基于機器視覺的智能安全頭盔的研究與實現(xiàn)

李向民 劉帥康 高程赟

摘? 要：該文基于機器視覺的智能安全頭盔，使用OpenCV計算機視覺庫，采用混合高斯模型的方法，即在初始化每個像素點時采用鄰域特性與中值濾波相結(jié)合的方法，用來獲取更接近實際的初始背景。對采集到的圖像數(shù)據(jù)進行圖像識別，實現(xiàn)對圖像的實時處理。

關鍵詞：智能安全頭盔;機器視覺;高斯模型

中圖分類號： TP23? ? ? ? 文獻標志碼：A

0 前言

近年來，基于視頻的交通流量檢測系統(tǒng)已成為智能交通系統(tǒng)的重要工具，因此移動目標檢測已成為當今最重要的問題。在該文中，基于機器視覺的智能安全頭盔中使用的相機處于對車輛靜止的狀態(tài)。攝像機檢測車輛后方的移動目標，因此屬于靜態(tài)視頻檢測。由研究發(fā)現(xiàn)，視頻圖像的每個像素的顏色分布是隨機且獨立的。根據(jù)一般統(tǒng)計理論，高斯分布函數(shù)可以表示時間軸上每個像素的顏色分布。由于測試圖像序列中的多峰背景擾動問題，該文決定通過建立混合高斯模型來檢測運動目標。

1 硬件系統(tǒng)結(jié)構(gòu)

該文所設計的基于機器視覺的智能安全頭盔由控制器、供電模塊、陀螺儀模塊、超聲波測距模塊、喇叭、攝像頭、舵機控制器、無線傳輸模塊和耳麥等模塊組成。

2 混合高斯模型

2.1 高斯濾波

高斯濾波主要用于平滑信號，是一種基于信號的濾波器。通常，圖像中的噪聲處于低能量部分，圖像數(shù)據(jù)中的能量被變換，低能量部分被去除，因此圖像中的噪聲也被刪除。

2.2 混合高斯濾波

混合高斯模型是對高斯模型進行簡單擴展，通過求解2個高斯模型，并通過一定的權(quán)重將2個高斯模型融合成一個模型，即最終的混合高斯模型。該混合高斯模型能夠產(chǎn)生這樣的樣本。

假設該混合高斯模型是由k個高斯模型組成（即數(shù)據(jù)包括k個類），則該混合高斯濾波的概率密度函數(shù)如下：

是第k個高斯模型的概率密度函數(shù)，x代表高斯混合模型參數(shù)，N代表高斯混合概率，uk表前k個類模型的均值，可以看成選定第k個模型后，該模型產(chǎn)生的概率; p（k）=πk是第k個高斯模型的權(quán)重，稱作選擇第k個模型的先驗概率，且滿足下面公式。

3 研究及實現(xiàn)

3.1 對圖像背景建立高斯模型

從當前視頻幀中提取該幀的前景，其主要的目的是使背景更加接近于當前視頻幀中的背景。也就是說，使用當前幀和視頻序列中的當前背景幀的加權(quán)平均來更新背景。混合高斯模型使用k（k一般取值為3～5）個高斯模型來表征研究的圖像中各個像素點的特征，在新的一幀圖像得到之后更新為混合高斯模型， 用當前圖像中的每一個像素點依次與混合高斯模型進行匹配，如果成功，那這一點被確定為背景點，否則它就是前景點 。由于該文的研究是對運動目標的背景提取從而進行建立模型，因此有必要實時更新高斯模型中的方差和平均參數(shù)。為了提高該模型的學習能力，改進的方法使用不同的學習率來更新均值和方差。為了提高繁忙場景中大型緩慢移動目標的檢測效果，引入加權(quán)平均的概念來建立背景圖像并且實時更新。

3.2 項目的實現(xiàn)

3.2.1 實現(xiàn)思路

實時運動檢測和跟蹤技術是一種多學科技術，集成了嵌入式系統(tǒng)、圖像處理、計算機視覺和網(wǎng)絡傳輸。該文中的運動檢測是檢測實時采集的圖像信息，提取有效信息，采用混合高斯模型，識別目標參數(shù)特征，將噪聲進行過濾并鎖定目標，跟蹤目標的運動軌跡以及使用PID算法進行目標的位置修正等一系列的操作。該文是基于靈活并且計算功能多樣的Raspberry Pi，在OpenCv框架下移植適當?shù)乃惴ā?/p>

3.2.2 核心算法

3.2.2.1 混合高斯模型算法

3.3 路況信息監(jiān)測結(jié)果

圖1為采用混合高斯模型的實驗效果圖，可以看出圖1中車輛道路的監(jiān)控顯示結(jié)果很好。

4 結(jié)語

該文對機器視覺系統(tǒng)在智能安全頭盔的研究與實現(xiàn)的應用進行了分析 ，采用混合高斯模型的方法，實現(xiàn)對圖像的實時處理。該系統(tǒng)具備良好的自適應能力，能實現(xiàn)道路預警、行車記錄、自動求助、智能語音識別等功能。說明機器視覺在智能出行上得到了有效應用。

參考文獻

[1]Gary Bradski，Adr ian Kaebler.Learning OpenCV[M].北京：東南大學出版社，2009.

[2]常曉夫，張文生，董維山.基于多種類視覺特征的混合高斯背景模型[J].中國圖象圖形學報，2011（5）：829-834.

[3]陳勝勇，劉盛.基于OpenCV 的計算機視覺技術實現(xiàn)[M].北京：科學出版社，2008.

[4]毛星云，冷雪飛.OpenCv3編程入門[M].北京：電子工業(yè)出版社，2015.

[5]韓宇，張磊，吳澤民，等.基于嵌入式樹莓派和OpenCV的運動檢測與跟蹤系統(tǒng)[J].電視技術，2017，41（2）：6-10.