(南通航運職業(yè)技術(shù)學(xué)院 管理信息系，江蘇 南通 226010)

0 引言

近年來隨著計算機以及網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步，傳統(tǒng)的圖像監(jiān)控已經(jīng)從模擬圖像發(fā)展到了數(shù)字圖像監(jiān)控階段。結(jié)合當(dāng)前嵌入式微處理器的高處理速率，低功耗以及無線網(wǎng)絡(luò)技術(shù)的發(fā)展，嵌入式的無線圖像監(jiān)控系統(tǒng)得到了越來越多的關(guān)注。其中GPRS網(wǎng)絡(luò)更是憑借其低廉的價格優(yōu)勢以及永遠(yuǎn)在線的特性贏得了不可估量的發(fā)展前景，結(jié)合GPRS技術(shù)，嵌入式的無線圖像監(jiān)控系統(tǒng)成為了一種極具前景的監(jiān)控技術(shù)[1-6]。

王秀芳等人在2011年通過USB攝像頭采集監(jiān)控區(qū)域圖像后通過JPEG壓縮算法對采集圖像進(jìn)行壓縮保存，實現(xiàn)了監(jiān)控圖像的較高質(zhì)量保存[2]。而在2013年時康樂等人將移動圖像檢測技術(shù)同監(jiān)控技術(shù)相結(jié)合實現(xiàn)了具有移動圖像檢測的監(jiān)控系統(tǒng)[3]。雖然這些系統(tǒng)都具有一定的優(yōu)勢，但是其在擴(kuò)展性以及圖像質(zhì)量方面的缺點卻不容忽視。因此，這里提出基于ARM聯(lián)合差分算法的圖像監(jiān)控系統(tǒng)以實現(xiàn)高擴(kuò)展性，高質(zhì)量的圖像監(jiān)控系統(tǒng)設(shè)計。

1 嵌入式無線圖像監(jiān)控系統(tǒng)設(shè)計方案

整個系統(tǒng)設(shè)計為由4個部分組成，分別是：主控制模塊、圖像采集模塊、圖像壓縮模塊以及無線傳輸模塊，這4個子模塊相互協(xié)作各自完成自己的模塊職能以實現(xiàn)對遠(yuǎn)程區(qū)域的監(jiān)控以及圖像緩存和無線傳輸功能。

圖1 系統(tǒng)設(shè)計方案示意圖

這其中圖像采集模塊的硬件是一個CMOS傳感器，圖像采集模塊多位于環(huán)境惡劣的戶外，而CMOS具有很好的抗輻射能力，可提供穩(wěn)定的圖像數(shù)據(jù)流。視頻采集芯片為SAA7111A，采用ZR36060芯片對圖像進(jìn)行壓縮存儲。監(jiān)控圖像具有其自身特點，即幀圖像間具有大量的重復(fù)像素，優(yōu)秀的壓縮算法可以節(jié)約寶貴的存儲空間。而最關(guān)鍵的主控制模塊則由ARM7-LPC2214以及EEPROM組成，保證整個系統(tǒng)的處理速度和穩(wěn)定。

2 系統(tǒng)硬件方案設(shè)計

2.1 控制模塊設(shè)計分析

系統(tǒng)的主控制模塊采用ARM7-LPC2214處理器，采用LQFP封裝。利用芯片的32位統(tǒng)一編址方式，通過映射的方式，系統(tǒng)的內(nèi)外存儲器，寄存器以及外部IO設(shè)備由4G地址空間管理。系統(tǒng)使用了兩個大小為16Mbit和4MBit的SDRAM，從而減低系統(tǒng)的切換時間。SDRAM采用ISSI的IS61LV25616AL，數(shù)據(jù)總線寬度為16位，對應(yīng)片選信號的CS1。

2.2 圖像采集設(shè)計分析

模塊采用SAA7111A可編程的視頻處理芯片，通過總線連接其他器件與設(shè)備以將獲取到的原始視頻信號轉(zhuǎn)換為多種符合要求的視屏信號。其具有抗混疊、自動檢測分離、模式切換便捷的優(yōu)點。系統(tǒng)中，采集模塊同時采用了一塊專用視屏存儲芯片AL440B。

2.3 圖像壓縮設(shè)計分析

圖像壓縮模塊由ZR36036芯片以及SDRAM存儲芯片組成。其主要功能是將CCD獲取到的視頻信號轉(zhuǎn)換為便于系統(tǒng)處理的數(shù)字信號，再通過解碼芯片SAA7111A將模擬信號解碼為標(biāo)準(zhǔn)的數(shù)字視頻信號，交給ZR36036芯片進(jìn)行圖像的壓縮操作。ZR36036是一個CMOS器件，其采用3.3 V電壓供電。

ZR36060的命令以及狀態(tài)寄存器需要通過主機去進(jìn)行訪問，它的DATA與LPC2214數(shù)據(jù)總線相連接，該系統(tǒng)中選擇的是8位代碼的主模式，已壓縮數(shù)據(jù)經(jīng)CODE輸出到SDRAM。

3 系統(tǒng)算法

3.1 幀間差分算法分析驗證

圖2所示為針對道路上汽車運動視屏的運動目標(biāo)檢測捕捉，從圖中可以看出，通過將連續(xù)兩個幀之間進(jìn)行差分運算得到了其中的運動汽車輪廓，完成了多運動目標(biāo)的檢測。

圖2 多運動目標(biāo)檢測結(jié)果

圖3是多人手簡單目標(biāo)檢測的結(jié)果，由于此時的視頻圖像背景簡單，圖像中目標(biāo)足夠大，因此僅僅做簡單的幀差分就能識別出圖像變化的區(qū)域并顯示變化目標(biāo)。

圖3 單目標(biāo)檢測結(jié)果

3.2 差分算法總結(jié)

算法步驟如下：

1)對序列圖像做預(yù)處理，確定閾值；

2)利用獲取的閾值，實現(xiàn)對圖像的去噪處理，降低后續(xù)運算復(fù)雜度；

3)選擇兩幀圖像，前一幀和當(dāng)前幀，利用當(dāng)前幀與背景的差FD獲得整個目標(biāo)圖像；

4)當(dāng)前幀與前一幀變化FG獲得目標(biāo)變化量；

5)根據(jù)FD與FG獲得目標(biāo)對象的運動區(qū)和運動軌跡；

6)以上步驟完成運動區(qū)域劃分。

7)根據(jù)監(jiān)控區(qū)域的環(huán)境復(fù)雜程度，選定合適的算法優(yōu)化運動區(qū)的選擇。

4 實驗結(jié)果與分析

4.1 系統(tǒng)驗證

這一部分我們對所設(shè)計的圖像監(jiān)控系統(tǒng)進(jìn)行實驗驗證，驗證分為視頻文件壓縮、算法可行性以及運動目標(biāo)檢測驗證部分。

表1 視頻壓縮

表1展示的是系統(tǒng)對采集視頻文件的壓縮情況。壓縮比是壓縮后文件與壓縮前文件在磁盤存儲空間的大小比較。由表可以看出，在單目標(biāo)簡單環(huán)境下的監(jiān)控視頻具有較好的壓縮，這是因為這種環(huán)境下幀之間具有大量的重復(fù)內(nèi)容，例如電梯、停車場等場景的圖像變化緩慢，背景簡單。而對于繁忙的交通路口這樣戶外監(jiān)控，目標(biāo)多、環(huán)境多變，圖像復(fù)雜，此時的視頻文件壓縮低，因為幀之間的重復(fù)元素少些，如表所示為87.

算法可行性驗證設(shè)計為使用該系統(tǒng)對一目標(biāo)區(qū)域進(jìn)行圖像監(jiān)控，觀察是否可以獲取到目標(biāo)區(qū)域的監(jiān)控圖像并傳輸?shù)斤@示設(shè)備當(dāng)中，并且檢測出其中的運動目標(biāo)。

圖4所示為一目標(biāo)區(qū)域在該系統(tǒng)監(jiān)控下在兩個不同時刻t1和t2時刻所獲取到的監(jiān)控圖像，由圖中可以看出，該系統(tǒng)可以在遠(yuǎn)端通過監(jiān)控節(jié)點對目標(biāo)區(qū)域的圖像進(jìn)行采集緩存，隨后通過GPRS模塊發(fā)送到遠(yuǎn)端顯示設(shè)備當(dāng)中，這證明該系統(tǒng)是可行的。

圖4 可行性驗證結(jié)果圖

隨后對其進(jìn)行運動目標(biāo)檢測跟蹤驗證，以判別系統(tǒng)是否可以實現(xiàn)監(jiān)控圖像的目標(biāo)檢測功能，以及其運動目標(biāo)檢測的能力。其所檢測出的運動目標(biāo)如圖5所示。

圖5 短時間運動物體跟蹤結(jié)果圖

圖5展示的是通過相隔21幀的兩幅幀圖像來識別監(jiān)控區(qū)域的運動目標(biāo)圖像。選取20幀的距離，是因為在這個時間段內(nèi)，物體移動了明顯的距離，方便觀察。由上圖可以看出，綠色框為其所檢測跟蹤的運動物體。

圖6 長時間運動物體跟蹤結(jié)果圖

圖6展示的是通過相隔64幀的兩幅幀圖像來識別監(jiān)控區(qū)域的運動目標(biāo)圖像。在64幀的時間里，物體已經(jīng)運行了相當(dāng)?shù)木嚯x，目標(biāo)原來的位置已經(jīng)有新的運動目標(biāo)移動過來。由圖可以看出，算法可以監(jiān)控目標(biāo)的長距離運動。

由圖6可以看出，在各種不同情境下是可以有效檢測出監(jiān)控圖像中的運動物體的，但是我們根據(jù)之前設(shè)置微小物體忽略的情況，在運動物體較小的時候其對于該物體的檢測并不準(zhǔn)確，甚至?xí)l(fā)生漏檢的情況。緊接著我們統(tǒng)計了不同大小的運動目標(biāo)情況下，系統(tǒng)的檢測準(zhǔn)確率。

圖7 不同大小運動目標(biāo)識別準(zhǔn)確率

由圖7可以看出，運動目標(biāo)的大小對于系統(tǒng)檢測的準(zhǔn)確率具有很大的影響。將目標(biāo)的大小設(shè)置為1～10平方厘米，可以看出在其他條件沒變的情況下，隨著物體越來越大，系統(tǒng)的檢測準(zhǔn)確度也隨之不斷提高。這很容易理解，由于目標(biāo)的大小越來越小使得其越來越容易低于靜態(tài)閾值門限，這會導(dǎo)致系統(tǒng)將其作為干擾進(jìn)行忽略，進(jìn)而導(dǎo)致了系統(tǒng)的檢測準(zhǔn)確度下降。

4.2 方案的不足

該方案基于ARM芯片設(shè)計了圖像監(jiān)控檢測系統(tǒng)，雖然可以很好的完成圖像監(jiān)控與運動目標(biāo)檢測功能，但是其依然存在著一些不足之處有待改進(jìn)：

1)圖像監(jiān)控系統(tǒng)為了擺脫有線線纜的束縛發(fā)展到無線監(jiān)控系統(tǒng)，但是圖像監(jiān)控系統(tǒng)會產(chǎn)生大量的視頻圖像，文中采用GPRS傳輸方式，在 當(dāng)前圖片數(shù)據(jù)量越來越大的情況下其傳輸速率以及經(jīng)濟(jì)性是否還能滿足系統(tǒng)要求。

2)在對監(jiān)控區(qū)域進(jìn)行運動目標(biāo)檢測時發(fā)現(xiàn)，雖然我們采用合適的閾值屏蔽了一些微小物體運動對系統(tǒng)帶來的影響，但是其多少 都對系統(tǒng)的準(zhǔn)確性產(chǎn)生了影響降低了其對于微小目標(biāo)的檢測效能，是否可以將目標(biāo)識別與圖像監(jiān)控相結(jié)合過濾掉不相干物體而避免對檢測結(jié)果的影響。

5 結(jié)論

本文介紹了圖像監(jiān)控檢測的目的與意義，設(shè)計了基于ARM聯(lián)合差分算法的嵌入式圖像監(jiān)控系統(tǒng)。ARM芯片具有價格低廉、功耗低、處理運算速度快的特點，利用它設(shè)計圖像監(jiān)控系統(tǒng)可以極大地降低系統(tǒng)設(shè)計成本，提高系統(tǒng)效率。同時結(jié)合無線傳輸技術(shù)，實際使用中不要進(jìn)行線纜鋪設(shè)以及線路規(guī)劃等操作，只需要將具有圖像監(jiān)控功能以及無線傳輸功能的節(jié)點架設(shè)到目標(biāo)區(qū)域即可。方案設(shè)計中為了解決線纜復(fù)雜，測量點多的問題我們采用無線傳輸?shù)脑O(shè)計方案，提高了系統(tǒng)的可擴(kuò)展性，設(shè)計采用差分法結(jié)合動靜閾值相結(jié)合的方法提高了監(jiān)控圖像的運動目標(biāo)檢測效率以及精確度，通過設(shè)置合適的閾值過濾了微小目標(biāo)的干擾，提升了系統(tǒng)的實際應(yīng)用性能。基于ARM的圖像監(jiān)控系統(tǒng)可有效控制成本，擴(kuò)展系統(tǒng)以滿足不同需要，為將來的圖像監(jiān)控提供了非常好的硬件基礎(chǔ)與方向。

參考文獻(xiàn)：

[1] 張 潔, 何曉燕, 凌志浩. 基于ARM技術(shù)的遠(yuǎn)程圖像監(jiān)控系統(tǒng)設(shè)計[J]. 自動化儀表, 2006, 27(11):5-9.

[2] 王秀芳, 張 昆, 桑圣潔. 基于ARM的圖像監(jiān)控系統(tǒng)的開發(fā)[J]. 科學(xué)技術(shù)與工程, 2011, 11(14):3313-3317.

[3] 康 樂. 基于ARM11的移動圖像檢測與監(jiān)控系統(tǒng)的研究[J]. 電視技術(shù), 2013, 37(15):52-56.

[4] 戢衛(wèi)平, 羅 飛, 曹建忠,等. 基于ARM平臺和GPRS的遠(yuǎn)程監(jiān)控系統(tǒng)[J]. 計算機應(yīng)用研究, 2006, 23(6):196-198.

[5] 張曉東, 李秀娟, 張 杰. 基于ARM的嵌入式遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計[J]. 現(xiàn)代電子技術(shù), 2008, 31(6):22-23.

[6] 馮麗芳, 孫 俊, 周俊華,等. 基于ARM9的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)實現(xiàn)[J]. 電力自動化設(shè)備, 2006, 26(10):95-97.

[7] 曾明如, 羅 浩, 徐小勇,等. 基于 ARM9的視頻監(jiān)控系統(tǒng)設(shè)計[J]. 計算機工程與設(shè)計, 2015(4):925-929.

[8] 徐繼富, 張秋林. 基于ARM11的IP網(wǎng)視頻監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[J]. 電視技術(shù), 2012, 36(13):125-127.

[9] 趙書朵, 諶海云, 高鳳水,等. 基于ARM的嵌入式多路遠(yuǎn)程視頻監(jiān)控系統(tǒng)的設(shè)計[J]. 中國測試, 2010, 36(5):66-68.

[10] 肖政宏, 韓秋鳳, 朱麗群. 基于ARM和DSP的遠(yuǎn)程視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[J]. 計算機工程與科學(xué), 2006, 28(9):53-55.

[11] 陸周雷. 基于改進(jìn)的背景差分模型的智能視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D]. 北京:北京郵電大學(xué), 2011.

[12] 郭 聳. 基于背景差分算法的目標(biāo)監(jiān)控系統(tǒng)的研究[D]. 哈爾濱:哈爾濱工業(yè)大學(xué), 2005.

[13] 譚塈元, 吳成東, 周 蕓,等. 智能圖像監(jiān)控系統(tǒng)異常目標(biāo)檢測算法研究[J]. 機電工程, 2009, 26(3):12-15.

[14] 陳鳳東, 洪炳镕. 基于動態(tài)閾值背景差分算法的目標(biāo)檢測方法[J]. 哈爾濱工業(yè)大學(xué)學(xué)報, 2005, 37(7):883-884.

[15] 崔 鵬, 周 兵, 楊鎮(zhèn)江. 基于特征大小的背景差分算法研究[J]. 微計算機信息, 2010, 26(12):182-183.

[16] 龔 鼎, 曹廣忠. 一種基于背景差分算法的實時運動檢測跟蹤系統(tǒng)的設(shè)計[J]. 電腦知識與技術(shù):學(xué)術(shù)交流, 2016, 12(8):207-209.

[17] 朱明旱, 羅大庸, 曹倩霞. 幀間差分與背景差分相融合的運動目標(biāo)檢測算法[J]. 計算機測量與控制, 2005, 13(3):215-217.

[18] 李 強, 趙亦工, 高永晶. 基于背景差分的動目標(biāo)檢測算法研究[J]. 遙測遙控, 2007, 28(6):68-72.