了一種基于STM32單片機的目標提取處理系統(tǒng)， 該系統(tǒng)能夠適應動態(tài)復雜的智能監(jiān)控系統(tǒng)， 接收并處理采集到的視頻， 實現(xiàn)實時區(qū)域目標提取并通過二自由度云臺對其進行跟蹤， 與文獻[10]中的數(shù)據(jù)庫判斷報警部分結(jié)合成完整的監(jiān)控報警系統(tǒng)， 整個系統(tǒng)結(jié)構(gòu)簡單， 解決了單片機在圖像識別上內(nèi)存不足、 速度慢的問題， 以較低的成本和功耗實現(xiàn)慢速運動物體的跟蹤， 適用與眾多監(jiān)控領(lǐng)域.

[1] 黃凱奇， 陳曉棠， 康運鋒， 等. 智能視頻監(jiān)控技術(shù)綜述[J]. 計算機學報， 2015， 38(6)： 28-33. Huang Kaiqi， Chen Xiaotang， Kang Yunfeng， et al. Intelligent visual surveillance: a review[J]. Chinese Journal of Computers, 2015， 38(6)： 28-33. (in Chinese)

[2] 曾浩， 張祺， 鄭斯凱. 基于STM32F407的圖像遠程采集終端[J]. 工業(yè)控制計算機， 2014， 26(11)： 81-83. Zeng Hao， Zhang Qi， Zheng Sikai. Remote image capture terminal based on STM32F407[J]. Industrial Control Computer, 2014， 26(11)： 81-83. (in Chinese)

[3] 李小斌， 吳宏岐， 袁戰(zhàn)軍， 等. 智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)及算法研究[J]. 控制工程， 2016， 23(S0)： 18-23. Li Xiaobin， Wu Hongqi， Yuan Zhanjun， et al. Study on the key technologies and algorithms of intelligent video surveillance system[J]. Control Engineering of China, 2016， 23(S0)： 18-23. (in Chinese)

[4] 單昱翔， 陽璐， 趙玉珠. 基于STM32的圖像跟蹤系統(tǒng)[J]. 科技資訊， 2013， 11(24)： 1-2. Shan Yuxiang， Yang Lu， Zhao Yuzhu. Image tracking system based on STM32[J]. Science and Technology Information， 2013， 11(24)： 1-2. (in Chinese)

[5] 肖思興. 復雜場景下的運動目標檢測與跟蹤算法研究[D]. 廈門： 廈門大學， 2009.

[6] Chacon-Murguia M I， Gonzalez-Duarte S. An adaptive neural-fuzzy approach for object detection in dynamic backgrounds for surveillance systems[J]. IEEE Transactions on Industrial Electronics， 2012， 59(8) : 3286-3298.

[7] 張紀寬， 彭力， 陳志勇. 動態(tài)復雜背景下的智能視頻監(jiān)控系統(tǒng)設計實現(xiàn)[J]. 計算機測量與控制， 2016， 24(7)： 100-105. Zhang Jikuan， Peng Li， Chen Zhiyong. Design and realization of intelligent video-surveillance system in dynamic complex background[J]. Computer Measurement & Control， 2016， 24(7)： 100-105. (in Chinese)

[8] Shih F Y. Image processing and mathematical morphology: fundamentals and applications[M]. New York： CRC Press， 2009.

[9] 吳金鹿， 陳紹煒， 孫磊. 一種基于互相關(guān)匹配的空域目標提取方法[J]. 科學技術(shù)與工程， 2011， 11(32)： 58-63. Wu Jinlu， Chen Shaowei， Sun Lei. A spatial target extraction method based on cross-correlation matching[J]. Science Technology and Engineering， 2011， 11(32)： 58-63. (in Chinese)

[10] 楊瑤， 劉波， 裴娟， 等. 一種基于STM32的監(jiān)控圖像跟蹤系統(tǒng)的設計[J]. 江蘇理學院學報， 2016， 22(2)： 49-54. Yang Yao， Liu Bo， Pei Juan， et al. Design of a monitoring image tracking system based on STM32[J]. Journal of Jiangsu University of Technology， 2016， 22(2)： 49-54. (in Chinese)

The Image Target Extraction Processing System Based on STM32

LIU Tianlin1， YANG Boyu2， PAN Guangzhen1

(1. School of Software, North University of China, Taiyuan 030051, China;2. School of Information and Communication Engineering, North University of China, Taiyuan 030051, China)

In this paper, a monitoring image tracking system is explored. The system takes the STM32 microprocessor as the control core, sends the image captured by the wide-angle camera to the LCD display, and analyzes the data of the acquired images. For the common direct inter-frame difference method, because of a large amount of error, large amount of computation, resulting in insufficient memory, the impact of computing speed and other deficiencies, an image object extraction algorithm is put forward to accurately and quickly calculate the coordinates of the target object position.It solves the problems of large error, slow operation and insufficient system memory in image processing, and realizes the video object extraction and tracking processing with low cost and low power consumption tocontrol the PTZ mobile to ensure that the target is in the center of the camera field of vision.

STM32； monitoring system； target extraction； cross correlation

1671-7449(2017)02-0144-04

2016-11-08

劉天霖(1992-)， 男， 碩士生， 主要從事信息安全技術(shù)研究.

TP391.4

A

10.3969/j.issn.1671-7449.2017.02.009