嵌入式人感系統(tǒng)的設計與實現(xiàn)
加入技術(shù)交流群
2 硬件模塊結(jié)構(gòu)設計
基于上一節(jié)系統(tǒng)方案設計的基礎上，系統(tǒng)各個硬件模塊主要構(gòu)成如下：
2．1 PIR紅外感應模塊
PIR紅外感應模塊在未斷電的情況下，是始終保持工作狀態(tài)的，只要當監(jiān)控范圍內(nèi)出現(xiàn)了符合其觸發(fā)條件的目標，它就會通過發(fā)送一個高電平信號的方式通知主芯片啟動圖像采集模塊，進而進行之后的相關(guān)操作。其仍然保持工作狀態(tài)。
2．2 圖像采集模塊
圖像采集模塊由于其硬件性能的原因，如果以PIR紅外感應模塊相同的工作方式長時間工作，一方面會非常耗電，不符合節(jié)能的設計初衷，同時對于其硬件部分也有很大的損害，減短模塊的使用壽命。因此，該模塊采用的是，當需要進行圖像采集操作時，由主芯片啟動的方式工作。模塊啟動后，通過攝像頭部件定時對監(jiān)控范圍內(nèi)的場景進行圖像采集，并將采集到的圖像保存到主芯片中，由主芯片對圖像進行下一步的操作。在未接到主芯片令其停止工作的指令前，它始終保持循環(huán)執(zhí)行以上工作過程的狀態(tài)。
2．3 主芯片
主芯片除了負責對PIR紅外感應模塊狀態(tài)監(jiān)控、圖像采集模塊工作模式的控制和警報控制操作之外，還有一個非常重要的工作一對圖像采集模塊采集得到的圖像進行圖像處理、圖像識別和結(jié)果判斷，決定是否需要執(zhí)行相應的警報控制操作。所以，在主芯片的選擇上既需要有充足的內(nèi)存空間，還需要具備較強的處理能力，綜合以上需求，最終確定選擇Samsung S3C6410這塊ARM7處理芯片來作為主芯片。
2．4 紅外LED補光
紅外補光模塊是人感系統(tǒng)的一個輔助功能模塊，當圖像采集模塊獲得的圖片亮度過低時，為了有更好的圖像采集效果，在圖像采集模塊工作時通過該模塊進行紅外補光。
注；鑒于節(jié)能的原則，以上處于長時間工作狀態(tài)的電路模塊使用的都是3．3～5．0V的直流電源。
3 軟件模塊設計
鑒于人感系統(tǒng)的特點，軟件模塊設計的研究內(nèi)容主要是主芯片對監(jiān)控現(xiàn)場中異常狀況的圖像采集，以及之后的圖像處理和圖像識別算法的相關(guān)技術(shù)，不包括圖像傳輸和圖像壓縮存儲方面的內(nèi)容。
隨著監(jiān)控技術(shù)的發(fā)展，目標的提取和有效監(jiān)測已經(jīng)成為圖像處理、圖像識別中的關(guān)鍵技術(shù)。在圖像序列中如何精確地提取出具有實際意義的對象實體，是之后根據(jù)預設的閾值對對象實體進行圖像識別的基礎。
3．1 對象提取
對象提取的常用方法有，幀間差分法、背景差分法和光流法。幀間差分法是基于時間序列圖像上的差分方法，對外界干擾不敏感，可以避免一些不必要的噪聲干擾，但通常難以獲取檢測目標的完整輪廓；光流法是利用圖像序列中的像素強度的時域變化和相關(guān)性來確定各自像素位置的狀況，由于該方法是對每個像素點的位置確認，且運算公式復雜，計算量比較大，不適合用于對實時性要求比較高的系統(tǒng)中。鑒于實際需求等因素的考慮，在本設計中采用最直接、最簡單的背景差分法來對圖像采集模塊得到的圖像進行對象提取。
背景差分法需要事先將背景圖像存儲起來，供以后差分時使用，因此在人感系統(tǒng)啟動時，圖像采集模塊會隨之啟動，采集并存儲當前幀的圖像，然后系統(tǒng)進入正常工作模式。由于新出現(xiàn)的對象實體在灰度上和背景的灰度會存在較為明顯的差異，這樣作差之后的圖像中新出現(xiàn)的對象實體會有較大的灰度值。背景差分法就是基于此原理，通過對當前圖像和背景圖像作差的方式，將對象實體從背景中提取出來。
假設當前幀二值化后的圖像為Ni，背景圖像二值化后為B，圖像閾值為pt，那么背景差分二值化后的圖像為：
這樣，當背景差分二值化后圖像的灰度值為255的像素點都被視為對象實體目標點。
3．2 對象識別
對象識別就是對提取得到的對象實體目標點的面積與預設閾值的比較。
當完成了對象提取步驟后，需要根據(jù)實際情況選取適當?shù)拈撝礣，對獲得的對象實體進行判斷。當對象實體目標點組成的連通域的總面積大于閾值T時，視為出現(xiàn)異常情況，通知主芯片啟動報警裝置；當對象實體目標點組成的連通域的總面積小于閾值T時，視為PIR紅外傳感器模塊被誤觸發(fā)或者觸發(fā)PIR紅外傳感器模塊的物體不是“入侵者”，非異常情況，無需啟動報警裝置。
3．3 圖像處理
背景差分法能夠簡單地將對象實體從背景中提取出來，能完整獲得對象實體的位置、大小、形狀等信息，但是由于其自身算法的限制，該方法往往會遇到噪聲和外界環(huán)境變化帶來的影響。
由于噪聲的影響，會使一些本不屬于對象實體上的點被錯誤地歸入對象實體目標點，或者由于背景圖像中的噪聲，導致一些本屬于對象實體上的點被忽略。為了減少這類因素的影響，在圖像二值化操作之前，需要先對圖像去噪處理后再進行對象提取。另外，由于受到光線等環(huán)境因素的影響，圖像中會出現(xiàn)與目標實體具有一定相同視覺特性的陰影像素點，若直接使用背景差分法，對象實體目標點組成的連通域的總面積會因陰影像素點的存在而變大，使得對象識別時出現(xiàn)錯誤判斷。為此，在對象提取前，還需要對當前幀在HSV色彩空間中進行陰影檢測。
式中，I為當前幀，B為背景圖像，S為陰影像素點。設定α為光源影響系數(shù)，光源越強，α越??；β是為了去除噪聲的影響。Ts、Th的設定是為了區(qū)分當前幀和背景圖像之間的差別。
為了進一步精確地獲取對象實體，在圖像識別前，需要運用諸如數(shù)學形態(tài)學的方法，對背景差分二值化后的圖像進行處理，計算對象實體目標點組成的連通域的總面積時設定一個統(tǒng)計閾值t，當某個連通域面積小于t時，則該連通域的面積不計入總面積之中。
至此，就可以比較完整地提取出對象實體，并在此基礎上進行較為精確的對象識別操作了。
4 實驗結(jié)果
本實驗是為了驗證上節(jié)軟件模塊設計部分的對象提取、圖像處理和圖像識別算法的可實現(xiàn)性和實際應用效果。(軟件環(huán)境：Linux；每幀大?。?52×288。)
在一個封閉的辦公室中，啟動人感系統(tǒng)，然后有一個人進入并通過監(jiān)控區(qū)域，人感系統(tǒng)準確判定出目標為“入侵者”。
實驗效果圖如下：本文引用地址：http://www.ex-cimer.com/article/148169.htm
評論