基于行為視覺的行人摔倒自動檢測系統(tǒng)設(shè)計

摘 要： 對行人摔倒進(jìn)行自動檢測，可以為行人的生命安全提供保障。設(shè)計基于行為視覺的行人摔倒自動檢測系統(tǒng)，系統(tǒng)硬件包括視頻采集操作模塊和視頻輪廓采集模塊，采用TMS320F2812芯片作為系統(tǒng)的核心控制單元，通過 TMS320F2812芯片和SAA7111芯片構(gòu)建視頻采集處理模塊，將視頻采集模塊采集的圖像進(jìn)行輪廓的描述，獲取行人不同姿態(tài)的運(yùn)動目標(biāo)的特征，實(shí)現(xiàn)行人摔倒自動檢測。仿真實(shí)驗(yàn)結(jié)果表明，所設(shè)計系統(tǒng)對復(fù)雜環(huán)境的適應(yīng)能力較強(qiáng)，行人發(fā)生摔倒等事件檢測正確率較高，可以應(yīng)用于智能交通監(jiān)控系統(tǒng)中。

關(guān)鍵詞： 行人摔倒檢測； 視覺檢測； 視頻采集模塊； 交通監(jiān)控系統(tǒng)

中圖分類號： TN957.52+3?34； TP233 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）20?0087?05

Abstract： The automatic detection for pedestrians tumble can provide the safeguard for the life safety of pedestrians. The pedestrian tumble automatic detection system based on behavior vision was designed. The system hardware includes the video acquisition and operation module， and video contour acquisition module. The TMS320F2812 chip is taken as the core control unit of the system. The TMS320F2812 chip and SAA7111 chip are used to construct the video collection and processing module. The contour of the image acquired by video acquisition module is described to obtain the moving target characteristics of pedestrians′ different poses， and detect the pedestrian tumble automatically. The results of simulation experiment show that the designed system has good adaptive ability to the complex environment， can improve the detection accuracy of pedestrian tumble incidents， and can be used in the intelligent traffic monitoring system.

Keywords： pedestrian tumble detection； visual detection； video acquisition module； traffic monitoring system

0 引 言

隨著中國人口的不斷增加，交通事件頻繁發(fā)生，行人摔倒已成為一個不容忽視的問題，嚴(yán)重時會給人們的生命構(gòu)成嚴(yán)重的威脅。因此，設(shè)計一種行人摔倒自動檢測系統(tǒng)具有重要意義[1?3]。如果能準(zhǔn)確高效地對行人摔倒進(jìn)行檢測，將對交通管理和遠(yuǎn)程醫(yī)療的發(fā)展具有重要意義[4?6]。目前，研究的行人摔倒自動檢測方法在取得進(jìn)展的同時還存在一定的問題，如文獻(xiàn)[7]采用幾何法對行人摔倒進(jìn)行自動檢測，通過提取行人外界環(huán)境的幾何特征，將行人位姿空間投影至加權(quán)圖中，對行人摔倒進(jìn)行檢測；文獻(xiàn)[8]提出一種環(huán)境分割方法，依據(jù)不同部件間的關(guān)聯(lián)性繪制連通圖，通過圖查找方式檢測行人摔倒過程，但該方法過于繁瑣；文獻(xiàn)[9]利用人工勢場法把行人在自由空間的行走軌跡假想成通過受力得到的：阻礙物對行人施加排斥力，目的點(diǎn)作用給行人引力，行人同時吸收兩種作用力后自身調(diào)整對行人摔倒進(jìn)行檢測，但沒有考慮阻礙物的其他信息，導(dǎo)致出現(xiàn)部分最小值問題。

針對上述方法的缺陷，設(shè)計基于行為視覺的行人摔倒自動檢測系統(tǒng)。系統(tǒng)硬件包括視頻采集操作模塊和視頻輪廓采集模塊。采用TMS320F2812芯片作為系統(tǒng)的核心控制單元，通過TMS320F2812芯片和SAA7111芯片構(gòu)建視頻采集處理模塊；將視頻采集模塊采集的圖像進(jìn)行輪廓的描述，獲取行人不同姿態(tài)運(yùn)動目標(biāo)的特征，實(shí)現(xiàn)行人摔倒自動檢測。仿真實(shí)驗(yàn)結(jié)果說明，所設(shè)計系統(tǒng)對復(fù)雜環(huán)境的適應(yīng)能力較強(qiáng)，行人發(fā)生摔倒等事件檢測正確率提高，可以應(yīng)用于智能交通監(jiān)控系統(tǒng)中。

1 行人摔倒自動檢測系統(tǒng)設(shè)計

1.1 系統(tǒng)硬件的總體結(jié)構(gòu)

行人摔倒自動檢測系統(tǒng)的硬件由視頻采集操作模塊以及視頻輪廓采集模塊構(gòu)成。視頻采集操作模塊包括控制器和視頻輸入操作器兩部分。

采用TMS320F2812芯片作為系統(tǒng)的核心控制單元，通過TMS320F2812芯片和SAA7111芯片構(gòu)建視頻采集處理模塊。模塊中包含兩個事件管理器，用于調(diào)制機(jī)器人直流伺服電動機(jī)電壓，對行人的運(yùn)動進(jìn)行PWM控制。TMS320F2812含有18 KB的片內(nèi)SARAM、128 KB的FLASH，可用于分析并處理行人運(yùn)動圖像；采用可編程視頻輸入處理芯片SAA7111塑造前端視頻處理電路，采集行、場同步信號和數(shù)字圖像信號；視頻輪廓采集模塊以無線傳輸模塊反饋的基于行為視覺的行人運(yùn)動為基礎(chǔ)，將視頻采集模塊采集的圖像進(jìn)行輪廓的描述，獲取行人不同姿態(tài)運(yùn)動目標(biāo)的特征，實(shí)現(xiàn)行人摔倒自動檢測。行人摔倒自動檢測系統(tǒng)的整體硬件結(jié)構(gòu)圖如圖1所示。

1.1.1 視頻采集操作模塊

視頻采集處理模塊由TMS320F2812芯片和SAA7111芯片組成。TMS320F2812為依據(jù)TMS320C2xx 內(nèi)核的定點(diǎn)數(shù)字信號操作器，為了獲取行、場同步信號和YUV信號，要求TMS320F2812依據(jù)芯片間的串行傳遞總線I2C讀寫SAA7111寄存器中的相關(guān)數(shù)據(jù)。SAA7111 是視頻輸入處理芯片，通過CMOS 工藝和I2C總線同其他部件相連，實(shí)現(xiàn)相關(guān)的調(diào)控以及信息溝通，將輸入的視頻圖像信號轉(zhuǎn)換成數(shù)字信號。如圖2所示。

以DSP為基礎(chǔ)的路線矯正視覺系統(tǒng)中，I2C中寄存器的相關(guān)管理部署數(shù)據(jù)實(shí)現(xiàn)了SAA7111的全部可編程功能。為了能有效地管理SAA7111，采用TMS320F2812的MCBSP對I2C的總線功能進(jìn)行模擬。首先采用MCBSP設(shè)置SCL時鐘，并將時鐘相關(guān)參數(shù)寫入SAA7111中的寄存器內(nèi)，確保SAA7111依據(jù)行人輪廓矯正結(jié)果運(yùn)行。TMS320F2812與SAA7111的I2C接口如圖3所示。

1.1.2 視頻輪廓點(diǎn)和點(diǎn)序列處理模塊

視頻輪廓點(diǎn)和點(diǎn)序列采集模塊包括大量的半導(dǎo)體部件，用于描述并記錄不斷波動的人物信號電荷量，然后將采集到的信號電荷量發(fā)送給模塊中的移位寄存器，對其進(jìn)行相應(yīng)處理，確保移位寄存器輸出的視頻輪廓點(diǎn)和點(diǎn)序列的有效性，最后將輸出結(jié)果與以無線傳輸模塊反饋的基于柵格法和遺傳算法相結(jié)合，調(diào)整行人輪廓矯正信號。如圖4所示。

1.1.3 無線通信模塊

利用無線通信模塊，將下位機(jī)與上位機(jī)進(jìn)行交流。通過攝像頭獲取的圖像資料，利用無線通信模塊反饋給上位機(jī)，歷經(jīng)上位機(jī)的相關(guān)圖像操作后，將操作成果發(fā)送到智能機(jī)器設(shè)備的操作器上。該體系擇取兩個VNT6656G6A40，一個與上位機(jī)相連，另一個接到視頻輪廓點(diǎn)和點(diǎn)序列處理模塊上，將無線傳輸模塊反饋的基于行為視覺的行人輪廓矯正信號傳遞給視頻輪廓點(diǎn)和點(diǎn)序列采集模塊驅(qū)動模塊中。

VNT6656G6A40屬于一種USB接口的WiFi模塊，用于深入體系的無線局域網(wǎng)間的交流服務(wù)。無線通信的構(gòu)架如圖5所示。

1.2 軟件設(shè)計

1.2.1 軟件系統(tǒng)的總體架構(gòu)

TMS320F2812芯片是總體系統(tǒng)的CPU，調(diào)度系統(tǒng)中的任務(wù)，實(shí)現(xiàn)調(diào)控攝像頭采集圖像、同上位機(jī)進(jìn)行通信、管理機(jī)器人路線矯正算法等功能。圖像處理模塊實(shí)現(xiàn)圖像的預(yù)操作、圖像分割、特征采集等，并采用無線網(wǎng)絡(luò)將操作結(jié)果反饋給下位機(jī)，也就是行人輪廓矯正系統(tǒng)，系統(tǒng)的軟件組成如圖6所示。

1.2.2 系統(tǒng)程序規(guī)劃流程

連接電源啟動系統(tǒng)，激發(fā)初始化模塊運(yùn)行，完成對入口地址和向量表的部署，以及 I/O口和PWM模塊的初始化。系統(tǒng)經(jīng)DSP內(nèi)的TMS320F2812發(fā)出圖片收集信號，經(jīng)初步處理后，傳輸給視頻輪廓點(diǎn)和點(diǎn)序列處理模塊，對圖像輪廓進(jìn)行描述，將摔倒識別的對象：人抽象的表示成由一些特征值構(gòu)成的特征向量，這些特征向量就能代表某種動作或者某種特定的行為特征，將這些行為特征組成一個集合。在該集合中可以提取一些特征數(shù)值構(gòu)成特征向量來代表摔倒模式，實(shí)現(xiàn)摔倒檢測。系統(tǒng)程序流程圖如圖7所示。

1.2.3 部分代碼設(shè)計

當(dāng)還未通過攝像頭獲取圖像時，先要初始化攝像頭。S3C2440通過webbing loom，連接到攝像頭OV9650，因此初始化處理攝像頭相當(dāng)于初始化處理webbing loom。將webbing loom寄存器賦值，以便完成建立和操縱攝像頭的任務(wù)。在整個操作過程的開端，需要通過pen（）函數(shù)，來對webbing loom裝置進(jìn)行開啟。倘若開啟順利，程序中會有一個文檔表達(dá)符gb出現(xiàn)，倘若失敗，會反饋開啟失敗信號并折返。

其中webbing loom_rule結(jié)構(gòu)體中含有雙個值：一個表達(dá)所在信息，另一個就是它的值。在以上的for反復(fù)運(yùn)作中，把vid rule結(jié)構(gòu)體數(shù)組中值授予文檔表達(dá)符，此刻就完成將I2C裝置賦值的任務(wù)，設(shè)置好相應(yīng)的任務(wù)后，就能進(jìn)行圖像采集。

2 基于行為視覺的行人摔倒自動檢測

在硬件和軟件設(shè)計完成后，進(jìn)行行人摔倒自動檢測。如果發(fā)生疑似摔倒現(xiàn)象，則提取該時段行人的特征向量，計算觀測樣本與數(shù)據(jù)庫中的特征樣本數(shù)量的距離，如果該距離沒有超過設(shè)定的閾值，則判斷摔倒沒有發(fā)生，結(jié)束觀測；如果超過設(shè)定閾值，則判定發(fā)生摔倒，采用圖像采集系統(tǒng)進(jìn)行拍照，并傳送相關(guān)信息。基于行為視覺的行人摔倒自動檢測算法的流程如下：

（1） 建立特征向量庫。通過實(shí)驗(yàn)對摔倒事件進(jìn)行分類統(tǒng)計，并計算出各種行為的特征空間的距離閾值。

（2） 如果發(fā)生疑似摔倒現(xiàn)象，系統(tǒng)將提取可疑信號，監(jiān)測人體運(yùn)動的數(shù)據(jù)變化。

（3） 提取的可疑信號通過上述方法計算出各特征值作為觀測特征向量。

（4） 計算觀測特征向量與特征庫樣本的距離。

（5） 進(jìn)行模式匹配。通過計算的特征空間距離來確定是否屬于該空間范圍，如果匹配成功，則判斷為摔倒。

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)以Visual C++ 6.0為開發(fā)工具進(jìn)行行人摔倒自動檢測仿真測試，模擬實(shí)現(xiàn)行人摔倒的自動檢測，計算機(jī)配置為Windows XP，4 GHz CPU，以及行人摔倒圖像，其中每一幀圖像的分辨率是1 248×624，利用該系統(tǒng)進(jìn)行行人摔倒情況的檢測。

3.1 不同算法的人摔倒自動檢測效果比對

對圖8、圖9進(jìn)行分析可知， 采用傳統(tǒng)算法進(jìn)行的行人摔倒檢測時，圖像處理效果模糊、難以分辨，而采用改進(jìn)算法能夠有效解決陰影和慢速移動帶來的重影等問題，可以準(zhǔn)確獲取行人摔倒的圖像，魯棒性強(qiáng)。

3.2 不同方法的行人摔倒自動檢測精度比對

為了驗(yàn)證本文方法的穩(wěn)定性，實(shí)驗(yàn)在相同的環(huán)境中對本文方法和文獻(xiàn)[9]所述人工勢場方法進(jìn)行了測試，將不同方法的行人摔倒自動檢測時間進(jìn)行比對，結(jié)果如圖10所示。

分析圖10中的兩條曲線變化趨勢發(fā)現(xiàn)，相對于人工勢場方法，本文方法在進(jìn)行行人摔倒自動檢測時耗低，證明了改進(jìn)算法在精度方面的優(yōu)勢。

3.3 不同環(huán)境中不同方法的行人摔倒自動檢測時間比對

為了證明改進(jìn)算法的效率和應(yīng)用性，將在不同環(huán)境中利用不同方法進(jìn)行行人摔倒自動檢測時間比對，表1為不同環(huán)境中不同方法的行人摔倒自動檢測時間。

由表1可知，在相同的環(huán)境下，改進(jìn)算法進(jìn)行行人摔倒自動檢測所需時間遠(yuǎn)遠(yuǎn)低于傳統(tǒng)方法，隨著環(huán)境復(fù)雜程度的增加，本文方法與傳統(tǒng)算法相比，在時間上對行人路線矯正的效率優(yōu)勢越顯著，具有較高的魯棒性。

4 結(jié) 論

設(shè)計基于行為視覺的行人摔倒自動檢測系統(tǒng)。系統(tǒng)硬件包括視頻采集操作模塊和視頻輪廓采集模塊。采用TMS320F2812芯片作為系統(tǒng)的核心控制單元，通過TMS320F2812芯片和SAA7111芯片構(gòu)建視頻采集處理模塊；將視頻采集模塊采集的圖像進(jìn)行輪廓的描述，獲取行人不同姿態(tài)的運(yùn)動目標(biāo)的特征，實(shí)現(xiàn)行人摔倒自動檢測。仿真實(shí)驗(yàn)結(jié)果表明，所設(shè)計系統(tǒng)對復(fù)雜環(huán)境的適應(yīng)能力較強(qiáng)，行人發(fā)生摔倒等事件檢測正確率較高，可以應(yīng)用于智能交通監(jiān)控系統(tǒng)中。

參考文獻(xiàn)

[1] 張弛.采用慣性測量單元的移動機(jī)器人軌跡跟蹤方法研究[J].控制理論與應(yīng)用，2013，30（3）：398?403.

[2] 譚苗，吳益飛，陳揚(yáng)，等.電磁導(dǎo)引的兩輪自平衡移動機(jī)器人設(shè)計[J].華中科技大學(xué)學(xué)報（自然科學(xué)版），2013，41（z1）：249?253.

[3] 瞿端陽，王維新，馬本學(xué)，等.基于機(jī)器視覺技術(shù)的棉株識別定位[J].中國棉花，2013，40（2）：16?19.

[4] 戴金波.基于視覺信息的圖像特征提取算法研究[D].長春：吉林大學(xué)，2013.

[5] 黃艷.基于主動視覺的大空間測量關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[6] 孫巖，張征宇，黃詩捷，等.風(fēng)洞試驗(yàn)中模型迎角視覺測量技術(shù)研究[J].航空學(xué)報，2013，34（1）：1?7.

[7] 宋慧欣.3D 視覺，機(jī)器視覺新突破[J].自動化博覽，2013（8）：66?67.

[8] FLORA YEH Y H， LAI T C， LIU T M， et al. An automated growth measurement system for leafy vegetables [J]. Biosystems engineering， 2014， 117： 43?50.

[9] OSTERMAN A， GODESA T， HODEVAR M， et al. Real?time positioning algorithm for variable?geometry air?assisted orchard sprayer [J]. Computers and electronics in agriculture， 2013， 98（7）： 175?182.

[10] 張小馳，陳天華，許繼平，等.基于多傳感器融合的摔倒檢測算法的研究[J].計算機(jī)測量與控制，2015，23（6）：2237?2240.

[11] 劉凌霞，徐甜，宋強(qiáng).基于智能視覺的警戒區(qū)域人員跨界檢測仿真[J].計算機(jī)仿真，2015，32（10）：331?334.