基于運動檢測的智能老人監護警報系統

寇旭日 張博仁 徐烽 陳浩 葉霖

摘 要 “十三五”國家老齡事業發展和養老體系建設規劃鼓勵發展居家社區養老服務，實施“互聯網+”養老工程。順勢而為，我們提出基于運動檢測的智能老人監護警報系統，同時分析了系統的關鍵技術，運動目標檢測技術和運動目標追蹤技術。系統采用Visual Studio 2017開發平臺，結合計算機視覺庫OpenCV編程實現。

關鍵詞 智能老人監護警報系統；目標檢測；目標跟蹤；OpenCV

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2018）208-0123-02

《2017年國民經濟和社會發展統計公報》指出，年末全國大陸總人口139 008萬人，60周歲及以上人口數24 090萬，占比17.3%，其中65周歲及以上人口數15 831萬，占比11.4%。基于當下形勢的需要，我們以獨居、空巢老年人為重點，建立居家智能老人監護警報平臺，重點拓展遠程提醒、動態監測等功能，方便養老服務機構和子女對居家老年人的照料，同時為老年人搭建友好宜居的生活環境。

1 系統描述

該系統是在Visual Studio2017開發環境下，基于MFC的單文檔應用程序，調用OpenCV視覺庫的相關函數實現，具體過程如下：

讀入視頻數據，得到每幀圖像。

采用基于時間的幀平均法，建立背景模型[ 1 ]。

通過背景減法，獲得前景圖像[ 1 ]。

對前景圖像進行二值化、開運算、統計連通區域面積的處理，去除噪聲[ 2 ]。

采用圖像填充法閉合前景圖像，使用cvFindContours（）函數[3]提取外部輪廓。

統計輪廓上的所有點，求出這些點的中心點。

實時跟蹤分割出來的目標，若某幀圖像輪廓的寬度>高度，再判斷輪廓|中心點-最低點|/高度的比值是否小于某個閾值，此處我們選擇0.3，若滿足，判定老人此時摔倒。

系統發送郵件向監測中心警報，以得到及時有效的救助。

2 核心技術原理

2.1 背景減法

運動目標檢測的目的是從圖像序列中，將前景變化區域從背景圖像中提取出來。然而，由于背景圖像的動態變化，如天氣、光照、抖動等影響，給運動目標的檢測帶來了極大的挑戰。本文我們采用背景減法來檢測運動目標，該算法能更穩定的處理噪聲和捕捉目標，其核心是構建符合場景信息的背景模型。

使用固定攝像機，其一般過程為：1）計算拍攝的視頻圖像序列，得到一個場景的靜態背景初始化模型；2）比較當前幀與背景圖像，模糊處理當前幀，從中將背景去除，得到前景運動目標[ 1 ]。

cvSmooth（pFrImg，pFrImg，CV_GAUSSIAN，5，0，0）//將灰度圖像進行高斯平滑。

cvAbsDiff（pFrImg，pBkImg，pFrImg）；//將當前幀和背景圖像做差，求得前景圖像。

本文背景模型建立采用基于時間的幀平均法，具體過程為：

1）從視頻中獲取一幀。

2）將幀進行高斯平滑對幀進行累加。

3）平均最后的累加幀總和。讀者可以自行設定累加幀數，高斯平滑一方面克服了攝像機抖動造成的背景輕微搖擺，一方面克服了單個像素間無聯系的毛病，增加了背景的健壯性。

2.2 圖像二值化

背景減法運算之后，圖像中的背景尚未完全消除。為了將運動目標完全分割出來，還要對圖像進行二值化處理。本文采用閾值分割法來實現圖像的二值化，其關鍵技術是最優閾值的確定，系統采用Otsu法，它使用類間方差最大值自動確定閾值，效果良好。

cvThreshold（pFrImg，pFrImg，100，255，CV_THRESH_BINARY）；//將前景圖像二值化。

2.3 形態學處理

此時的二值圖像往往有噪聲，表現為目標周圍的噪聲塊和內部的噪聲孔[ 2 ]，我們使用數學形態學中的開運算濾除圖像中的噪聲，即先腐蝕，再膨脹運算：

cvErode（BinaryImg， BinaryImg， kernel_5_5，1）；//對圖像進行腐蝕運算。

cvDilate（BinaryImg， BinaryImg，kernel_7_7， 1）；//對圖像進行膨脹運算。

2.4 運動目標跟蹤技術

運動目標跟蹤技術就是在視頻圖像序列中實時地發現并標記運動目標，在幀與幀之間建立運動的某些特征，如位置、速度和方向等之間的聯系，不斷跟蹤目標[4]。視頻圖像中運動目標的跟蹤方法主要有：基于模型的跟蹤、基于區域的跟蹤、基于動態輪廓的跟蹤和基于特征的跟蹤[5]。

本文我們采用基于動態輪廓的跟蹤方法，為了更好地跟蹤老年人的運動，采用中心點的思想，統計邊緣輪廓的所有點，求出這些點的坐標中點；通過中心點的相對位置，和設定的閾值比較，若超出范圍，表示老年人此時處于危險狀態，系統自動發送郵件警報，郵件的附件中包含捕捉到的危險狀態的幀圖像。

3 實驗結果與分析

測試視頻序列保證初始化的背景不含運動目標，在固定場景下使用固定攝像頭拍攝。實驗結果表明，該方法可以有效地提取和更新背景，準確地檢測出運動目標，通過對運動目標的跟蹤，實現了危險狀態的及時警報。

4 結論

把視頻采集設備安裝在室內房間，采用計算機視覺獲取人體活動狀態的圖像信息，實現老年人活動狀況的監測，通過目標跟蹤技術實現了異常行為的及時警報，本系統是健康智能家庭技術研究方向的擴充，保證了老年人安全的生活環境，對解決空巢家庭獨居老人的監護問題有著非常積極的意義。

參考文獻

[1]萬纓，韓毅，盧漢清.運動目標檢測算法的探討[J].計算機仿真，2006，23（10）：221-226.

[2]刁智華，趙春江，吳剛，等，數學形態學在作物病害圖像處理中的應用研究[J].中國圖象圖形學報，2010，15（2）：194-199.

[3]Robert Laganiere.OpenCV計算機視覺編程攻略[M].北京：人民郵電出版社，2015.

[4]Wu Y， Lim J， Yang M H. Online object tracking： A benchmark [C]// CVPR， 2013.

[5]K. Cannons.A Review of VisualTracking.Technical Report CSE-2008-07， York University，Canada，2008.