應(yīng)用OK6410的嵌入式實(shí)驗(yàn)室智能值守系統(tǒng)的研究*

李 毅，李珊珊

(1.天津科技大學(xué) 電子信息與自動化學(xué)院，天津 300222；2.天津城建大學(xué) 土木工程學(xué)院，天津 300384)

無人值守的實(shí)驗(yàn)室面臨著不小的安全威脅，雖然各種探測器已經(jīng)可以很好地監(jiān)測煙火事故，但對于人員非法進(jìn)入仍缺乏有效監(jiān)測手段[1]。

因此，這里提出應(yīng)用OK6410的嵌入式實(shí)驗(yàn)室智能值守系統(tǒng)的處理方案，為實(shí)驗(yàn)室安保智能化方面做出探索。

1 算法原理

1.1 算法的基本思路

人通過分析理解畫面內(nèi)容獲取信息——一旦有目標(biāo)進(jìn)入場景，原有的部分畫面被遮擋，視覺神經(jīng)會得出畫面改變、目標(biāo)出現(xiàn)的結(jié)論[2]。

與之類似，智能值守系統(tǒng)也通過一定的準(zhǔn)則來確認(rèn)畫面內(nèi)是否出現(xiàn)目標(biāo)，即是否存在灰度明顯變化的區(qū)域。由于實(shí)驗(yàn)室是穩(wěn)定的室內(nèi)環(huán)境，一旦有目標(biāo)的進(jìn)入，當(dāng)前幀與背景畫面之間就會存在明顯差異，只要能將其捕捉，就可以確認(rèn)可疑目標(biāo)出現(xiàn)并攝錄取證報警。

1.2 應(yīng)用背景差分法捕獲目標(biāo)

本系統(tǒng)選擇背景差分法(Background Subtraction)作為捕獲移動目標(biāo)的工具，這種算法利用輸入視頻幀和背景圖像的差來進(jìn)行運(yùn)動檢測[3]。

具體來講，一旦有目標(biāo)出現(xiàn)，該幀圖像和背景模型間就會存在顯著差異，將兩者進(jìn)行差分運(yùn)算，再進(jìn)行去噪處理后，就可以獲得出現(xiàn)目標(biāo)的具體區(qū)域。如式(1)所示：

Dk(i,j)=|X(i,j)-B(i,j)| .

(1)

X(i,j)∈FG 如果Dk(i,j)≥Ttarget

X(i,j)∈BG 如果Dk(i,j)

其中，X(i,j)為待判斷圖像中某點(diǎn)的像素值，B(i,j)為高斯背景模型。FG為前景目標(biāo)區(qū)域，BG為背景區(qū)域，Ttarget為判斷閾值。

1.3 應(yīng)用多高斯模型建立背景模型

這里選擇多高斯模型建立穩(wěn)定的參考背景[4]。

圖像中每個像素點(diǎn)X(x,y)的灰度值的變化取值符合高斯分布，其均值μ和方差σ2分別為：

(2)

(3)

P(Xt)≤Tbackground.

(4)

則該點(diǎn)歸屬目標(biāo)區(qū)域，否則歸屬背景區(qū)域，這種背景模型被稱為單高斯模型[5]。對于恒定不變的單模態(tài)場景，該模型可以有效地表示背景，但如果背景中有動態(tài)因素時，圖像中同一個位置的像素值在一個時間段內(nèi)可能存在幾個范圍的分布，單高斯背景模型的性能會急劇下降。Stauffe等人提出了混合高斯背景模型算法，可以有效地解決這一問題，其基本思想是利用多個高斯分布來描述背景中同一個像素點(diǎn)像素值的分布情況[6]。對每個像素點(diǎn)建立N個高斯分布，共同模擬此點(diǎn)的背景值，即：

(5)

(6)

這樣，各點(diǎn)的高斯背景就由靜態(tài)分布變?yōu)榱藙討B(tài)分布，并依如下方式進(jìn)行模型更新：首先，按照前幾幀圖像的灰度分布情況為每一像素點(diǎn)建立相應(yīng)的混合高斯分布模型，之后，將新緩沖圖像的每個像素點(diǎn)與該點(diǎn)已有的若干高斯模型相比較，若不匹配，則增加新的高斯模型[7]。若匹配，則按式(7)～式(9)更新該高斯分布的參數(shù)：

ωi,t=(1-a)ωi,t-1+a.

(7)

μi,t=μi,t-1+β(Xt-μi,t-1) .

(8)

(9)

其中，α∈[0, 1]，為自定義學(xué)習(xí)率，β為方差更新權(quán)值。

1.4 算法流程

本系統(tǒng)的算法流程如圖1所示，首先用多高斯法建立背景模型，之后用背景差分法計算新獲取的圖像與背景的差值，一旦發(fā)現(xiàn)目標(biāo)進(jìn)入，啟動報警程序，并將現(xiàn)場畫面?zhèn)鞒觥?/p>

圖1 算法流程

2 實(shí)驗(yàn)室智能值守系統(tǒng)的組成

2.1 系統(tǒng)硬件組成

本系統(tǒng)的硬件組成如圖2所示，攝像頭負(fù)責(zé)采集圖像，網(wǎng)絡(luò)模塊負(fù)責(zé)傳輸數(shù)據(jù)，而OK6410開發(fā)板負(fù)責(zé)算法的執(zhí)行。

圖2 系統(tǒng)硬件組成

2.2 系統(tǒng)的軟件構(gòu)成

本系統(tǒng)軟件組成如圖3所示，選擇內(nèi)核為3.0.1的嵌入式linux作為操作系統(tǒng)，同時添加攝像頭驅(qū)動、網(wǎng)卡驅(qū)動及聲卡驅(qū)動，使OK6410開發(fā)板具備完整的軟硬件功能。

圖3 系統(tǒng)軟件組成

軟件程序編寫分為圖像采集、背景模型建立、背景差分循環(huán)及網(wǎng)絡(luò)報警等部分。其中，多高斯背景模型學(xué)習(xí)的時長為500幀，背景模型建立后與新獲取的圖像進(jìn)行差分運(yùn)算，一旦發(fā)現(xiàn)目標(biāo)，即驅(qū)動聲卡進(jìn)行語音報警，之后每隔0.5 s將現(xiàn)場照片通過網(wǎng)絡(luò)上傳。

3 實(shí)驗(yàn)結(jié)果及分析

圖4為部分實(shí)驗(yàn)結(jié)果，其中，監(jiān)測到的目標(biāo)用方框標(biāo)記?？梢钥吹?，當(dāng)可疑人員進(jìn)入實(shí)驗(yàn)室后，系統(tǒng)會第一時間捕捉目標(biāo)并持續(xù)上傳現(xiàn)場照片，說明本系統(tǒng)達(dá)到了預(yù)期設(shè)計目的。

圖4 部分實(shí)驗(yàn)結(jié)果

4 結(jié)束語

本系統(tǒng)運(yùn)用圖像處理的手段完成對實(shí)驗(yàn)室異常進(jìn)入目標(biāo)的實(shí)時監(jiān)測，體積小巧、反應(yīng)靈敏，具備實(shí)用價值，為實(shí)驗(yàn)室安保的智能化、網(wǎng)絡(luò)化發(fā)展做了有益探索。

[1] 黃坤,李彥啟.我國高校實(shí)驗(yàn)室安全管理現(xiàn)狀分析與對策[J].實(shí)驗(yàn)室研究與探索,2015,34(1):280-283.

[2] 劉曉玲.視覺神經(jīng)生理學(xué)[M].北京:人民衛(wèi)生出版社,2012:45-52.

[3] 倉園園,孫玉寶,劉青山.基于分層魯棒主成分分析的運(yùn)動目標(biāo)檢測[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報,2014,26(4):538-544.

[4] Feng Guo,Jingchang Huang,Xin Zhang, et al. A Classification Method for Moving Targets in the Wild Based on Microphone Array and Linear Sparse Auto-encoder[C].Neurocomputing,2017,241:28-37.

[5] Lin L,Xu Y,Liang X,et al.Complex Background Subtraction by Pursuing Dynamic Spatio-temporal Models[J].IEEE Transactions on Image Processing, 2015,23(7):3191-3202.

[6] Song YM,Noh SJ,Yu J, et al. Background Subtraction Based on Gaussian Mixture Models Using Color and Depth Information [C]. International Conference on Control,2015 :132-135.

[7] Elharrouss O,Moujahid D,Tairi H. Motion Detection Based on the Combining of the Background Subtraction and the Structure-texture Decomposition[J].Optik-International Journal for Light and Elec.,2015,126(24):5992-5997.