寇旭日 張博仁 徐烽 陳浩 葉霖

摘 要 “十三五”國家老齡事業(yè)發(fā)展和養(yǎng)老體系建設(shè)規(guī)劃鼓勵發(fā)展居家社區(qū)養(yǎng)老服務(wù)，實施“互聯(lián)網(wǎng)+”養(yǎng)老工程。順勢而為，我們提出基于運動檢測的智能老人監(jiān)護警報系統(tǒng)，同時分析了系統(tǒng)的關(guān)鍵技術(shù)，運動目標檢測技術(shù)和運動目標追蹤技術(shù)。系統(tǒng)采用Visual Studio 2017開發(fā)平臺，結(jié)合計算機視覺庫OpenCV編程實現(xiàn)。

關(guān)鍵詞 智能老人監(jiān)護警報系統(tǒng)；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(jīng)濟和社會發(fā)展統(tǒng)計公報》指出，年末全國大陸總?cè)丝?39 008萬人，60周歲及以上人口數(shù)24 090萬，占比17.3%，其中65周歲及以上人口數(shù)15 831萬，占比11.4%?；诋斚滦蝿莸男枰?，我們以獨居、空巢老年人為重點，建立居家智能老人監(jiān)護警報平臺，重點拓展遠程提醒、動態(tài)監(jiān)測等功能，方便養(yǎng)老服務(wù)機構(gòu)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(huán)境。

1 系統(tǒng)描述

該系統(tǒng)是在Visual Studio2017開發(fā)環(huán)境下，基于MFC的單文檔應(yīng)用程序，調(diào)用OpenCV視覺庫的相關(guān)函數(shù)實現(xiàn)，具體過程如下：

讀入視頻數(shù)據(jù)，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(tǒng)計連通區(qū)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(shù)[3]提取外部輪廓。

統(tǒng)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(tǒng)發(fā)送郵件向監(jiān)測中心警報，以得到及時有效的救助。

2 核心技術(shù)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(qū)域從背景圖像中提取出來。然而，由于背景圖像的動態(tài)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(zhàn)。本文我們采用背景減法來檢測運動目標，該算法能更穩(wěn)定的處理噪聲和捕捉目標，其核心是構(gòu)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(tài)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(shè)定累加幀數(shù)，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(lián)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(xiàn)圖像的二值化，其關(guān)鍵技術(shù)是最優(yōu)閾值的確定，系統(tǒng)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(tài)學(xué)處理

此時的二值圖像往往有噪聲，表現(xiàn)為目標周圍的噪聲塊和內(nèi)部的噪聲孔[ 2 ]，我們使用數(shù)學(xué)形態(tài)學(xué)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(shù)

運動目標跟蹤技術(shù)就是在視頻圖像序列中實時地發(fā)現(xiàn)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(lián)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(qū)域的跟蹤、基于動態(tài)輪廓的跟蹤和基于特征的跟蹤[5]。

本文我們采用基于動態(tài)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(tǒng)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(shè)定的閾值比較，若超出范圍，表示老年人此時處于危險狀態(tài)，系統(tǒng)自動發(fā)送郵件警報，郵件的附件中包含捕捉到的危險狀態(tài)的幀圖像。

3 實驗結(jié)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(jié)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(xiàn)了危險狀態(tài)的及時警報。

4 結(jié)論

把視頻采集設(shè)備安裝在室內(nèi)房間，采用計算機視覺獲取人體活動狀態(tài)的圖像信息，實現(xiàn)老年人活動狀況的監(jiān)測，通過目標跟蹤技術(shù)實現(xiàn)了異常行為的及時警報，本系統(tǒng)是健康智能家庭技術(shù)研究方向的擴充，保證了老年人安全的生活環(huán)境，對解決空巢家庭獨居老人的監(jiān)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(shù)學(xué)形態(tài)學(xué)在作物病害圖像處理中的應(yīng)用研究[J].中國圖象圖形學(xué)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.