基于ARM的嵌入式圖像識別檢測系統的設計

(華中師范大學 物理科學與技術學院，武漢 430079 )

基于ARM的嵌入式圖像識別檢測系統的設計

從樹

(華中師范大學物理科學與技術學院，武漢430079 )

圖像識別的主要目的是使用計算機作為工具對目標圖像進行處理、解析與應用，通過數據分析檢測出具有不同特征的目標和對象，發展至今其已成為了人工智能的基礎；該文基于ARM嵌入式芯片提出了一種結合尺度不變特征變換匹配算法的圖像識別檢測系統，系統硬件部分采用模塊化設計的思想以提高系統的兼容性，分為圖像獲取、數據采集、數據存儲、圖像識別等模塊；軟件部分采用斑點檢測匹配匹配算法進行圖像識別以提高圖像識別速度與精度；實驗結果表明所設計的系統具有識別速度快、精度高、可靠性高、故障少的特點。

ARM；SIFT算法；圖像采集；圖像識別

0 引言

圖像作為時下最流行的信息載體，同時也是人類社會信息交流的重要來源，其廣泛應用于生物檢測、目標獲取、就是探測、目標識別、目標定位以及人工智能等諸多領域。在實際生活工作中需要借助計算機對圖像進行各種操作以獲取我們所需要的目標信息，而其中對于圖像的識別檢測則是非常重要的一部分。

由于圖像具有數據量大的天然屬性，其在實際處理中是否能夠有效存儲告訴處理就成為了一個棘手的問題，依靠單純的軟件系統來對圖像進行實時處理已經顯得力所不及，為此，采用基于ARM的嵌入式設計圖像識別系統成為當前的主流[1]。ARM(Advanced RISE Machine)是一類微型處理器，該處理器由于功耗小，計算能力強，性能穩定，已經在全世界內得到了廣泛推廣。ARM處理器已經用于工業控制、無線通信、網絡運用、消費類電子及成像安全產品等

2012年胡勝等人探究了基于ARM與FPGA的圖像識別裝置[3]，實現了多路數據同時采集的高速識別方法。同年，覃南鑫等人采用PCA分析法，提出了脫離PC機的人臉識別方法[4]。2014年郎璐紅等人研究了嵌入式ARM系統的圖像識別方法[1]，識別圖像的形狀、顏色、大小等信息。 這些研究表明采用ARM嵌入式進行圖像識別檢測具有巨大的優勢同時其技術也在不斷的成熟。本文采用DoH算法作為圖像的識別檢測算法，基于ARM嵌入式芯片設計了一種圖像識別檢測的方法，可以提高整個圖像識別系統的處理速度與精度。

1 圖像識別檢測系統結構

一個完整的圖像識別檢測系統包含的功能包括有圖像獲取、圖像傳輸、圖像存儲以及圖像識別等功能點，對應的整個系統的結構也相應的分成了4個功能模塊，分別為圖像獲取模塊，圖像傳輸模塊，圖像存儲模塊以及圖像的識別檢測模塊。這4個功能模塊相互結合各自獨立地完成自己所屬的功能點，形成一個具有完整功能特性可獨立工作的嵌入式系統，以實現對目標的獲取識別。

如圖1所示為圖像識別檢測系統示意圖。如圖所示，整個檢測系統分為多個功能模塊，而箭頭所示直線代表數據的傳輸。由圖中可以看出，整個系統需要完整運行的話，首先需要對目標圖像進行獲取，該系統中采用一個CCD作為圖像的獲取裝置。獲取到的圖像擁有非常大的數據量，如果這大量的數據直接傳輸進入處理器進行檢測識別，一旦數據的傳輸速度和處理器的處理速度不匹配勢必會造成數據擁塞或者計算能力的浪費，因此我們需要設計一個存儲模塊對數據進行緩存。隨后處理器從緩存器中按照自己的工作速度讀取緩存好的圖像數據進行識別檢測，將讀取出的每一幅圖像進行SIFT算法提取特征后進行對比檢測，并將最終結果通過一個顯示器進行展示。只有這樣整個系統系統工作才能實現對圖像的高效檢測識別。

圖1 圖像識別檢測系統示意框圖

2 系統硬件設計

2.1 圖像獲取模塊

在圖像的獲取模塊中使用一個數字相機(CCD)作為數據源，該模塊分為兩個子模塊分別為一個負責光電傳感的CMOS圖像傳感芯片以及一個對光進行聚焦的光學鏡頭。使用攝像頭為V07670攝像頭，分辨率率320*240。該模塊采用行掃描模式以便能夠高效快速的采集到目標圖像數據，A /D轉換器由控制芯片通過行、場同步信號來啟動直接控制，其采樣點的灰度值大小對應輸出不同的電平值高低，CCD輸出的信號是一個摻雜噪聲的模擬信號，需要經過濾波去除噪聲并對信號進行放大后傳輸進入A /D轉換器進行模數轉換，獲得可供系統進行分析計算等操作的數字信號。為了整個系統的采集與處理速度達到最佳匹配，系統以控制芯片的工作頻率為基準產生各個模塊的驅動脈沖，也包括對于CCD的驅動。

如圖2所示為圖像獲取模塊的簡單示意圖，CCD獲取到目標圖像之后得到的是目標圖像的電平大小，這是一個模擬信號，為了能夠進行后續的數字處理，需要先進行模數轉換的步驟。其中的通道信號調理就是將CCD獲取到的模擬信號進行濾波去除噪聲后進行發達操作，隨后傳輸入ADC模塊進行模數轉換。為了能夠使CCD的數據刷新頻率與系統相同，使用控制芯片來控制CCD的驅動，以使得整個系統同頻運行。

圖2 圖像獲取模塊示意圖

2.2 數據存儲與顯示模塊

在系統設計中，我們使用LCD12648顯示模塊對采集的圖像進行顯示，這是一個非常普通并且使用極其廣泛的液晶顯示器。為了能夠進行顯示其需要系統為其提供可供圖像緩存的存儲資源，而原始控制芯片中不能提供如此巨量的存儲空間顯然這樣就不能達到系統的設計要求。為了能夠使系統的各個模塊協調運行以滿足系統設計要求，該系統使用外接的SDRAM作為各模塊驅動緩存器以及圖像數據存儲器，采用8M字節的IS42S16400芯片。SDRAM 控制器內核提供了一個Avalon_MM 接口供系統使用，將 SDRAM 存儲器與 Nios II 系統相連接，而SOPC Builder中則集成了擁有 Avalon_MM 接口的SDRAM控制模塊，可以使用配置向導對SDRAM 存儲器的各項屬性進行配置以滿足系統的設計要求。LCD12864顯示器件的正常工作電壓為5 V，而系統控制芯片的工作電源為3.3 V，為了是兩個不同工作電壓的模塊相互兼容需要對電平進行邏輯轉換，FPGA控制芯片和LCD顯示模塊的連接框圖如圖3所示。

圖3 控制芯片與LCD連接示意圖

為了能夠有效保護系統所獲取的數據，這里也可以選用SD存儲卡作為系統的存儲介質。SD卡具有兩種不同的通信協議分別為為SD及SPI協議，該系統使用SD卡的SPI模式。在系統設計中通過SPI協議對SD卡進行讀和寫操作，而在SPI模式先，其總線允許通過DI( 數據輸入) 和DO( 數據輸出) 來傳輸數據，數據流為串行模式。通過DI端口發送符合SPI協議的命令控制SD卡的復位、初始化以及讀寫等各種操作。

2.3 圖像處理模塊

系統采用三星公司的ARM9系列S3C2440作為系統處理器，該芯片以 ARM920T為核心，基于0.13um 的CMOS標準單元和存儲器編譯器開發。芯片功耗低，整個系統設計簡單，高效，全靜態的設計理念適合于應用于對成本以及功耗有要求的設備中。它采用高級微控制器總線架構(AMBA)作為芯片的總線架構。其在整個系統中的架構如圖4所示。

圖4 S3C2440控制器示意圖

圖4所示為S3C2440芯片作為ARM處理器控制整個系統的示意圖。S3C2440芯片作為整個系統的控制器，其自身不但作為一個圖像處理模塊同時也控制著其他各個模塊的運行。在系統設置時，將預先編寫好的圖像處理程序利用引導裝載程序Bootloader進行BIOS加載，以實現芯片的圖像處理功能。

由于圖像識別的數據量非常大，圖像的處理程序在CSS6000集成開發環境下開發。通過API函數的調用，用戶程序在CSS6000的調度下按照優先級的順序依序執行。首先系統復位重置后，點_c_init開始運行系統。第一步先完成對CSS6000環境的初始化，隨后啟動多任務工作模式。處理器在處理完成初始化后調用MBX_pend()以及SEM_pend()函數是圖像處理程序掛起，將系統進入循環狀態，執行后臺IDL進程。等待ARM發出圖像處理的請求再進行相應的操作。

3 系統軟件

3.1 DoH識別算法

有效提取出圖像的特征信息是對圖像進行分析與識別的前提與基礎，其一般理解為將高維的直觀圖像轉化為簡便高效的簡化表示式，例如從一幅具有M×N×3的數據矩陣的圖像我們是不能夠看出任何有效特征信息的，因此我們需要對這些數據進行處理分析以提取出圖像中包含的特征信息以及基本關系。

每一幅圖像都具有能夠表示其各個局部特性的特征點，它能夠表示圖像在這一部分區域的局部特點，而每一幅圖像所擁有的特征信息是各不相同的，因此特征點可以作為圖像的獨有特征以實現圖像的檢測識別。而圖像的特征點最突出的就是其斑點和角點。斑點指的是環境中與周圍部分的灰度值存在著較大差異的區域，如夜空中的明月，沙漠中的綠洲。它指的是一個區域范圍，因此它能夠臂角點抵抗更強的噪聲具有更好的算法穩定與可靠性。角點指的則是圖像中一個物體中線條交叉的交叉點部分。該文采用DoH識別檢測算法，該方法計算簡單，識別速度快，檢測精度高。

DoH檢測是利用圖像點的二階微分Hessian矩陣及其行列式DoH(Determinant of Hessian)來檢測圖像斑點。

Hessian矩陣的表達式如式(1)所示：

(1)

相應的其行列式為式(2)所示：

det (H) =LxxLyy-Lxy2

(2)

其中:Lxx表示二維高斯函數求關于x的二階偏導對圖像進行卷積后的結果，Lxy表示用二維高斯函數求關于x的偏導后再對y求偏導對圖像進行卷積后的結果，而Lyy表示二維高斯函數求關于y的二階偏導對圖像進行卷積后的結果。

隨后，計算相應的偏導算子。二維的高斯函數如下表示：

(3)

則進一步運算后得到：

如上運算后得到的為規范化的偏導算子。

而DoH斑點檢測算法的步驟可以總結為：

1)計算得到圖像的二階微分Hessian矩陣。

2)計算其行列式。

3)根據不同的σ值生成規范化的偏導算子。

4)分別對圖像進行卷積運算

5)在圖像的位置空間和尺度空間中搜索DoH相對應的峰值。

3.2 算法檢測

在對算法進行驗證時，我們分別使用兩幅大小不同，細節復雜程度不一樣的圖像作為原始圖像。一幅向日葵圖，圖像大小為328*220像素，具有較為豐富的細節。一幅月亮圖，圖像大小為662*504像素，細節特征較為簡單，易于辨識。

圖5 向日葵圖像特征提取結果圖

圖6 月亮圖特征提取結果圖

如以上兩幅仿真結果圖所示，不管目標圖像的大小與否，細節是否復雜，采用DoH識別算法都很好地提取出了目標圖像的特征點。而由此我們可以進一步推斷，如果我們可以很好的對目標圖像進行特征提取，隨后我們只需要進行下一步的特征對比就可以進行圖像的識別與檢測。但是在仿真的過程中我們發現，圖像的大小與細節的復雜程度影響著算法的特征檢測速度。

4 結果與分析

4.1 系統驗證

最后我們對設計好的圖像識別與檢測系統進行實驗驗證，驗證分為兩個部分，一方面是可行性驗證，另一方面則是準確性驗證。可行性驗證設計為使用該系統對包含同意目標的兩幅圖像進行特征值提取并且進行檢測匹配，以判斷是否具有相同的圖像特征以進一步達到圖像識別的目標。

圖7 可行性驗證結果圖

由圖7所示為包含有同一個水杯的兩幅圖像經過系統識別檢測后提取出的特征點，從結果中可以看出，包含同一目標的兩張圖經過系統識別后提取出了相同的圖像特征，而這兩張圖中的目標也被系統檢測識別為同一個，這充分證明該系統是可行的。

隨后對其進行可靠性仿真，這一部分使用大量破損度不同的圖像探究了其在不同破損度下的識別準確率，如下圖8為不同破損度下的準確度曲線。

由圖8可以看出，圖像的破損度對于系統的識別準確率具

圖8 不同破損度下準確度曲線

有很大的影響。將圖像的破損度一次設置為5%-40%，由圖8可以看出在其他條件沒變的情況下，隨著破損度的不斷提高，系統的識別準確度也隨之不斷降低。這很容易理解，由于圖像的破損度不斷提高其所包含的圖像信息也隨之降低，進而其特征點也遭到了相應的破壞而通過特征點進行圖像識別的準確率也隨之下降。不過另一方面可以發現，在圖像破損不算嚴重的情況下，該系統依然具有很高的識別準確度。但是這也提醒我們在系統的實際應用中，應盡量保證目標圖像的完整性以保證系統的識別準確度。

4.2 方案的不足

該方案基于ARM設計了圖像識別檢測系統，雖然很好的完成了系統設計目標，但是也存在著一些不足之處有待改善。

1)圖像的識別檢測有很多更加優秀與可靠的算法，各種算法針對于不同的運用場景，而該系統為了簡化計算，提高效率使用了DoH算法難免有失偏頗。

2)在對目標進行識別時發現，目標的完整性對于圖像的識別準確度具有很大的影響，后續可以與圖像處理相關技術相結合，預先進行圖像的預測得到完整圖像以此提高系統的識別準確度。

5 結論

本文基于ARM嵌入式芯片，結合DoH圖像特征提取算法設計了基于ARM的圖像識別檢測系統。采用ARM嵌入式作為硬件設計部分可以大大提高了系統的圖像采集與處理速度，為了適應系統的存儲容量與安全性要求，使用SD卡以及外接SDRAM設計，同時結合DoH算法大大提高了圖像的識別速度與準確性。最終的實驗結果表明所設計的系統可以有效對圖像進行識別，并且在圖像存在破損的情況下依然具有相當高的準確率。總結而言，本系統較好的實現了系統設計目標，具有相當可靠的識別準確性。

[1] 郎璐紅, 余紅英, 董 俊. 嵌入式ARM系統中圖像的識別方法研究[J]. 齊齊哈爾大學學報(自然科學版), 2014(5):20-23.

[2] 白兵乾. 基于ARM移動平臺的圖形識別算法研究與實現[D]. 天津：河北工業大學, 2011.

[3] 胡 勝, 楊 雷, 宋 躍,等. 基于ARM amp; FPGA的CCD圖像識別裝置[J]. 儀表技術與傳感器, 2012(1):54-56.

[4] 覃南鑫, 石烺峰. 基于ARM的人臉識別系統的設計[J]. 科技傳播, 2012(5):181.

[5] 尹成瑞. 基于CMOS+ARM的運動圖像識別系統設計[J]. 計算機與數字工程, 2016, 44(4):725-729.

[6] 韓 策. 基于嵌入式圖像的人員識別系統的設計與實現[D]. 大連：大連理工大學, 2013.

[7] 左春雪, 吉喆明, 黃小紅. 基于ARM嵌入式操作系統的圖像處理[J]. 計算機與數字工程, 2015(3):480-483.

[8] 錢 剛, 丁萬山. 基于ARM及CPLD的紙幣圖像采集系統的設計[J]. 計算機測量與控制, 2007, 15(5):683-685.

[9] 南昌航空大學測試與光電技術學院. 基于ARM+FPGA+多DSP的嵌入式實時圖像處理系統[J]. 電子技術應用, 2011, 37(8):142-146.

[10] 嚴承華, 李 華. 基于ARM的嵌入式指紋圖像處理技術研究[J]. 海軍工程大學學報, 2008, 20(5):64-70.

[11] 翁木云, 何明一. 圖像綜合特征及其在圖像檢測與匹配中的應用[J]. 中國圖象圖形學報, 2007, 12(1):121-126.

[12] 陸 洲, 王寶光. 基于FPGA的嵌入式彩色圖像檢測系統[J]. 傳感技術學報, 2007, 20(3):618-622.

[13] 滕 日. 基于SIFT的局部不變特征研究[D]. 北京：中國科學院大學, 2016.

[14] 張滿囤, 王 潔, 黃向生,等. Gradual-SURF算子的角點提取[J]. 計算機工程與應用, 2013, 49(10):191-194.

[15] 沈同圣, 張 健, 婁樹理. 面向目標檢測的空間觀測圖像精確配準[J]. 光學精密工程, 2014, 22(8):2205-2213.

[16] 劉文印, 唐 龍, 唐澤圣. 一種在矢量基礎上進行圖形識別的通用方法[J]. 軟件學報, 1997(5):376-383.

DesignofEmbeddedImageRecognitionSystemBasedonARM

Cong Shu

(Institute of Physics Science and Technology, Center China Normal University, Wuhan 430079,China)

As one of the most important fields of artificial intelligence, image recognition is a technology that uses the computer to process, analyze and understand the image. In this paper, an image recognition and detection system based on ARM embedded chip is proposed, The hardware of the system adopts the idea of modular design to improve the compatibility of the system, it is divided into image acquisition, data acquisition, data processing and image recognition module; the software part adopts the scale invariant feature transform matching algorithm in order to improve the image recognition and image recognition speed and accuracy. The experimental results show that the designed system has the characteristics of high speed, high precision, high reliability and low failure.

ARM; SIFT algorithm; image acquisition; image recognition

2017-03-22；

2017-04-13。

從 樹(1989-)，男，湖北棗陽人，主要從事嵌入式軟件開發方向的研究。

1671-4598(2017)09-0036-03

10.16526/j.cnki.11-4762/tp.2017.09.010

TP273

A