潘翔

(1.廣西經濟管理干部學院;2.廣西卡西亞科技有限公司，廣西南寧530007)

0 引言

物聯網是智慧物流應用技術的熱點之一，他結合了北斗衛(wèi)星導航、GPS與地理信息系統(tǒng)(Geographic Information System，GIS)位置信息服務、移動互聯網傳輸等技術。交通物流預警圖像是物聯網技術特色應用與交通物流服務形態(tài)的延伸，對運輸過程中的物品進行實時圖像監(jiān)測與分析，對物品狀態(tài)異常情況及時發(fā)出預警，并標出位置信息，實現交通物流全過程的可視化控制。GIS位置服務和具有短報文通訊能力的北斗衛(wèi)星導航系統(tǒng)，尤其適用于無電信信號特殊的地區(qū)和應急物流運輸，使交通物流預警機制更加具有可控制行為［1］。

基于GIS位置服務的交通物流預警圖像傳輸優(yōu)化，主要針對物流過程的智能控制、物流環(huán)節(jié)過程的可視化控制，實現交通物流在復雜環(huán)境下流程再造，并提供實時決策參考?？梢暬A警信息包含了交通物流過程圖像、拍攝時間、位置信息，以及圖像的色彩、飽和度、狀態(tài)變化、位移信息等，結合位置信息與GIS信息判斷出實時物流狀態(tài)［2］，使物流監(jiān)測系統(tǒng)與人員看到實時狀態(tài)并及時采取應對措施。因此，為了讓系統(tǒng)能夠準確及時地預警，對圖像壓縮處理與傳輸性能優(yōu)化提出了很高要求。圖像優(yōu)化主要是圖像壓縮、去除冗余圖像和失真處理等過程，從減少數據量的方面提高傳輸效率。

1 交通物流GIS位置服務與預警圖像處理框架

可視化交通物流GIS位置服務(Location Based Services，LBS)，是與北斗衛(wèi)星導航、GPS、GIS、移動通信網絡、視頻傳感器結合在一起的一種具有智能決策信息的新一代物聯網服務，通過定位技術獲得交通物流移動終端的預警圖像，并從中讀取經緯度坐標數據、圖像色彩、狀態(tài)變化等信息，實現各種概念較為寬泛的與空間位置有關的新型服務業(yè)務。預警圖像可作為交通物流可視化檔案，當需要時，可以通過專用的可視化GIS預警系統(tǒng)還原交通物流狀態(tài)與監(jiān)測場景。在交通物流GIS位置服務領域中，預警圖像監(jiān)測是移動互聯等技術相集成的產物，它的核心技術包括了北斗衛(wèi)星導航、GPS定位技術、GPRS通訊技術及GIS空間數據等軟件技術，主要是通過在真實交通物流場景中有機地融合圖像、文字注釋等虛擬信息，增強用戶與智能系統(tǒng)對真實環(huán)境的感知，實現人與真實環(huán)境的智能交互。要實現這些智能信息的交互，對交通物流移動監(jiān)測設備的圖像傳輸就有了一定的要求，必須處理各種運動、光照度不同的圖像失真，以及圖像冗余、壓縮等。預警圖像優(yōu)化與GIS處理過程包括采集定位、圖像讀取與地圖展現等，整體框架如圖1所示。

圖1 預警圖像傳輸優(yōu)化框架

交通物流移動采集終端設備首先在嵌入式系統(tǒng)中按預定的目標狀態(tài)發(fā)起信息請求，啟動視頻傳感器進行圖像的采集，然后在嵌入式系統(tǒng)中進行圖像壓縮、運動檢測、失真處理等優(yōu)化處理，通過GPRS網絡把數據傳輸到后臺交通物流系統(tǒng)。移動終端提供圖像地理信息和屬性數據的表示，以事件和行為觸發(fā)的模式給智能系統(tǒng)和用戶提供GIS功能的選擇，后臺智能系統(tǒng)接收數據端進行圖像預處理、分析和存儲以及根據請求或約定的方式提供業(yè)務服務操作數據，最后根據自己的業(yè)務邏輯進行處理和界面呈現［3］。

2 位置服務與圖像優(yōu)化實現

2.1 預警圖像信息與GIS位置服務

物流運輸過程中移動采集終端設備的攝像機傳感器與北斗衛(wèi)星導航芯片或GPS芯片協同工作，在圖像拍攝過程中寫入Exif(Exchangeable Image File，可交換圖像文件)信息。Exif是一種JPEG圖像數據存儲文件格式，在JPEG格式頭部插入了預警圖像拍攝時的北斗衛(wèi)星/GPS定位坐標、光圈、快門、焦距、ISO、白平衡、時間，以及實時運輸物流狀態(tài)光線度、色彩編碼、圖像信噪變化等。這些圖像信息都將是交通物流智能管理系統(tǒng)中預警的主要組成部分，通過數據信息編碼與GIS基礎平臺的融合，以一種可視化的預警信息呈現于系統(tǒng)中。

圖像與GIS位置信息的結合還可以用于監(jiān)測物品在運輸途中是否發(fā)生位移，此時采用的是相對位置判斷［4］。這部分的工作過程可以在視頻傳感器與嵌入式系統(tǒng)中設置電子圍欄，并配合衛(wèi)星定位數據與圖像信息一起回傳到車載控制中心，并在GIS地圖上進行位置標注。

2.2 圖像傳輸優(yōu)化

對物流運輸的實時監(jiān)測最關鍵的是將采集到的圖像和位置信息及時準確地傳輸到控制中心，否則將失去對現場狀況的把握，耽誤處理異常的最佳時期。因此，要進行合理化數據格式設計與選擇合適的圖像壓縮、運動檢測和失真處理機制，確保圖像快速準確地傳輸到交通物流智能系統(tǒng)。

2.2.1 圖像數據設計

根據待傳輸的數據特點設計數據幀格式如下:計數(1 B)、長度(1 B)、校驗碼(1 B)、圖像和位置數據(≤80 B)。其中計數為圖像分組序號，長度是計數和圖像位置數據的總長度，校驗碼用于檢查圖像傳輸過程中是否出錯。傳輸節(jié)點按順序發(fā)送圖像和位置的數據幀，發(fā)送成功則計數自動加1，否則重新發(fā)送。接收端收到數據后首先用校驗碼進行檢驗，若發(fā)現數據錯誤則及時發(fā)送帶有計數的命令，要求重發(fā)該幀，否則存入臨時數組。節(jié)點端在規(guī)定時間內(發(fā)送延時)沒有收到重發(fā)命令，則繼續(xù)發(fā)送下一幀。接收端收到最后一幀正確數據后，發(fā)送接收完成應答，并將數組中存放的數據生成完整的圖像文件。

圖像原始數據的優(yōu)化也能大幅提升傳輸效率，但監(jiān)測系統(tǒng)采集到的圖像和位置數據最大的特點是采集時間密集，數據量大，而且并不是所有的圖像和位置數據都是有效的，其中還包含了大量的重復和冗余。為了避免發(fā)送重復冗余數據，采用圖像壓縮和運動檢測的方法，在傳輸之前初步地對原始數據進行篩選和壓縮。接收到圖像后再使用失真處理恢復圖像中的有用信息。

2.2.2 圖像采集和壓縮

實驗系統(tǒng)采用HQ7620攝像頭模塊作為圖像監(jiān)測和采集工具。這是Omnivision公司生產的CMOS圖像傳感器，其核心芯片是OV7620，數據格式包括YUV、YCrCb和RGB三種，滿足一般應用需求。

為了提高傳輸效率，需要將得到的圖像先進行壓縮處理。系統(tǒng)采用哈夫曼編碼進行圖像壓縮，根據數據出現的頻率構造哈夫曼樹，得到一種變長的編碼［5］。解碼時，每次從碼流中讀取前N位，只要最前面的碼字長度不大于N，則讀入的數據就能進行解碼。為了一次性進行解碼，需要建立一組查找表［6］，長度為2N，輸入為讀取的N位信息，輸出為解碼結果。

2.2.3 運動檢測算法

考慮到在很短時間內采集到的圖像是序列圖像，且有可能所監(jiān)控的物品并未發(fā)生特殊狀況，即圖像之間沒有差異。為了節(jié)省存儲空間，同時提高傳輸效率，可以采取運動檢測的辦法，將相同的圖像序列進行處理:一個序列僅保留一幅圖像。系統(tǒng)采用差值法對序列圖像的運動目標進行檢測。該算法簡單有效，能將圖像中的運動目標從背景中分割出來。換言之，若未檢測到運動目標，說明圖像相同，可以進行剔除操作。

運動圖像檢測采用幀間差分算法［7］，視頻采集到的序列圖像首先轉換為灰度圖像，求出相鄰兩張圖像在同一個位置(以坐標點為參照依據)的像素灰度之差，與事先設定好的閥值進行對比，若大于閥值，則可以判斷該像素點是運動點。其中閥值是通過大量實驗分析所選定的一個較合理的取值，能夠最大程度區(qū)別出運動點與靜態(tài)點。算法公式如下:

其中，Δt是相鄰兩張圖像幀的獲取時間間隔，f(x，y，t)和f(x，y，t-Δt)是對應圖像的灰度圖表示函數;Td為閥值，求出兩幅灰度圖差值并取絕對值，與閥值進行比較。大于閥值則表明該像素是運動點，將對應像素灰度值設為1，否則為靜態(tài)點，將其灰度值設置為0。經過反復實驗，閥值設置為20能夠明顯將運動區(qū)域與靜態(tài)區(qū)域區(qū)分開。考慮到兩幀圖像在序列中所占比例過小，實驗采用對稱差分的手段，如首先計算第一幀與第二幀的灰度差，再計算第二幀與第三幀的灰度差，分別取絕對值。

經過與閥值的對照處理后，得到的兩幅圖像即是像素點為0或1的二值化圖像，將對應像素進行“與”運算，得到最終的二值化圖像。分析運動區(qū)域的面積大小，若面積太小(小于某個閥值)，則可以忽略不計，重新將該區(qū)域的灰度設置為0。處理完畢，可以得到運動區(qū)域。

2.2.4 失真處理

在無線傳輸過程中有可能會存在一定的失真，因此要利用圖像修復算法來處理失真的圖像。本文主要采用紋理合成的方法來進行圖像修復［8］。首先選擇含有紋理信息的待修復塊，然后在有效信息區(qū)域內按某一原則選取最佳匹配塊，將其復制到待修復塊上，如此反復直到修補完成。流程如下:

(1)確定修復塊的優(yōu)先權P(p)

C(p)為匹配塊Ψp的置信度，D(p)為待修復目標點p處等照度線強度函數。

(2)確定最佳匹配塊

在未失真的區(qū)域搜索最佳匹配塊，滿足

其中d(Ψp，Ψq)是Ψp和Ψq對應點RGB值的方差之和。

(3)信息填充。將最佳匹配塊的像素逐個復制到優(yōu)先權最高的待修補塊中。

(4)更新置信度。及時將被修復區(qū)域內各點的置信度更新。

(5)重復步驟(1)，直到修補結束。

2.3 GIS預警圖像監(jiān)測實現

在交通物流智能系統(tǒng)中，系統(tǒng)的GIS模塊與GIS引擎相連接，通過程序提取經由GPRS或北斗短報文傳輸回來的預警圖像中的Exif信息，并與GIS空間數據庫進行信息交互，形成文本信息和基于GIS的可視化預警信息?？梢暬疓IS預警信息的設計屏蔽了系統(tǒng)訪問的復雜性，主要是為LBS應用提供特定的業(yè)務如地圖查詢、路徑搜索、位置檢索、地圖匹配和為移動終端生成地圖等功能。在GIS預警圖像監(jiān)測實現中，定位目標是讓LBS滿足獨立于具體的底層定位技術，并不依賴第三方提供的接口來從終端獲取位置數據。通過GPRS或北斗短報文傳輸回來的預警數據是經過哈夫曼編碼進行圖像壓縮、運動檢測算法處理冗余、紋理合成的方法來進行失真修復的圖像數據，不但保證了圖像數據的有效性，也保障了網絡傳輸的可靠性，實現了預警圖像傳輸優(yōu)化。

預警圖像在交通物流智能系統(tǒng)中，不但能做到可視化的實時預警信息提示，還可以用圖像作為路線監(jiān)測與導航式監(jiān)測回放。

3 系統(tǒng)測試

在系統(tǒng)仿真實驗中，采用多系統(tǒng)多頻率高性能SoC芯片—NebulasTM，內嵌式CPU，算法功能一體化，實現單芯片自主定位。集成北斗1基帶和北斗2/GPS基帶，具有北斗1短報文收發(fā)和北斗2/GPS定位功能，選取20個點的坐標數據進行matlab仿真，種群數量為50，計算100代。結果如圖2所示。

圖2 系統(tǒng)仿真情況

此外，運用仿真工具NS2來模擬GPRS網絡的傳輸性能，實驗時間是900 s，在節(jié)點9到節(jié)點17之間建立一條CBR流，設置包大小為85 B，每秒發(fā)送5個包。共需要4跳到達目的節(jié)點，測得的包交付率為97.88%，平均端到端時延為0.026 s。結果表明，該GPRS網絡可以進行可靠的信息傳輸。

設置若干實驗進行圖像的實際采集與傳輸測試，每秒種截取1幅圖像，按照5 s一個序列的最小單位進行圖像采集，經過處理與傳輸優(yōu)化后測試傳輸時間。所得優(yōu)化前與優(yōu)化后的各項數據如表1所示。

表1 圖像壓縮與傳輸優(yōu)化實驗數據對比

經過壓縮后的圖像大小為320×240，分辨率為96 DPI。將視頻傳感器和接收端的通信波特率設為不同的值，通過改變GPRS節(jié)點的發(fā)送延時來觀察哪一項對傳輸速率影響最大。實驗表明，發(fā)送延時對傳輸速率影響較大。因為采用分組傳輸，在傳輸途中和接收過程都需要時間，GPRS節(jié)點不能連續(xù)向網絡發(fā)出數據，而要延遲一段時間等待接收端順利接收數據。經過反復實驗，當發(fā)送延時大于或等于20 ms時，圖像和位置數據能保證較穩(wěn)定地傳輸到接收端。經優(yōu)化后的圖像壓縮率為74.91%，傳輸優(yōu)化率達到75.35%，達到實時監(jiān)測需求。

4 結語

交通物流智能系統(tǒng)中結合GIS位置服務信息監(jiān)測運輸物品的圖像，實現了物流物聯網的智能管理并把預警信息發(fā)展為可控制行為。傳輸網絡與技術體系中運用了我國先進的北斗衛(wèi)星導航定位技術，推動了現代物流技術向安全化與自主化網絡建設方向發(fā)展，使物流運輸的動態(tài)可視化管理、物流過程的實時控制和流程再造成為可能。在智能系統(tǒng)框架中優(yōu)化了圖像傳輸機制，采用運動檢測算法剔除重復冗余圖像數據，圖像壓縮和失真處理技術確保了數據的有效性，取得了良好的傳輸性能與效果。下一步將研究物品狀態(tài)建模、圖像分析、預警和應急決策機制的實現，以進一步推動物流物聯網技術的發(fā)展。

［1］ 林興志.基于物聯網的物流托盤聯營統(tǒng)一信息系統(tǒng)分析［J］.科技管理研究，2011(7):198-201.

［2］ Pandey A，Chowdary V M，Mal B C，et al.Remote sensing and GIS for identification of suitable sites for soil and water conservation structures［J］.Land Degradation＆Development，2011，22(3):359-372.

［3］ Randima Fernando.GPU Gems:Programming Techniques，Tips and Tricks for Real-Time Graphics［M］//Michael Bunnell.Shadow Map Antialiasing.Hong Kong:Pearson Education Asia Limited，2009:126-131.

［4］ 宋志強，周獻中，王雷，等.基于ZigBee的無線圖像傳輸的研究［J］.計算機應用與軟件，2012，29(7):1-2，5.

［5］ 王防修，周康.通過哈夫曼編碼實現文件的壓縮與解壓［J］.武漢工業(yè)學院學報，2008，27(4):46-49.

［6］ 程小雄.基于ZigBee網絡的非實時圖像采集［J］.實驗室研究與探索，2009，28(12):81-84.

［7］ 潘翔.學習情景中序列圖像的人臉檢測與表情特征提取的研究［D］.北京:首都師范大學信息工程學院，2009.

［8］ 張開風.基于Zigbee的無線傳感器網絡圖像采集系統(tǒng)的設計［D］.合肥:安徽大學電子信息工程學院，2011.