煙火場區域的人員智能視覺分析系統設計

摘 要： 對煙火場區域的人員智能視覺分析系統進行合理設計，可以對煙火場區域內的人員進行準確定位，提高火場救援效率，傳統的煙火場區域的人員智能視覺分析系統在模式識別領域一直存在誤差大、滯后大的問題。設計一種煙火場區域的人員智能視覺分析系統，對系統內的硬件進行描述：采用TI公司的DM642為核心芯片，進行煙火場區域的人員圖像采集；以DDR為中心進行圖像的存儲；以TMS320DM8168為接口核心進行與外部設備的連接，采用Ahera公司生產的FPGA芯片EPIC20F324對煙火場區域的人員進行智能分析。實驗結果表明，該系統具有良好的實時性和穩定性，可以有效地對煙火場區域的人員位置進行智能視覺分析。

關鍵詞： 煙火場區域； 人員定位； 智能視覺分析； 圖像采集

中圖分類號： TN915.5?34； TP391.41 文獻標識碼： A 文章編號： 1004?373X（2016）16?0128?04

Abstract： The reasonably?designed of intelligent vision analysis system for persons in fireground area can locate the persons in fireground area accurately， and improve the efficiency of fireground rescue. Since the traditional intelligent vision analysis system for locating the persons in fireground area exists the problems of big error and large lag in pattern recognition field， an intelligent vision analysis system for persons in fireground was designed. The hardwares inside the system are described. The DM642 made by TI Company is adopted as the core chip of the system to collect the images of persons in fireground area. DDR is taken as the center for image storage. TMS320DM8168 is employed as the interface core to connect the system with external devices. The FPGA chip EPIC20F324 made by Ahera Company is adopted for intelligent analysis on the persons in fireground area. The experimental results prove that the system has good real?time performance and stability， and can effectively perform the intelligent vision analysis for the position of persons in fireground area.

Keywords： fireground area； person positioning； intelligent vision analysis； image acquisition

0 引 言

火災是目前發生概率較大、給人類生命財產安全帶來嚴重損失的災害。隨著現代經濟的發展，火災發生的區域也逐漸擴大，煙火場救人是指滅火人員使用各種技術和器材解救火場中的受困人員，并將其轉移到安全區域的過程。當前火災發生的環境復雜多變、引起的危害也越來越嚴重，如何有效地搜救火場待救人員并保證其安全，對煙火場區域的人員智能視覺分析系統進行合理設計，可以對煙火場區域內的人員進行準確定位，提高火場救援效率。

當前的煙火場區域的人員智能視覺分析方法存在一定弊端，如文獻[1]運用時間差分法計算出煙火場區域的人員圖像序列中的兩幅相近幀，對像素的時間差分進行處理，隨后對差分結果進行閉值化處理，完成煙火場區域的人員智能視覺分析，如果煙火場區域的人員某些范圍的灰度值波動不夠顯著，則該方法會使在煙火場區域的人員圖像出現空洞問題，嚴重降低煙火場區域的人員智能視覺分析精度；文獻[2]通過光流法檢測煙火場區域的人員圖像的異常動作，其依據煙火場中的人員隨時間波動在圖像中呈現出的光流特征，運算位移向量，以此為基礎對煙火場區域的人員進行智能視覺分析，但是該方法容易受到噪聲、陰影、煙霧等干擾因素的影響，且存在運算效率低的問題；文獻[3]提出一種基于背景減除法的煙火場區域的人員智能視覺分析方法，先采集不含前景目標的背景圖像，再將當前圖像幀同背景圖像相減，獲取前景目標。但是該方法非常容易受到光照波動、室外環境中背景波動的影響，適應能力較差。文獻[4]提出一種基于高斯建模的煙火場區域的人員智能視覺分析方法，對煙火場中的人員進行分析，但該方法在復雜背景下建模效果較差，檢測結果不理想。

本文設計一種煙火場區域的人員智能視覺分析系統，對系統內的硬件進行描述，經實驗證明，該系統具有良好的實時性和穩定性，可以有效地對煙火場區域的人員位置進行智能視覺分析。

1 煙火場區域的人員智能視覺分析系統硬件設計

本文設計系統是一個高速采集煙火場區域的人員圖像，快速確定煙火場區域人員位置的智能視覺分析系統，主要包括硬件和軟件兩部分。系統的硬件部分主要包括攝像頭、視頻交互的嵌入式處理器和視頻處理部分，視頻處理器和視頻采集部分之間通過DPRAM進行實時交換，如圖1所示。

分析圖1可知，煙火場區域的人員圖像采集系統主要采用PAL制式下的視頻交換接口的CCD攝像頭，選取的分辨率為1 024×1 080的攝像機，幀率為70 f/s，通過視頻中的圖像輸出接口，將視頻中圖像信號傳輸到PPI接口中后，對視頻圖像進行壓縮并以2.6 Mb/s的高速度傳輸給視頻檢測中心進行人工監控，此過程對網絡帶寬要求很高，具體要完成視頻的壓縮傳輸，要結合本地帶寬進行智能圖像處理，把采集符合要求的煙火場區域的人員圖像進行實時傳輸，以此降低網絡傳輸中的負擔，以下對硬件中的重要模塊進行介紹。

1.1 圖像采集模塊

該模塊利用雙CCD攝像機、2片Philips公司的SAA7115H、AMD公司的AM29LV系列FLASH芯片、TI公司的DM642核心處理芯片，并用Video Port0和Video Port1組成了視頻圖像采集模塊，實現煙火場區域人員圖像的實時采集，它主要通過攝像機捕獲視頻信號經過通道SAA7115H進行數字轉換后，形成特定格式的數字視頻信號，從DM642的Video Port0，Video Port1輸入；在DM642中，視頻數據經過相應算法處理后，由Video Port2經視頻編碼芯片轉換后輸出煙火場區域的人員圖像。如圖2所示。

1.2 圖像存儲模塊

圖像數據采集完成后，由配置HDVPSS子系統把煙火場中人員圖像數據送到VPDMA中，并轉入DDR內存，當DDR內存的視頻圖像數據量過多超過設定的數據量時會產生中斷，中斷發生后，根據存放地址啟動內存和固態硬盤間的DMA傳輸，將煙火場區域的人員圖像通過SATA接口存儲在SSD上，完成了煙火場區域的人員圖像的存儲。然后開始下一周期的數據采集，具體如圖3所示。

1.3 煙火場區域的人員圖像視覺分析模塊

在1.2節的基礎上，對存儲的煙火場區域的人員圖像進行智能分析。本文設計的FPGA模塊主要負責對煙火場中人員位置進行智能視覺分析，具體硬件結構如圖4所示。

由圖4可知，FPGA模塊對數據傳輸速度有很高的要求，根據FPGA模塊需要，運用Ahera公司生產的FPGA芯片EPIC20F324，其芯片內部集成了近20 000個數據分析單元，3個可編程鎖相環以及400多個可用的I/O口，運用VHDL語言進行編程，利用編程語言著重對煙火場區域的人員位置進行分析，將該煙火場區域人員圖像劃分成不同的時空塊，對由火場區域人員所產生的時空交織模式進行分析，將分析結果與設定的目標函數[J]進行比對，將小于目標函數[J]的結果定義為煙火場區域人員的具體位置，實現煙火場區域的人員智能視覺分析。

1.4 圖像處理接口模塊

基于TMS320M8168芯片豐富的外設接口，設計的系統能夠靈活地進行外部接口設計控制外圍設施，實現與自身外部處理器的通信功能。根據需求可選取2個具有GMII和MDIO接口的千兆位以太網MAC，或者2個具有集成2.0PHY的USB端口。如圖5所示。

TMS320DM8168的兩個USB接口能夠滿足采集的圖像數據上傳的需要，通過LCD，VGA接口可用來連接圖像采集模塊，也可用來控制煙火場區域的人員智能視覺分析的速率，達到煙火場區域的人員圖像數據的高速傳輸，增加分析的速度。

1.5 系統軟件設計

煙火場區域的人員智能視覺分析系統的軟件部分以時空特征分析方法為基礎，結合稀疏編碼方法獲取煙火場的人員位置參數，最終計算人員的空間位置，完成煙火場區域的人員智能視覺分析。其中，煙火場區域的人員圖像位置的特征點能夠用稀疏編碼進行描述，通過包含時間和空間量測的滑動窗口獲取，具體過程如下：

利用圖像采集模塊采集一段煙火場區域的人員視頻，將該煙火場區域的人員視頻中的位置信息劃分成不同的時空塊[X=X1，X2，…，Xm]，各時空塊中存在一組時空價值立方體[Xi=X1i，X2i，…，Xnii]。煙火場區域的人員圖像位置的特征點是由多個時空價值立方體構成的時空塊[Xi=X1i，X2i，...，Xnii]。

利用稀疏編碼公式對時空塊[Xi]是否具有代表煙火場人員位置信息的特征點進行判斷：

[J（Xi，αi，D）=Xi12jXji-Dαji22+λ1jαji+ λ2j，kWjkαji-αki22] （1）

式中：[αi=α1i，α2i，…，αnii]表示系數矩陣；[D]表示煙火場人員位置信息集合；[λ1，λ2]為特征點稀疏規范化參數和平滑規范化項參數。

當[Xi]對應的目標滿足公式（2）時，證明則具有代表煙火場的人員位置信息的特征點，否則，不具有代表煙火場的人員位置信息的特征點，對其進行刪除。

[Xi>ε] （2）

式中，[ε]表示設置的閾值。

通過上述分析，對煙火場人員的位置進行確定，完成煙火場區域的人員智能視覺分析，具體算法流程如下：

輸入：煙火場區域的人員視頻數據，學習率[η]，閾值[ε]。

輸出：煙火場區域的人員智能視覺分析結果。

過程：

（1） 通過訓練獲取煙火場區域的人員視頻圖像；

（2） 通過時空滑動窗檢索的煙火場視頻劃分為多個時空塊[Xi=X1，X2，…，Xm]；

（3） 對于劃分后的每個時空塊利用式（3）中的卡爾曼濾波方法進行濾波處理，濾除背景以及一切干擾：

[s=i（ai-bi）2（e2-c）×η] （3）

式中：[ai，bi]代表煙火場中人員位置橫、縱坐標的估計值；c代表卡爾曼濾波系數；e代表濾波系數的增益參數。

（4） 對圖像中的人員區域進行實時定位，利用式（4）獲取煙火場的人員位置參數：

[uk=tn（s2-g）M-1] （4）

式中：[M]為圖像采集設備的空間位置參數；[s]為煙火場的面積大小；[t]為火災持續時間；[n]為煙火強度系數。

（5） 將獲取的煙火場的人員位置參數代入，利用式（5）獲取煙火場的人員的空間位置，輸出煙火場的人員智能視覺分析結果：

[x=Q2-W（ai）+E2u（k）y=Q2-W（bi）+O2u（k）] （5）

式中：x和y代表煙火場受困人員精確定位的橫坐標和縱坐標；Q，u（k）代表煙火場的人員位置參數；[W（ai）]和[W（bi）]代表煙火場中受困人員橫、縱坐標的特征向量；E代表煙火場中受困人員圖像像素協方差矩陣；O代表煙火場內人員位置的更新參數。

（6） 算法結束。

2 實驗結果與分析

通過實驗驗證本文方法的有效性，實驗中采用的煙火場的人員智能視覺分析數據來自正?；馂囊曨l，利用Java進行編程，利用Matlab 7.0構建實驗環境，將傳統的時間差分法作為對比分析方法。

2.1 不同方法下煙火場區域的人員智能視覺分析結果比對

分析圖6～圖8可知，與傳統方法相比，利用本文設計的系統能夠獲取更清晰的煙火場中的人員圖像，充分體現出本文系統的優越性。

2.2 不同方法下煙火場區域的人員智能視覺分析性能比對

為了進一步驗證本文設計的煙火場區域的人員智能視覺分析系統的有效性，將傳統的時間差分法作為對比分析方法，對不同方法下煙火場區域的人員智能視覺分析性能比對，將人員智能定位誤差和時間作為評價性能優劣的指標，結果如圖9，圖10，表1所示。

分析圖9和圖10可知，利用本文方法和傳統方法進行煙火場人員智能視覺分析時，本文方法更符合實際結果，說明本文方法具有較好的視覺分析精度。

分析表1可知，面對一級火災場景，本文方法進行煙火場人員視覺分析時，人員定位時間平均約為5 s，而傳統算法人員定位時間平均約為14 s，本文方法比傳統方法提高約9 s；在定位誤差方面，本文方法進行煙火場人員視覺分析時，人員定位誤差平均約為5%，而傳統方法約為15%；面對二級火災場景，本文方法進行煙火場人員視覺分析時，人員定位時間平均約為6 s，而傳統算法人員定位時間平均約為16.7 s，本文方法比傳統方法提高約10.7 s；在定位誤差方面，本文方法進行煙火場人員視覺分析時，人員定位誤差平均約為8%，而傳統方法約為18.7%；面對三級級火災場景，本文方法進行煙火場人員視覺分析時，人員定位時間平均約為9 s，而傳統算法人員定位時間平均約為21.6 s，本文方法比傳統方法提高約12 s；在定位誤差方面，本文方法進行煙火場人員視覺分析時，人員定位誤差平均約為11.6%，而傳統方法約為26.3%。

綜上所述，證明了隨著火災嚴重程度不斷增大，利用本文設計的煙火場區域的人員智能視覺分析優勢更加明顯。

3 結 論

針對傳統的煙火場區域的人員智能視覺分析系統在模式識別領域一直存在誤差大、滯后大的問題，本文設計了一種煙火場區域的人員智能視覺分析系統，對系統內的硬件進行描述：采用TI公司的DM642為核心芯片，進行煙火場區域的人員圖像采集；以DDR為中心進行圖像的存儲；以TMS320DM8168為接口核心進行與外部設備的連接，采用Ahera公司生產的FPGA芯片EPIC20F324對煙火場區域的人員進行智能分析，經實驗證明，該系統具有良好的實時性和穩定性，可以有效地對煙火場區域的人員位置進行智能視覺分析，具有較強的實用性，可以為火場救援提供理論指導。

參考文獻

[1] 黃石磊.基于視覺計算的運動目標跟蹤及異常行為分析[D].鄭州：鄭州大學，2014.

[2] 董俊峰.基于視覺的人體運動分析技術研究[D].北京：北方工業大學，2015.

[3] 劉柯.基于視覺圖像的船模運動姿態分析[D].無錫：江南大學，2015.

[4] 王曉峰，郝瀟.基于嵌入式的汽車異常移動視覺監控仿真分析[J].計算機仿真，2014，31（8）：163?167.

[5] 苗志宏，李智慧.火災環境下人員疏散耦合SPH模型及仿真[J].系統仿真學報，2016，28（2）：292?300.

[6] 方江平，王宗超，王雅麗.火災自動報警系統中火災檢測與定位改進方法[J].消防技術與產品信息，2015（3）：35?37.

[7] 薛節.圖像型火災探測及火源定位系統的研究與實現[D].上海：東華大學，2015.

[8] 吳小川.紅外矩陣火災探測圖像采集與火焰定位技術研究[J].通訊世界，2015（6）：262.

[9] 金雨，李紅莉.基于LabVIEW和USB攝像頭的圖像采集與處理[J].現代電子技術，2015，38（20）：67?70.