金曉磊，樊明輝，潘 鵬

（1.福州大學(xué) 物理與信息工程學(xué)院，福州 350002；2福建師范大學(xué) 光電與信息工程學(xué)院，福州 350007）

隨著中國經(jīng)濟的快速發(fā)展和國家新型城鎮(zhèn)化規(guī)劃（2014～2020年）建設(shè)，高層建筑的普及變成不可避免的事，因為電梯具有快捷、省力、相對安全的特點，電梯作為必要垂直運輸工具，將得到大量的應(yīng)用，過去十年間，國內(nèi)電梯擁有數(shù)總量持續(xù)增漲，據(jù)國家質(zhì)量監(jiān)督檢驗檢疫總局?jǐn)?shù)據(jù)，截至2016年底，全國在用電梯總量達(dá)到493.69萬臺[1]。電梯的安全問題一直是人民密切關(guān)注的問題，電梯一旦出現(xiàn)事故，致死的概率高達(dá)70%，電梯的載客量一般是13～15人，但是經(jīng)常超過載客量上限仍然有人進入，超載電梯會加劇電梯事故的發(fā)生[2-3]。在國家大力提倡節(jié)能減排的情況下，如何有效地提高電梯的使用效率，減少功耗是一個重要的課題。因此人數(shù)檢測不僅對超載問題還是提高電梯性能的派梯策略算法是至關(guān)重要的因素，所以對電梯轎箱內(nèi)人數(shù)的檢測具有重要的意義。

傳統(tǒng)的通過監(jiān)控視頻的人工計數(shù)方式或者傳感器觸發(fā)計數(shù)的方法，雖然可以實現(xiàn)人數(shù)的統(tǒng)計但是高成本、低效率、安裝困難、計數(shù)效果不理想，后來通過較簡單的光電傳感、紅外傳感器實現(xiàn)人數(shù)檢測，此系統(tǒng)在人員密集過大的情況下，由于傳感器本身不可避免的缺陷，導(dǎo)致檢測精度出現(xiàn)較大的誤差。現(xiàn)在電梯轎廂內(nèi)攝像頭變成了一個必須安裝的設(shè)備，電梯轎廂內(nèi)的監(jiān)控視頻圖像可以很容易獲取，不需要額外的傳感器，因此選擇以視頻圖像處理為基礎(chǔ)，通過計算機視覺來實現(xiàn)電梯轎廂內(nèi)人數(shù)的檢測。

綜上所述，采用CortexA8處理器作為整個系統(tǒng)的硬件處理器核心[4]，通過在ARM-Linux中移植OpenCV作為系統(tǒng)的軟件處理核心，通過改進的隨機Hough算法來作為電梯轎廂內(nèi)人數(shù)檢測系統(tǒng)的核心算法。

1 人數(shù)檢測系統(tǒng)總體設(shè)計

系統(tǒng)采用USB攝像頭加高性能的ARM作為整個系統(tǒng)的硬件架構(gòu)。在ARM_Linux系統(tǒng)上移植OpenCV，通過USB攝像頭采集視頻圖像，結(jié)合基于計算機視覺的人數(shù)識別算法，在ARM上實現(xiàn)人數(shù)檢測。系統(tǒng)總體設(shè)計方案如圖1所示，系統(tǒng)由硬件層、操作系統(tǒng)層、應(yīng)用軟件層三部分組成。

圖1 系統(tǒng)總體設(shè)計方案Fig.1 Diagram of total designing scheme

硬件層部分 S5PV210核心板作為人數(shù)檢測系統(tǒng)的控制處理中心，整個開發(fā)板還包括USB攝像頭模塊、電源模塊、復(fù)位及時鐘模塊、串口模塊、以太網(wǎng)卡接口模塊、SD卡存儲及內(nèi)存存儲模塊；

操作系統(tǒng)層部分 操作系統(tǒng)部分又由以U-Boot為基礎(chǔ)的BootLoader、選擇使用Yaffs的文件系統(tǒng)、Linux內(nèi)核選擇3.0.8版本的內(nèi)核；

應(yīng)用軟件層部分 Opencv結(jié)合相應(yīng)算法編寫應(yīng)用程序，實現(xiàn)對電梯轎廂內(nèi)的狀態(tài)進行識別。

2 系統(tǒng)開發(fā)平臺的搭建與圖像采集

2.1 系統(tǒng)開發(fā)平臺的搭建

Bootloader制作 Bootloader用于引導(dǎo)操作系統(tǒng)內(nèi)核，為系統(tǒng)的啟動進行硬件初始化、分配內(nèi)存空間和系統(tǒng)配置等工作。Bootloader的移植過程分為四步：①解壓下載的u-boot.tat.bz2文件；②修改編譯腳本、添加S5PV210的平臺信息；③選擇交叉編譯接和編譯需要的文件；④執(zhí)行編譯，生成u-boot.bin文件。

Linux內(nèi)核移植 本系統(tǒng)選擇Linux3.0.8作為系統(tǒng)的內(nèi)核，移植分為三步：①下載Linux-3.0.8-20111118.tar.gz源代碼并解壓安裝；②清除原有配置與中間無效積累的文件；③配置和編譯內(nèi)核下命令解壓，配置主要包括：選擇Linux開發(fā)平臺為ARM、修改Nandflash分區(qū)表、修改內(nèi)核配置文件等。

根文件系統(tǒng)移植 選擇YAFFS作為轎廂人數(shù)檢測系統(tǒng)的文件系統(tǒng)，YAFFS具有高效性易移植，且專門針對嵌入式系統(tǒng)設(shè)計的文件系統(tǒng)。文件系統(tǒng)植過程分為四步：①創(chuàng)建目錄；②創(chuàng)建設(shè)備文件；③加入配置文件；④添加內(nèi)核模塊。

2.2 基于V4L2的電梯轎廂內(nèi)視頻捕抓

V4L2是針對UVC免驅(qū)USB設(shè)備的編程框架[5]，主要用來輔助USB攝像頭采集視頻圖像，圖像的采集過程分為打開設(shè)備、設(shè)置視頻的制式和幀格式、分配緩沖區(qū)及物理內(nèi)存、讀取數(shù)據(jù)、處理數(shù)據(jù)、關(guān)閉設(shè)備等步驟，圖像采集流程如圖2所示。

3 基于Hough變換的電梯轎廂內(nèi)的人數(shù)檢測

由于電梯轎廂內(nèi)特定的應(yīng)用環(huán)境，大量情況下由于電梯轎廂內(nèi)攝像頭的距離、安裝角度等原因，同時乘客在轎廂內(nèi)的站立的方向不一致，導(dǎo)致無法完全獲取圖像的人臉信息只能獲取乘客頭部輪廓、頭發(fā)等信息。雖然正面人臉檢測技術(shù)比較成熟，但是在轎箱內(nèi)的場景下無法實現(xiàn)人數(shù)統(tǒng)計。通過安裝垂直攝像頭俯視對著轎廂內(nèi)部采集視頻圖像，可以解決多人擁擠遮擋的情況，由于Hough變換的可靠性高、技術(shù)成熟，對于噪聲和遮擋都有較好的魯棒性，且每個人的頭部輪廓都是類似于圓形，所以采用基于改進隨機Hough變換算法來進行乘客人數(shù)統(tǒng)計，來實現(xiàn)在電梯轎廂內(nèi)特定的環(huán)境下進行準(zhǔn)確的乘客人數(shù)統(tǒng)計。

圖2 電梯轎廂內(nèi)圖像采集流程Fig.2 Flow chart of acquiring picture in indoor elevator

3.1 傳統(tǒng)Hough圓檢測算法分析

Hough變換是一種使用表決原理的參數(shù)估計技術(shù)[6-7]，基本思想是憑借圖像空間和Hough參數(shù)空間的點與線之間對偶的關(guān)系，該過程在一個參數(shù)空間中通過累積器，借助一個符合預(yù)先設(shè)定的閾值，得到一個符合該特定形狀的集合作為霍夫變換結(jié)果。Hough線變換可以有效地避免圖像中一些特征點遮擋現(xiàn)象的干擾，具有很好的容錯性和魯棒性。

直角坐標(biāo)系中圓一般方程式為

式中：（a，b）為圓心；r為圓的半徑。

如果我們將式（1）中a-b-r看成未知數(shù)，x-y看成常量，那么式（1）就是一個圓錐方程。那么在x-y平面上的a-b-r 3個參數(shù)就可以確定一個圓錐面，將所有的a-b-r點映射到參數(shù)空間中，所有的錐面會相交于點（a0，b0，r0）。 這樣就將檢測圓的問題轉(zhuǎn)化為了求參數(shù)空間中圓錐面交點的問題，參數(shù)為x-y的平面轉(zhuǎn)換為參數(shù)a-b-r空間中的示意圖如圖3所示。

如圖3所示，可以看出在x-y的平面上的同一個圓所有的a-b-r點映射到參數(shù)為a-b-r的空間中，會形成多個圓錐，圓錐簇必相交于一點（a0，b0，r0），其中（a0，b0）為圓心、r0為圓半徑，這樣就可以獲取圓的信息。但是Hough變換需要用到投票積累技術(shù)，如果直接用Hough變換檢測轎廂內(nèi)乘客人數(shù)，那么需要在三維空間進行參數(shù)累加，會需要大量的內(nèi)存空間，假設(shè)檢測一張分辨率大小為300*300的圖像，那么就需要消耗300*300*300大小字節(jié)的參數(shù)空間，導(dǎo)致檢測速度緩慢。所以本文采用一種改進的隨機Hough變換算法來實現(xiàn)轎廂內(nèi)人數(shù)的實時統(tǒng)計。

圖3 Hough圓檢測原理Fig.3 Circle detection principle base on Hough

3.2 改進的隨機Hough變換檢測圓算法

為了解決傳統(tǒng)Hough變換所固有的缺點，人們提出隨機Hough變換（randomized Hough transform）。在二維空間的方程為

式中：（a，b）為圓心坐標(biāo)；r為圓的半徑。要確定一個圓就需要確定a、b、r三個未知的參數(shù)，需要在圓上取三個點（x1，y1）、（x2，y2）、（x3，y3），將 3 個點帶入式（2）：

聯(lián)立三個方程就可以求得圓心（a，b）和半徑r。確定圓心坐標(biāo)（a1，b1）和半徑 r1，在邊緣點中再取第四個點帶入帶入式（2），求出半徑 r4，將r4與r1比較如式（6）所示：

θ1與預(yù)設(shè)的θ比較，當(dāng)θ1小于θ時則確定為候選圓，接著選取其他邊緣點，每當(dāng)θi小于預(yù)設(shè)的θ時累加器加1，直達(dá)累加器的值達(dá)到預(yù)定的閾值，這確定為一個真圓。當(dāng)處理復(fù)雜圖像中會產(chǎn)生大量的無效積累，當(dāng)同時需要檢測多個圓時無法準(zhǔn)確進行識別，出現(xiàn)相互遮擋的情況無法進行準(zhǔn)確的判斷，針對這些問題本文通過結(jié)合兩種方法來提高測試精度，首先通過半徑大小和圓心位置的關(guān)系來減少無效累計，其次利用圓的特性通過梯度來減少無效積累。

因為我們使用在電梯轎廂特定的工作環(huán)境，檢測的目標(biāo)就是乘客頭部形成的圓的輪廓，針對這一問題在程序中加入了半徑大小和圓心所在位置區(qū)域作為限定條件。圓上任意3個點，過這3個點做法線，3條法線必相交于圓心，圓心到任意一點的距離為半徑，根據(jù)這一定理，為了減少檢查算法過程中造成的無效累積，可以利用梯度計算來來預(yù)先判斷隨意選取的3個點是否在同一個圓上，如果3條法線相交于一點，則判斷為在同一圓上，累加器進行累加，否則這不予計算。

本文人數(shù)檢測算法總體流程如圖4所示。

圖4 轎廂內(nèi)人數(shù)檢測總體流程Fig.4 Flow chart of the detection about numble of people in indoor elevator

具體步驟如下：

（1）圖像去噪：因為采集的過程中一定會受到噪聲的影響，本文通過圖像平滑來減少噪聲對采集圖像質(zhì)量的影響，灰度雙邊濾波，在圖像去噪聲的同時又保存了圖像中大部分細(xì)節(jié)信息；

（2）運用Canny算法檢測獲取邊緣圖像，并二值化處理；

（3）利用Sobel算子計算圖像中所有邊緣點的梯度并儲存；

（4）隨機取3個邊緣點，根據(jù)圓上任意3點的法線相交于圓心，利用3點的梯度做直線；

（5）對所有直線的交點做累加，預(yù)先設(shè)定閾值，當(dāng)累加器的值達(dá)到預(yù)設(shè)閾值，判定為候選圓心并計算半徑；

（6）計算候選圓半徑和圓心位置，如果符合預(yù)設(shè)的最大值rmax、最小值rmin以及圓心位置范圍，確定為真圓；

（7）在圖像中畫出確定的真圓，累積器加1；

（8）檢測結(jié)束。

這種算法相對于隨機Hough圓檢測，可以避免大量的無效累計，提高運行時間的同時也提高了檢測的精度。

4 系統(tǒng)驗證

實驗結(jié)果如圖5所示，圖5（a）為截取的視頻的一幀圖像，圖5（b）為對原始采集圖像經(jīng)過灰度處理的結(jié)果，圖5（c）為圖像灰度雙邊濾波結(jié)果，圖5（d）為最后通過改進的隨機Hough算法檢測的最終結(jié)果，通過圓心的點數(shù)獲取的人頭總數(shù)，通過與原圖比較證明了算法的準(zhǔn)確性。

圖5 人數(shù)檢測實驗過程Fig.5 Process about detection of the number of people

5 結(jié)語

本文采用CortexA8處理器作為整個系統(tǒng)的硬件處理器核心，通過在ARM-Linux中移植OpenCV作為系統(tǒng)的軟件處理核心，利用改進的Hough算法，大大降低了處理復(fù)雜圖像時會產(chǎn)生的大量無效積累，改善同時檢測多位乘客和出現(xiàn)相互遮擋的情況。實驗結(jié)果表明，該算法精度高，運行時間較傳統(tǒng)的RHT算法有較大的提高，魯棒性也有了較大提高。

參考文獻(xiàn)：

[1] 中國產(chǎn)業(yè)信息網(wǎng).2017年中國電梯產(chǎn)量、保有量及行業(yè)發(fā)展趨勢 [EB/OL].http：//www.chyxx.com/industry/201705/520639.html，2017-05-09/2017-10-16.

[2] 李健輝.電梯事故首負(fù)責(zé)任，行業(yè)無法承受之殤[J].中國物業(yè)管理，2015（2）：8-10.

[3] 郭雯雯.電梯事故分析及監(jiān)督檢驗對策[J].質(zhì)量技術(shù)監(jiān)督研究，2006（8）：102-104.

[4] 陳偉華，張?zhí)?基于ARM移動機器人視覺系統(tǒng)的設(shè)計[J].機電工程技術(shù)，2012，41（7）：26-29

[5] 潘寧，楊丹，宋恩民.WinCE下基于ARM的USB攝像頭圖像采集[J].微計算機信息，2008，24（21）：271-272

[6] 丁幼春，王書貿(mào).基于RHT的多圓檢測改進算法[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2008，13（4）：121-125.

[7] 虞旦，韋巍.改進的隨機圓檢測算法[J].中國圖像圖形學(xué)報，2009，14（8）：1590-1593.