基于STM32的高空拋物預(yù)警系統(tǒng)研究

譚超友，朱海榮，呂 濤，丁世賢

（廣西科技師范學(xué)院 廣西 來賓 546199）

隨著高層建筑日益增加，高空拋物傷人事件時(shí)有發(fā)生，輕則破壞環(huán)境衛(wèi)生，影響居民日常生活，重則直接造成重大人身傷亡和財(cái)產(chǎn)損失。社會各界對建立高空拋物監(jiān)測系統(tǒng)的呼聲越來越高。近年來，機(jī)器視覺（Machine vision）逐漸走進(jìn)人們的視野，它是人工智能（AI）的一個(gè)基本分支，是指利用計(jì)算機(jī)對圖像進(jìn)行處理、分析和理解，以識別各種不同目標(biāo)和對象的技術(shù)，是一門涉及生物醫(yī)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、圖像處理、模式識別等諸多領(lǐng)域的交叉學(xué)科[1-2]。本文研究的高空拋物預(yù)警系統(tǒng)運(yùn)用機(jī)器視覺技術(shù)，通過視頻錄像進(jìn)行實(shí)時(shí)監(jiān)控與分析，追蹤疑似高空拋物物體，做出預(yù)警和反饋。本文設(shè)計(jì)了一種基于STM32的高空拋物預(yù)警系統(tǒng)，主要由OV2640攝像頭、STM32單片機(jī)、蜂鳴器以及軟件系統(tǒng)構(gòu)成，判斷出背景與移動(dòng)物體的區(qū)別并進(jìn)行鎖定，并進(jìn)行去噪處理，該系統(tǒng)具有監(jiān)測靈敏度高、成本低、不受天氣環(huán)境影響等優(yōu)點(diǎn)，能夠精確定位高空拋物的具體位置并實(shí)時(shí)發(fā)送警報(bào)信號，提醒路上行人及時(shí)躲避，既能起到事后追責(zé)的作用，也起到事前預(yù)防的作用[3-4]。

1 系統(tǒng)總體結(jié)構(gòu)

本系統(tǒng)由硬件部分和軟件部分組成。硬件主要由OV2640攝像頭、STM32單片機(jī)、蜂鳴器、LED等以及語音報(bào)警系統(tǒng)構(gòu)成，主要負(fù)責(zé)收集圖像信息，形成一套能感應(yīng)環(huán)境并做出反應(yīng)的裝置。軟件部分由具有豐富的函數(shù)庫以及兼容性良好的python技術(shù)，結(jié)合Micropython解釋器用于處理圖像信息等系統(tǒng)構(gòu)成，主要處理數(shù)據(jù)并將獲取到的數(shù)據(jù)通過網(wǎng)絡(luò)反饋至服務(wù)器。

2 硬件系統(tǒng)

2.1 工作原理

本套系統(tǒng)使用STM32-F407ZGT6開發(fā)板作為核心部件，圖像算法部分在此開發(fā)板上進(jìn)行運(yùn)算。模塊外擴(kuò)了IO口、UART、SPI、IIC、CAN通信接口，方便用戶拓展使用[5]，使用OV2640攝像頭實(shí)時(shí)監(jiān)控高空情況，把接收到的視頻信息傳輸至開發(fā)板進(jìn)行視頻處理，當(dāng)視頻信息判斷為有物體掉落時(shí)，發(fā)出報(bào)警指令，傳輸至報(bào)警模塊，以及存儲模塊，實(shí)現(xiàn)報(bào)警及存儲功能，之后將數(shù)據(jù)信息反饋到服務(wù)器實(shí)現(xiàn)數(shù)據(jù)可視化顯示。硬件設(shè)計(jì)圖如圖1所示。

圖1 硬件設(shè)計(jì)圖

2.2 主控板及其擴(kuò)展模塊

主控板采用Open系列，芯片使用STM32-F407ZGT6，如圖2（a）所示，它帶有豐富的擴(kuò)展接口，支持各類外圍模塊的接入，方便對高空拋物監(jiān)視與預(yù)警。核心板（STM32-F407ZGT6）中DCMI接口方便接入OV2640攝像頭模塊，如圖2（b）所示；Ethernet接口方便接入以太網(wǎng)模塊，如圖2（c）所示；其電路原理圖如圖3所示。

圖2 硬件展示圖

圖3 電路原理圖

3 軟件系統(tǒng)

3.1 軟件架構(gòu)

通過報(bào)告顯示城市高空墜物的種類中，“生活用品”的墜落所占比重達(dá)到了32.7%，居各項(xiàng)墜落之首[6]。通過攝像頭收集到的圖像數(shù)據(jù)進(jìn)行分析，使用背景分割器Background Subtractor進(jìn)行“生活用品”分割能夠取得良好效果，Background Subtractor是一款視頻分析專用軟件，會對視頻中的每一幀進(jìn)行“學(xué)習(xí)”并比較，計(jì)算陰影，排除檢測圖像的陰影區(qū)域，按照時(shí)間推移的方法提高運(yùn)動(dòng)分析結(jié)果的準(zhǔn)確性。而且Background Subtractor不僅可以用于背景分割，還可以提高背景檢測效果。去除背景后，沒有運(yùn)動(dòng)的物體，就不會出現(xiàn)白點(diǎn)，將會繼續(xù)觀察并獲取圖像。當(dāng)出現(xiàn)運(yùn)動(dòng)物體時(shí)，捕捉白點(diǎn)進(jìn)行追蹤記錄并且報(bào)警。

整體軟件設(shè)計(jì)偽代碼如算法1所示。軟件設(shè)計(jì)框圖如圖4所示。

圖4 軟件設(shè)計(jì)框圖

算法1：

import cv2 as cv

Begin（算法開始）

# 構(gòu)造VideoCapture對象

cap

# 創(chuàng)建一個(gè)背景分割器

pBackgroundMOG

while True:

讀取視頻

當(dāng)所有幀讀取完畢后退出循環(huán)

If判斷視頻是否讀取完全

print('視頻讀取失敗或者視頻已讀取完畢')

else:

FGMask = pBackgroundMOG.apply(frame) #背景分割，并得到前景圖像

計(jì)算圖像大小并顯示得到的前景圖像，并用畫框框出圖像。

設(shè)備開啟后，設(shè)定監(jiān)控環(huán)境參數(shù)，先對監(jiān)控背景進(jìn)行提取保存，后將監(jiān)控視頻與背景對比并去除提前保存的背景，區(qū)分靜態(tài)與動(dòng)態(tài)效果，當(dāng)物體運(yùn)動(dòng)時(shí)則在黑色的背景中顯示為白色，OV2640攝像頭不斷地將實(shí)時(shí)監(jiān)控畫面和歷史監(jiān)控畫面進(jìn)行對比，當(dāng)特征不改變即全為黑色時(shí)，沒有發(fā)生像素的改變，繼續(xù)監(jiān)控對比；當(dāng)特征不一致即出現(xiàn)白色的圖像時(shí)，通過OpenCV算法進(jìn)行視頻物體跟蹤、判斷，排除干擾項(xiàng)，去除噪聲干擾。根據(jù)上述算法計(jì)算出有物體下落，即與系統(tǒng)預(yù)先保存背景進(jìn)行比對，即可鎖定拋物房間的具體位置，預(yù)警系統(tǒng)中的揚(yáng)聲器與LED燈發(fā)出預(yù)警，同時(shí)將信息傳送給服務(wù)器并記錄信息，為追究拋物者的責(zé)任提供佐證。

3.2 create Background Subtractor KNN背景去除器

主要利用cv2中的create Background Subtracto KNN[7]判斷出背景與移動(dòng)物體的區(qū)別并進(jìn)行鎖定：創(chuàng)建KNN的混合高斯模型，作用是判斷靜態(tài)背景，而主要參數(shù)是在幀數(shù)范圍內(nèi)像素沒有發(fā)生變化，則判斷此幀為背景。此算法實(shí)際運(yùn)用實(shí)例：黑白圖像為右側(cè)行人在15幀之前留下的圖像不同，所以顯示為白色的輪廓以此確定移動(dòng)物體的具體位置，此時(shí)則可根據(jù)輪廓找到中心點(diǎn)進(jìn)行輪廓確定，以確定物體運(yùn)動(dòng)的軌跡。去除背景前后對比圖如圖5所示。

圖5 去除背景前后對比圖

基于背景減除法的視頻序列運(yùn)動(dòng)目標(biāo)檢測算法[8]，主要作用是降低減除法針對光線變化、噪聲和局部運(yùn)動(dòng)等因素對運(yùn)動(dòng)目標(biāo)檢測的效果。

3.3 對圖像進(jìn)行去噪處理

（1）使用cv2.morphologyEx（形態(tài)學(xué)去噪聲）

morphologyEx函數(shù)是一種形態(tài)學(xué)變化函數(shù)。數(shù)學(xué)形態(tài)學(xué)可以理解為一種濾波行為，因此也稱為形態(tài)學(xué)濾波。對于錄制圖像中出現(xiàn)的噪聲，首先利用cv2.morphologyEx進(jìn)行形態(tài)學(xué)去噪聲處理，以便能更精確地確定運(yùn)動(dòng)物體位置，濾波中用到的濾波器，在形態(tài)學(xué)中稱為結(jié)構(gòu)元素。結(jié)構(gòu)元素往往是由一個(gè)特殊的形狀構(gòu)成，如線條、矩形、圓等。

（2）使用cv2.blur（圖像濾波）

cv2.blur只取內(nèi)核區(qū)域下所有像素的平均值并替換中心元素，一般設(shè)定為3x3標(biāo)準(zhǔn)化盒式過濾器。根據(jù)算法對真彩色圖像進(jìn)行濾波，該算法可以有效地濾除圖像中的脈沖噪聲，并能較好地保持圖像的邊緣細(xì)節(jié)信息[9]。

（3）使用cv2.boxFilter（img,-1,ksize,normalize=True）方框?yàn)V波

當(dāng)normalize=True時(shí)，與均值濾波結(jié)果相同，normalize=False，表示不需要進(jìn)行歸一化處理，直接使用鄰域像素值的和。當(dāng)normalize=0時(shí)，因?yàn)椴贿M(jìn)行歸一化處理，因此濾波得到的值很可能超過當(dāng)前像素值范圍的最大值，從而被截?cái)酁樽畲笾怠＿@樣，就會得到一幅純白色的圖像。使用get Structuring Element函數(shù)會返回指定形狀和尺寸的結(jié)構(gòu)元素，然后使用cv2.boundingRect提取矩形坐標(biāo)計(jì)算中心點(diǎn)，反推出矩形以及長、寬、高坐標(biāo)（x，y，w），在原圖上繪制矩形顯示掉落物品的位置，物體展示如圖6所示。

圖6 物體追蹤展示

4 測試

當(dāng)軟件數(shù)據(jù)處理設(shè)置與硬件連接設(shè)計(jì)完成后，在某學(xué)院中的宿舍樓安裝攝像頭并且進(jìn)行測試。測試的主要內(nèi)容為：利用本系統(tǒng)部署攝像頭監(jiān)測樓層。監(jiān)測到高樓拋物體則記錄為準(zhǔn)確，系統(tǒng)抓捕不到拋物體則記錄為失敗。在晴天、陰天、雨天的不同天氣情況中均累計(jì)測試1 000次。實(shí)驗(yàn)結(jié)果為：在晴天準(zhǔn)確次數(shù)為980次，陰天準(zhǔn)確次數(shù)為985次，雨天準(zhǔn)確次數(shù)為897次，三個(gè)天氣狀態(tài)下，準(zhǔn)確率分別為：98%、98.5%、89.7%。測試結(jié)果顯示，雨天雖受雨滴影響，但也有較高的檢測效果。證明系統(tǒng)實(shí)用性比較高。記錄同一監(jiān)控視頻在不同分辨率下得到的參數(shù)如表1所示。系統(tǒng)的主要工作流程，為攝像頭收集數(shù)據(jù)后利用串口將數(shù)據(jù)傳輸至STM32開發(fā)板，STM32開發(fā)板中處理數(shù)據(jù)，并作出反應(yīng)后傳輸信號至警報(bào)系統(tǒng)和數(shù)據(jù)控制中心。

表1 同一監(jiān)控視頻在不同分辨率下得到的參數(shù)

5 總結(jié)

從實(shí)際測試結(jié)果來看，實(shí)驗(yàn)的動(dòng)態(tài)物體捕捉效果較好，使用的形態(tài)學(xué)去噪聲、形態(tài)學(xué)濾波，能更有效地去除視頻中的白點(diǎn)噪聲，使得背景去除時(shí)不會將白點(diǎn)作為運(yùn)動(dòng)的物體列入警報(bào)行列，并且對于較大物體的運(yùn)動(dòng)較為敏感。通過同一視頻不同分辨率下關(guān)鍵幀提取的研究，利用其他分辨率的視頻圖像進(jìn)行驗(yàn)證，結(jié)果證明本文方法可行，能夠較好地實(shí)現(xiàn)給定分辨率下監(jiān)控視頻關(guān)鍵幀的提取。目前高空拋物監(jiān)測系統(tǒng)大多是以視頻監(jiān)控、圖像處理等技術(shù)為基礎(chǔ)，由于受到拍攝角度、天氣、環(huán)境等因素影響，其定位精度、實(shí)時(shí)預(yù)警等問題均有一定局限性。在后續(xù)研發(fā)及改進(jìn)過程中，可以采用超聲波傳感技術(shù)與OV2640攝像頭協(xié)同作用，利用超聲波測距原理，將高空拋物瞬間檢測到的信息傳送給單片機(jī)，結(jié)合圖像分割及處理技術(shù)，通過監(jiān)控服務(wù)器調(diào)取高空拋物的發(fā)生時(shí)刻和具體位置，便于后續(xù)追溯高空拋物責(zé)任人。綜上所述，本文設(shè)計(jì)并實(shí)現(xiàn)了一種高空拋物監(jiān)測與警示系統(tǒng)，能夠精確定位拋物位置并實(shí)時(shí)發(fā)出預(yù)警信號，具有較好的實(shí)際應(yīng)用價(jià)值和發(fā)展改進(jìn)潛力。