嵌入式人感系统的设计与实现

摘要：随着经济的发展，监控设备在日常生活中被广泛使用。本文介绍的嵌入式人感系统就是基于嵌入式操作系统之上，对监控设备功能作了部分改良和拓展后，在安防领域的运用。本文从操作系统选择、硬件结构介绍和图像处理、图像识别算法的实现等方面，分别对嵌入式人感系统的设计与实现进行了全面描述。在实际环境中的实验表明：嵌入式人感系统对监控现场出现的异常状况实时、高效、精确地实现了判断、报警功能。
关键词：人感系统；嵌入式技术；图像处理；图像识别

0 概述
随着经济的飞速发展，各种各样的监控设备已经随处可见，在不同的领域中发挥着重要的作用。但是诸如保密室、金库、仓库等关系到重大财产安全的场所，简单的视频监控功能是无法满足其在安防层面上的要求的。实际应用中普遍使用的方式是：出现异常情况后，通过报警器报警，并将现场状况通过监控设备记录下来，供警方在事后调查时进行取证。因此实时性极差，且由于受到报警器前端探测装置的物理性能的限制，往往会因温度、湿度、光照角度等环境因素的影响，而对监控现场的状况做出误判，引起误警的情况。同时，监控设备的持续长时间工作也很浪费能源，不符合当下节能环保的理念。如何降低误判率，合理控制监控设备的工作模式，已经成为用于此类特殊场所的安防设备在下阶段开发中一个重要的研究课题。
本文研究的嵌入式人感系统正是应用在此类特殊环境下的安防设备。本系统旨在对监控现场状况做出准确、完整的判断和快速、高效的处理，更好地实现安防的功能。
考虑到本系统是对现有监控设备功能的改良和拓展，需要简单精悍、开销不大、使用灵活方便，同时，当出现部件损坏时要便于更换，还要美观实用，从技术的角度而言，运用嵌入式技术是最为便捷合理的方式。

1 系统方案设计
随着芯片技术的发展，单个芯片具备了更强的处理能力，使得集成了多种接口已成为可能。同时，由于各类产品对于可靠性、成本、更新换代要求的提高，使得嵌入式系统逐渐在同类产品竞争中脱颖而出，成为了IT界的新焦点。
嵌入式系统被普遍认可是一类以应用为中心，以计算机技术为基础、软硬件可裁剪、满足对系统功能、可靠性、体积、功耗、成本等严格要求的微型计算机系统。尽管嵌入式系统在体系结构上处于主流位置，但在开发过程中采用的诸如Linux、OSGi或者Java都是开放式编程环境，不存在市场垄断，且充满创新，不断发展。嵌入式技术已经成为通信产品和消费电子领域的共同发展方向，并开始逐渐用于安防领域。同时，由于业界的广泛关注，各类嵌入式处理器(硬件)、嵌入式操作系统(软件)的开发也推动了嵌入式技术的进步和信息技术的网络化、数字化、智能化的发展。
鉴于嵌入式技术能够实现高效的信息采集和数据处理的功能，在承担高要求、强负荷的同时，性能稳定且卓越，所以本文在人感系统的设计和实现中采用嵌入式技术。
根据各类安防系统对信息处理的准确性和实时性的要求，人感系统采用如下的设计思路：采用主芯片、图像采集模块和PIR红外传感器模块的组合，由PIR红外传感器模块对监控现场中的状况做持续主动检测，当出现异常情况时，通知主芯片控制图像采集模块进行定周期的图像采集，并对采集得到的图像进行处理和识别，根据判别结果，由主芯片执行后续操作。若图像采集模块出现连续10个周期无异常图像时，则关闭图像采集模块；否则，启动报警装置，并将采集得到的最后20个周期图像压缩存储于存储设备中或传输至终端设备上。通过利用这样的双重智能识别的方式来实现减少对监控现场状况可能产生的误判和合理控制监控设备工作模式的目的，真正达到智能安防的效果。

图中：PIR Senser(红外传感器模块)，负责对监控现场状况进行物理监测；CMOS图像采集模块)，完成对监控现场状况的图像采集；MCU(主芯片)，实现系统控制、图像处理，周像识别等功能；IRLED(红外LED补光)辅助功能模块，当监控现场环境光线比较差的时候，为了有更好的图像采集效果，通过该模块进行红外补光。

2 硬件模块结构设计
基于上一节系统方案设计的基础上，系统各个硬件模块主要构成如下：
2．1 PIR红外感应模块
PIR红外感应模块在未断电的情况下，是始终保持工作状态的，只要当监控范围内出现了符合其触发条件的目标，它就会通过发送一个高电平信号的方式通知主芯片启动图像采集模块，进而进行之后的相关操作。其仍然保持工作状态。
2．2 图像采集模块
图像采集模块由于其硬件性能的原因，如果以PIR红外感应模块相同的工作方式长时间工作，一方面会非常耗电，不符合节能的设计初衷，同时对于其硬件部分也有很大的损害，减短模块的使用寿命。因此，该模块采用的是，当需要进行图像采集操作时，由主芯片启动的方式工作。模块启动后，通过摄像头部件定时对监控范围内的场景进行图像采集，并将采集到的图像保存到主芯片中，由主芯片对图像进行下一步的操作。在未接到主芯片令其停止工作的指令前，它始终保持循环执行以上工作过程的状态。
2．3 主芯片
主芯片除了负责对PIR红外感应模块状态监控、图像采集模块工作模式的控制和警报控制操作之外，还有一个非常重要的工作一对图像采集模块采集得到的图像进行图像处理、图像识别和结果判断，决定是否需要执行相应的警报控制操作。所以，在主芯片的选择上既需要有充足的内存空间，还需要具备较强的处理能力，综合以上需求，最终确定选择Samsung S3C6410这块ARM7处理芯片来作为主芯片。
2．4 红外LED补光
红外补光模块是人感系统的一个辅助功能模块，当图像采集模块获得的图片亮度过低时，为了有更好的图像采集效果，在图像采集模块工作时通过该模块进行红外补光。
注；鉴于节能的原则，以上处于长时间工作状态的电路模块使用的都是3．3～5．0V的直流电源。

3 软件模块设计
鉴于人感系统的特点，软件模块设计的研究内容主要是主芯片对监控现场中异常状况的图像采集，以及之后的图像处理和图像识别算法的相关技术，不包括图像传输和图像压缩存储方面的内容。
随着监控技术的发展，目标的提取和有效监测已经成为图像处理、图像识别中的关键技术。在图像序列中如何精确地提取出具有实际意义的对象实体，是之后根据预设的阈值对对象实体进行图像识别的基础。
3．1 对象提取
对象提取的常用方法有，帧间差分法、背景差分法和光流法。帧间差分法是基于时间序列图像上的差分方法，对外界干扰不敏感，可以避免一些不必要的噪声干扰，但通常难以获取检测目标的完整轮廓；光流法是利用图像序列中的像素强度的时域变化和相关性来确定各自像素位置的状况，由于该方法是对每个像素点的位置确认，且运算公式复杂，计算量比较大，不适合用于对实时性要求比较高的系统中。鉴于实际需求等因素的考虑，在本设计中采用最直接、最简单的背景差分法来对图像采集模块得到的图像进行对象提取。
背景差分法需要事先将背景图像存储起来，供以后差分时使用，因此在人感系统启动时，图像采集模块会随之启动，采集并存储当前帧的图像，然后系统进入正常工作模式。由于新出现的对象实体在灰度上和背景的灰度会存在较为明显的差异，这样作差之后的图像中新出现的对象实体会有较大的灰度值。背景差分法就是基于此原理，通过对当前图像和背景图像作差的方式，将对象实体从背景中提取出来。
假设当前帧二值化后的图像为Ni，背景图像二值化后为B，图像阈值为pt，那么背景差分二值化后的图像为：

这样，当背景差分二值化后图像的灰度值为255的像素点都被视为对象实体目标点。
3．2 对象识别
对象识别就是对提取得到的对象实体目标点的面积与预设阈值的比较。
当完成了对象提取步骤后，需要根据实际情况选取适当的阈值T，对获得的对象实体进行判断。当对象实体目标点组成的连通域的总面积大于阈值T时，视为出现异常情况，通知主芯片启动报警装置；当对象实体目标点组成的连通域的总面积小于阈值T时，视为PIR红外传感器模块被误触发或者触发PIR红外传感器模块的物体不是“入侵者”，非异常情况，无需启动报警装置。
3．3 图像处理
背景差分法能够简单地将对象实体从背景中提取出来，能完整获得对象实体的位置、大小、形状等信息，但是由于其自身算法的限制，该方法往往会遇到噪声和外界环境变化带来的影响。
由于噪声的影响，会使一些本不属于对象实体上的点被错误地归入对象实体目标点，或者由于背景图像中的噪声，导致一些本属于对象实体上的点被忽略。为了减少这类因素的影响，在图像二值化操作之前，需要先对图像去噪处理后再进行对象提取。另外，由于受到光线等环境因素的影响，图像中会出现与目标实体具有一定相同视觉特性的阴影像素点，若直接使用背景差分法，对象实体目标点组成的连通域的总面积会因阴影像素点的存在而变大，使得对象识别时出现错误判断。为此，在对象提取前，还需要对当前帧在HSV色彩空间中进行阴影检测。

式中，I为当前帧，B为背景图像，S为阴影像素点。设定α为光源影响系数，光源越强，α越小；β是为了去除噪声的影响。Ts、Th的设定是为了区分当前帧和背景图像之间的差别。
为了进一步精确地获取对象实体，在图像识别前，需要运用诸如数学形态学的方法，对背景差分二值化后的图像进行处理，计算对象实体目标点组成的连通域的总面积时设定一个统计阈值t，当某个连通域面积小于t时，则该连通域的面积不计入总面积之中。
至此，就可以比较完整地提取出对象实体，并在此基础上进行较为精确的对象识别操作了。

4 实验结果
本实验是为了验证上节软件模块设计部分的对象提取、图像处理和图像识别算法的可实现性和实际应用效果。(软件环境：Linux；每帧大小：352×288。)
在一个封闭的办公室中，启动人感系统，然后有一个人进入并通过监控区域，人感系统准确判定出目标为“入侵者”。
实验效果图如下：