應用聲光聯合定位技術的智能視頻監控系統*

張 亞，周孟然，陳君蘭，趙蒼榮

（安徽理工大學 電氣與信息工程學院，安徽 淮南 232001）

1 引言

近年來，全程數字化、網絡化的視頻監控系統優勢愈發明顯，其高度的開發性、集成性和靈活性，為整個安全防護產業的發展提供了更加廣闊的發展空間。智能化、數字化、網絡化是視頻監控發展的必然趨勢，智能視頻監控的出現正是這一趨勢的直接體現[1]。采用智能視頻監控系統可以極大地提高視頻監控系統的能力，并使視頻資源能夠發揮更大的作用。

目前國內外的視頻監控可大致分為靜態監控和動態監控，靜態監控的監控范圍是固定的，比如利用攝像頭對某一場景進行拍攝；動態監控花樣繁多，如跟蹤某特定目標等，但是主要以圖像檢測為主。隨著安防系統的要求越來越高，單一的視頻監控已不能完全滿足監控的需要，比如對可疑物的報警判決通常只是根據對監控畫面的分析來做出的，而監控畫面往往存在盲區，無法覆蓋整個監控現場；在被障礙物擋住的地方由于無法采集圖像而使視頻監控系統不能發揮作用。針對這一問題，筆者將音頻監控技術加入到現有的視頻監控系統中，設計了一套應用聲光聯合定位技術的智能視頻監控系統。系統借助于聲源定位和攝像頭動態采集對可疑物進行聯合判決報警，可以實現對監控區域的有效覆蓋，降低漏報和誤報的幾率，提高無人值守環境下視頻監控系統的有效性和安全性。

2 系統的整體設計

系統整體設計方案如圖1所示。系統采用ADI公司的Blackfin系列處理器ADSP-BF533[2]（簡稱BF533）作為系統的處理核心，完成各接口電路的控制和算法處理。音頻通道由4個麥克風組成的麥克風陣列和音頻編解碼器AD1836組成，麥克風陣列首先采集空間音頻信息，傳送到AD1836轉換成數字信號，再通過DSP的SPORT口以DMA方式傳送到SDRAM，DSP讀取SDRAM中的數據并進行聲源定位算法處理，確定聲源位置；模擬攝像頭SCC-C6475與RS-485串口相連，由聲源位置決定攝像頭轉動角度，通過RS-485串口發出信號，控制攝像頭轉動；視頻通道由攝像頭和視頻編碼器SAA7111組成，SAA7111將攝像頭傳來的聲源位置的視頻信號轉化為YUV數字圖像，通過DSP的PPI口以DMA方式傳送到SDRAM，DSP調用視頻數據并進行圖像檢測算法分析，發現異常情況自動報警。以太網控制器DM9000負責將采集到的視頻數據傳輸到遠端主機進行顯示。系統還包括相應的電源電路，復位電路和時鐘電路。

圖1 系統整體設計框圖

3 系統的硬件設計

系統的處理核心BF533是專為滿足嵌入式音頻、視頻和通信應用的計算要求和低功耗條件而設計的新型16位嵌入式處理器。它基于由ADI和Intel公司聯合開發的微信號架構（Micro Signal Architecture，MSA），將信號處理功能與通用型微控制器所具有的易用性組合在了一起[3]。BF533外部I/O供電電壓為3.3 V，內核供電電壓為1.2 V，系統選用TPS73HD301作為BF533的電源芯片，其典型輸入電壓為5 V，輸出為3.3 V和1.2 V，每個輸出最大可提供750 mA電流。BF533的時鐘電路采用內部振蕩電路外接晶振的方式，晶振頻率為27 MHz。BF533的復位電路采用專用復位芯片IMP811。

3.1 音頻信號采集電路

音頻信號采集電路由麥克風陣列和音頻編解碼器AD1836組成。AD1836是ADI公司的高性能模數轉換器，適用于數字音頻系統。AD1836內部集成了3路立體的D/A和2路立體的A/D，數據采樣率為48/96 kHz，采樣位數為16/18/20/24位，參考電壓為2.25 V。為了降低信號的干擾，模擬信號的輸入輸出均采用差分的形式，輸入輸出模擬信號的最大峰峰值為5.6 V。AD1836具有一個SPI控制端口，允許處理器可以通過SPI端口對內部功能寄存器進行配置，從而實現時鐘、工作模式、采樣率、采樣位數、工作A/D和D/A的路數等參數的選擇。

AD1836與BF533之間的音頻信息傳送通過BF533處理器的SPORT口[4]來完成。同步串行端口SPORT是一個全雙工的通信端口，可同時發送和接收數據，而數據單向傳輸時只需要數據、數據時鐘和幀同步3根信號線[5]。SPORT同步串口可以在片內存儲器和串口之間建立一個DMA通道，數據幀的傳送很方便。音頻信號采集電路的框圖如圖2所示，BF533使用SPORT端口接收音頻數據，SPI端口進行AD1836工作參數的設置，由于要同時采集4路信號，SPORT端口工作在TDM多通道模式下。

圖2 音頻信號采集電路

3.2 視頻信號采集電路

視頻信號采集電路由攝像頭和視頻解碼器SAA7111組成。攝像頭采用的是SAMSUNG公司的網絡監控攝像頭SCC-C6475，能提供PAL制的模擬視頻信號，通過RS-485接口可對其進行遠程控制，其水平方向移動范圍為 0°～360°, 垂直方向移動范圍為 0°～180°。SAA7111 是PHILIPS公司的一款視頻處理芯片，它能將輸入的模擬視頻信號解碼成標準的“VPO”數字信號，相當于一種“A/D”器件[6]。SAA7111兼容各種視頻標準，在應用時可以根據視頻標準來配置其內部的寄存器，寄存器的讀寫通過I2C總線來完成。

SAA7111與BF533之間的視頻信息傳送通過BF533處理器的PPI口來完成。并行外部接口PPI是數據高速傳輸專用的半雙工雙向通道，為視頻數據的采集提供了極大的方便。PPI端口包括1個16 bit數據信號（數據寬度可靈活設定），3個幀同步信號和1個時鐘信號，可以通過DMA通道完成數據傳輸。視頻信號采集電路的框圖如圖3所示，由于BF533處理器沒有內置I2C接口，系統使用通用輸入輸出引腳PF1和PF2軟件模擬I2C總線，來對SAA7111芯片內部的寄存器進行配置。

3.3 存儲器的配置

系統存儲器包括數據存儲器和程序存儲器。因系統采集的音視頻數據量很大，而BF533內部存儲器的容量有限，故本系統外部擴展SDRAM作為音視頻數據的緩沖器。SDRAM選用MICRON公司的MT48LC16M16A芯片，它是一款高速的同步動態存儲器，組成結構為4 Banks×4 M×16 bit。整個SDRAM由2片MT48LC16M16A，容量為32 M×16 bit。系統程序存儲在Flash中，Flash選用的是AMD公司的AM29LV800D芯片，它是8 Mbit，單3.3 V電源供電的閃存，可配置成512 k×16 bit的結構，本系統使用2片AM29LV800D，容量為1 M×16 bit。

圖3 視頻信號采集電路

存儲器與BF533的數據交換通過EBIU接口來完成。外部總線接口單元EBIU包括1個16 bit的數據總線、1個地址總線和1個控制總線，既提供與同步存儲器的接口，也提供與異步存儲器的接口。BF533與SDRAM的連接如圖4所示，與Flash的連接如圖5所示。

圖4 BF533與SDRAM的連接

圖5 BF533與Flash的連接

3.4 以太網接口電路

以太網接口電路負責將采集到的視頻數據傳輸到遠端主機進行顯示。本系統采用的DAVICOM公司的DM9000是帶有通用處理器接口的單片快速以太網控制處理器，實現以太網媒體介質訪問層（MAC）和物理層（PHY）的功能，支持 8/16 bit數據總線，10/100 Mbit/s自適應，內置16 kbyte的SRAM用于收發緩沖，支持3.3～5 V的容差。BF533與DM9000的連接通過EBIU接口來完成，如圖6所示。93C46為E2PROM，用于保存IP地址、網卡物理地址和其他參數。

圖6 BF533與DM9000的連接

4 系統的軟件設計

從軟件結構上，系統的程序分為主控程序、音頻采集程序、視頻采集程序、聲源定位算法程序、圖像檢測程序、網絡接口程序、攝像頭控制程序等，核心部分為聲源定位算法程序的實現。

4.1 聲源定位算法

聲源定位是利用麥克風陣列拾取語音信號，并用數字信號處理技術對其進行分析和處理，繼而確定和跟蹤聲源的空間位置。目前關于聲源定位的技術和方法很多，考慮到系統實現的實時性，本系統采用的是基于時延估計的聲源定位技術[7]。由于聲源信號是一個非平穩信號，易受到噪聲和混響的干擾，在時延估計算法中，采用了具有一定抗噪聲和混響能力的廣義互相關函數（Generalized Cross Correlation，GCC）方法[8]。該方法通過求兩個信號之間的互功率譜，并在頻域內給予一定的加權，來抑制噪聲和混響的影響，再反變換到時域，得到兩信號之間的互相關函數，其峰值位置即兩信號之間的相對時延。在選取加權函數時，采用了互功率譜相位加權的方法（Phase Transform-Generalized Cross Correlation，PHAT-GCC），該方法通過對信號功率譜的歸一化，去除了信號的幅度信息，只保留了信號的相位特性，對于噪聲和混響都有較好的抑制效果。應用PHAT-GCC算法實現時延估計的算法流程圖如圖7所示。

圖7 PHAT-GCC算法實現時延估計的算法流程圖

4.2 系統軟件流程

系統上電后，主控程序讀取啟動參數，完成各個模塊的初始化，順序啟動視頻采集、音頻采集和網絡傳輸，同時控制視頻采集和音頻采集的交替運行。同時主控程序按一定時間間隔調用聲源定位算法程序進行聲源定位，如果有聲源存在，則主控程序控制攝像頭轉動到聲源位置采集視頻，同時調用圖像檢測程序，如果有活動物體或異常情況，系統報警。系統軟件流程圖如圖8所示。

圖8 系統軟件流程圖

5 小結

隨著安防系統的要求不斷提高，如何提高重點監控區域的全方位覆蓋和目標跟蹤成為了一個新的課題。筆者將聲源定位技術加入到現有的視頻監控系統中，提出了聲源定位技術和攝像頭視頻采集聯合監控方案，設計了一種應用聲光聯合定位技術的智能視頻監控系統，給出了系統的軟硬件的設計流程。該系統的應用可以改善傳統監控系統監控范圍的局限性，最大程度消除監控死角，進一步降低漏報和誤報的幾率，特別是對無人值守環境下視頻監控提供了一個借鑒。

[1]鄭世寶.智能視頻監控技術與應用[J].電視技術，2009，33（1）：94-96.

[2]王慶輝，楊晶婧，逄玉俊.基于Blackfin533的H.264整數變換的優化實現[J].電視技術，2009，33（S1）：62-64.

[3]顏允圣，郭森楙，馮小平，等.基于微信號結構的嵌入式信號處理[M].北京：電子工業出版社，2008.

[4]陳峰.Blackfin系列DSP原理與系統設計[M].北京：電子工業出版社，2004.

[5]王瑩，李學生，頂多云，等.基于ADSP-BF533的音頻處理系統設計[J].電聲技術，2006，30（8）：32-35.

[6]劉紅喜，李長江，孫俊喜.基于DSP的圖像采集及處理系統的設計與實現[J].電子技術應用，2009（2）：22-26.

[7]王振濤，郝忠孝，賀洪江.基于傳聲器陣列的聲源定位系統的研究[J].華北電力大學學報，2009，36（5）：103-106.

[8]CHEN J D,BENESTY J，HUANG Y T.Performance of GCC and AMDF-basedtimedelayestimation in pratical reverberant environments[J].EURASIP Journal on Applied Signal Processing，2005（1）：25-36.