基于ARM與S3C44B0X的火災圖像中受困人員定位系統設計

摘 要： 由于傳統的定位系統受到慌亂中人員走動及火災煙霧的影響，難以從采集的火災圖像中對受困人員進行準確實時識別，導致定位效果差。設計并實現了一種新的火災圖像中受困人員的定位系統。該系統主要由硬件和軟件兩部分組成，系統硬件的核心部分是ARM圖像采集器以及S3C44B0X嵌入式處理器；主要通過MC9S12NE64以太網控制模塊控制ARM圖像采集器，將采集的圖像傳輸到S3C44B0X嵌入式處理器進行處理，并對附件模塊即通信模塊進行了優(yōu)化分析。軟件設計部分主要對整個系統工作流程及以太網控制模塊應用軟件進行設計；最后通實驗對設計的系統進行驗證。實驗結果表明，利用此系統進行火災圖像中受困人員定位，能夠極大地提高受困人員定位的準確性，提高人員救治率。

關鍵詞： 火災圖像； 受困人員定位； 火災煙霧； 圖像采集

中圖分類號： TN911.73?34； TP311 文獻標識碼： A 文章編號： 1004?373X（2016）20?0129?04

Abstract： The traditional positioning system is difficult to recognize the trapped people in fire image timely and accurately due to the influence of the walking people and fire smoke. Therefore， a new trapped people positioning system in fire image was designed and implemented. The system is composed of hardware and software mainly. The core parts of the system hardware are the ARM image collector and S3C44B0X embedded processor. The Ethernet control module MC9S12NE64 is used to control the ARM image collector， transmit the acquired image to the S3C44B0X embedded processor for processing， and conduct an optimized analysis of the communication module. The working process of the whole system and the application software of Ethernet control module were designed. The designed system was verified in the experiment. The experimental results show this system used to locate the trapped people in the fire image can improve the accuracy of the trapped people positioning greatly and cure rate.

Keywords： fire image； trapped people positioning； fire smoke； image acquisition

0 引 言

隨著城市化進程的不斷提高，高樓建筑越來越多 [1]，當高樓發(fā)生火災時，由于樓層多，區(qū)域大，為受困人員的及時營救帶來了極大的困難[2]。當建筑樓群發(fā)生火災時，由于火災煙霧的濃度較大，會對室外消防人員的營救帶來很大的難度，極易引發(fā)人員傷亡事故[3]。因此，如何設計合理的定位系統對火災圖像中的受困人員進行準確定位，成為火災中搜尋工作的核心問題。研究火災圖像中受困人員定位方法，已經成為公共安全領域的熱點問題，在消防搜救領域具有無可替代的作用，擁有廣闊的發(fā)展空間，成為很多專家研究的重點課題[4?5]。當前，主要的火災圖像中受困人員定位方法主要有基于遠程圖像傳輸的GPS監(jiān)控系統的火災中受困人員定位系統[6]、基于模糊控制的火災中受困人員定位系統和基于FPGA的火災圖像中受困人員定位系統[7]。其中，最常用的是基于遠程圖像傳輸的GPS監(jiān)控系統的火災中受困人員定位系統[5]。利用傳統的火災圖像中受困人員定位系統進行人員定位時，視頻采集設備采集到的人員圖像受到火災煙霧的干擾程度及受困人員驚慌走動較大，造成人員識別準確性降低，導致定位效果較差[8]。為了避免上述傳統系統的弊端，設計并實現了基于ARM與S3C44B0X遠程監(jiān)控的火災圖像受困人員定位系統。實驗結果表明，本文系統能夠克服火災的干擾，實現了受困人員的準確定位。

1 系統總體設計

基于ARM遠程監(jiān)控技術的火災圖像中受困人員圖形定位系統的總體架構如圖1所示。

火災圖像中受困人員定位系統主要包括基于ARM的監(jiān)控器、數據采集模塊、數據存儲服務器、應用服務器、代理服務器、用戶模塊、MC9S12NE64以太網控制模塊、網絡遠程傳輸模塊、A/D轉換模塊、遠程處理中心模塊、結果顯示等模塊組成。控制系統軟件結構上分為信息層、控制層和現象圖像采集層。根據上述設計布局，能夠將現場人員圖像信息直接傳輸到遠程互聯網絡處理中心，進而分析并顯示，實現了火災圖像中遠程受困人員的圖像定位。

2 系統關鍵模塊的硬件設計

在人員定位系統硬件框架設計中，采用三星公司生產的S3C44B0X嵌入式處理器與飛思卡爾的MC9S12NE64以太網控制器是核心器件。該型號的圖像監(jiān)控器上自帶以太網接口，通過USB接口連接圖像采集模塊，實現了遠程監(jiān)控中心對火災圖像中受困人員的圖像信息的采集與定位。系統硬件總體設計如圖2所示。

圖2中，人員定位系統外圍設備主要有：

（1） 飛思卡爾的MC9S12NE64以太網控制器，主要的功能是接入以太網。

（2） RS 232/RS 485接口，主要的功能是用作通信接口，可以實現在線編程。

（3） USB接口，主要用于連接圖像采集模塊，從而實現野外人員圖像的采集。

（4） 多路可編程接口，通過這些接口與現場其他信號傳感器進行連接。

基于ARM的圖像采集監(jiān)控器的軟件部分主要功能是實現野外人員的圖像采集、圖像處理、數字濾波、數據矯正、通信等功能。其中通信程序通過API與以太網的各個節(jié)點進行通信。

2.1 MC9S12NE64以太網控制模塊的硬件設計

MC9S12NE64以太網控制芯片是由飛思卡爾公司生產的，具有性能優(yōu)良、使用簡單、價格低廉等特點，因此被廣泛使用在火災等高溫環(huán)境中。MC9S12NE64包含內置的以太網控制器（EMAC）、10/100 M以太網物理層，內置閃存存儲器，此外，它還包括兩個前行通信接口（SCI），一個四通道定時器、一個串行外設接口（SPI）和一個10位的模數轉換器（AC/DC）。MC9S12NE64具有強大的處理內核HCS12。MC9S12NE64以太網控制模塊硬件設計結構圖見圖3。

圖3中，MC9S12NE64能夠實現以太網訪問層和物理層功能，包括地址識別功能、編碼校驗功能、濾波功能、信號糾偏功能等。在工作的過程中，ARM處理器在MC9S12NE64的外部總線上讀寫MAC幀。按照通信鏈路的不同，能夠將MC9S12NE64內部分成遠程DMA通道和本地DMA通道。本地DMA通道的功能是實現控制器與網線的信息傳輸。ARM處理器傳輸的圖像信息只需要進行遠程DMA操作。當ARM處理器向以太網發(fā)送人員圖像信息時，首先將一幀人員圖像通過遠程DMA通道傳輸至MC9S12NE64中的緩存區(qū)域，然后進行圖像信息發(fā)送。MC9S12NE64結束上一幀火災受困人員圖像的發(fā)送后，再發(fā)送當前幀的火災受困人員圖像。MC9S12NE64接收到的人員圖像信息通過MAC對比，進行CRC校驗后，再由FIFO存儲到接收圖像的緩沖區(qū)。當前圖像傳輸結束后，以中斷寄存器的方法通知ARM處理器。ARM處理器再通過遠程DMA通道讀取這一幀人員圖像信息。

2.2 MC9S12NE64與以太網的接口硬件設計

MC9S12NE64是通過H1102濾波器與以太網進行連接的。MC9S12NE64與以太網的接口硬件設計結構圖如圖4所示，其中H1102是深圳華升微電子公司生產的網絡濾波器。

圖4中，[TPout+]，[TPout-]，[TPIN+]、[TPIN-]是MC9S12NE64芯片中輸出信號的4個引腳。H1102右邊的以太網RJ45A接口通過標準的RJ45電纜線接入到以太網。

2.3 圖像采集模塊的硬件設計

火災圖像中受困人員圖像采集模塊主要由兩部分組成：第一部分是CMOS圖像感應器；第二部分是圖像處理模塊。火災中受困人員圖像采集模塊的硬件設計結構圖如圖5所示。

圖5中，圖像感應器主要的功能是實現火災中受困人員圖像的采集，圖像處理模塊的功能是讀取采集的圖像數據、對圖像的處理及壓縮。這些功能主要由內置的模塊實現，將采集的受困人員圖像按照一定數據幀的格式，通過USB接口傳輸至ARM處理器，再由以太網控制芯片MC9S12NE64通過以太網傳輸至遠程監(jiān)控中心。遠程監(jiān)控中心的計算機能夠接收到火災中受困人員的圖像，實現了火災中受困人員的圖像定位。

2.4 遠程網絡傳輸模塊的硬件設計

為了實現遠距離的火災圖像中受困人員定位，需要及時將采集到的受困人員圖像傳輸至以太網絡。本文系統采用客戶服務器網絡通信的模式，進行火災中受困人員圖像的實時傳輸。網絡數據傳輸是實現遠程受困人員圖像傳輸的核心部分。其主要包括命令通道和圖像數據通道這兩個通道。上述兩個通道的通信端口不一樣，因此，在數據傳輸的過程中彼此互不干擾。命令通道在本地視頻采集設備與遠程監(jiān)視器之間建立通信協議，發(fā)送確認信號和相關協議，利用TCP協議進行數據傳輸。圖像數據通道主要的功能是向遠程監(jiān)控中心傳輸火災受困人員圖像數據，由于對實時性的要求比較高，因此，需要利用無連接的UDP協議。火災中受困人員圖像遠程網絡傳輸模塊的硬件設計結構圖如圖6所示。

圖6中，本地圖像監(jiān)控器在開始運行時就啟動火災受困人員監(jiān)控的服務線程，采用堵塞的方法等待與遠程監(jiān)控中心的連接，遠程監(jiān)控中心是命令通道的客戶端。火災中受困人員圖像數據就能持續(xù)地從本地圖像監(jiān)控設備發(fā)送到遠程監(jiān)控中心，實現了火災中受困人員的定位。

3 軟件設計

3.1 系統工作流程軟件設計

火災中受困人員定位系統的軟件部分主要包括火災環(huán)境下的受困人員搜索、受困人員圖像分離、火災受困人員特征提取三部分。軟件部分設計的流程圖如圖7所示。

3.2 以太網控制模塊應用軟件設計

根據以太網的特性，使用標準的以太網網口就可作為主站接口，采用軟件方式在主站CPU中實現協議的識別和封裝。在人員定位系統中，通過Java編程來實現網絡通信與受困人員圖像等數據的傳輸與預處理，以太網控制模塊軟件設計流程圖如圖8所示。

4 實驗與分析

為了驗證本文設計系統的有效性，需要進行相關實驗驗證。利用Java進行編程，利用Matlab 7.0構建實驗環(huán)境，系統測試平臺如圖9所示，分別利用本文系統和傳統系統進行火災圖像中受困人員定位。

在實驗的過程中，采集到的火災中受困人員的圖像如圖10所示。利用傳統監(jiān)控系統進行火災圖像中受困人員定位，得到的人員圖像如圖11所示。利用本文監(jiān)控系統進行火災中受困人員定位，得到的人員圖像如圖12所示。根據圖12實驗結果能夠得知，利用本文設計的系統能夠獲取更清晰的受困人員圖像，充分體現出本文系統的優(yōu)越性。

實驗進行10次。在實驗的過程中，隨著煙霧的濃度逐漸增加，獲取的實驗結果如表1所示。

根據表1中的實驗數據能夠得知，利用本文設計的系統進行火災中受困人員定位，能夠避免傳統系統的弊端，提高了定位的準確率。

5 結 語

針對傳統系統進行火災圖像中受困人員定位的過程中，系統采集的人員圖像受到火災的干擾程度較大，造成人員特征難以識別，降低了定位的準確性的問題。設計并實現了基于ARM與S3C44B0X遠程監(jiān)控的火災中受困人員定位系統。系統分為硬件部分和軟件部分，硬件部分重點對基于ARM嵌入式處理器的圖像采集器、通信模塊、圖像采集和處理模塊進行了闡述。軟件部分包括受困人員搜索、受困人員圖像分離、受困人員特征提取三部分，并給出了ARM處理器圖像數據傳輸的部分DMA操作的源代碼程序。實驗結果表明，本文系統能夠克服火災的干擾，實現了受困人員的快速準確定位，效果令人滿意。

參考文獻

[1] CHETEHOUNA K， SéRO?GUILLAUME O， SOCHET I， et al. On the experimental determination of flame front positions and of propagation parameters for a fire [J]. International journal of thermal sciences， 2008， 47（9）： 1148?1157.

[2] 趙斐，張波，張彥仲，等.基于擴頻技術的RFID區(qū)域實時定位系統設計[J].計算機測量與控制，2013，21（1）：192?194.

[3] 肖泉，丁興號，王守覺，等.有效消除光暈現象和顏色保持的彩色圖像增強算法[J].計算機輔助設計與圖形學學報，2010，22（8）：1246?1252.

[4] KRAUSE U， GROSSHANDLER W， GRITZO L. The international FORUM of fire research directors： a position paper on sustainability and fire safety [J]. Fire safety journal， 2012， 49（4）： 79?81.

[5] 傅衛(wèi)平，秦川，劉佳，等.基于SIFT算法的圖像目標匹配與定位[J].儀器儀表學報，2011，32（1）：163?169.

[6] 李喆，丁振良，袁峰.基于分層插值和最小二乘擬合的亞像素細分算法[J].南京理工大學學報（自然科學版），2008，32（5）：615?618.

[7] 楊述斌.圖像邊緣檢測技術概述[J].武漢工程大學學報，2003，25（1）：73?76.

[8] CROCE P A， GROSSHANDLER W L， BUKOWSKI R W， et al. The international FORUM of fire research directors： a position paper on performance?based design for fire code applications [J]. Fire safety journal， 2008， 43（3）： 234?236.