北京信息科技大學 崔 勇 胡順順

隨著時代的進步，社會的發(fā)展，我們應提高自己的道德修養(yǎng)。但是有時候我們無法自律，隨手丟垃圾的現(xiàn)象屢見不鮮，所以我們有了利用攝像頭進行自動識別行人是否亂丟垃圾，及時督促違反者改正的錯誤的構想。我們分四個模塊來完成，即預處理、對行人的特征識別、亂扔垃圾行為判定。

1 研究背景

當我們走在路上時，時常會看到一些人不顧環(huán)境衛(wèi)生亂扔垃圾，甚至在垃圾箱附近也毫不收斂，以至于我們可以經(jīng)常看見垃圾桶里空空如也，而其周圍垃圾卻堆積如山。隨手丟垃圾或許很方便，但是你有沒有想過，社區(qū)環(huán)境是大家的，你貪圖了一時之快，卻會影響整個社區(qū)的容貌。由此便引發(fā)出一個問題：如何減少人們這種隨便扔垃圾的不良習慣？我們認為，當行人亂丟垃圾時，如果有檢測系統(tǒng)發(fā)出聲音進行警告，由于播放的聲音比較大，能讓周圍的人聽見，即使丟垃圾者沒有看見提示標語或者沒有意識到自己的行為是錯誤的，妄圖蒙混過關，但礙于面子，也會強行制止他們丟垃圾的壞習慣。

2 當前社會的解決方法

社會上其他人難道對這種情況熟視無睹嗎？我們在網(wǎng)上搜尋了有關此問題的解決方案，發(fā)現(xiàn)大多數(shù)的方案只是停留在紙面工作上，比如：制作禁止隨便扔垃圾的標語紙板、貼一些保護環(huán)境的告示、極少的幾個方案中寫道派人監(jiān)督。我們認為這種解決方法是不可行的，貼告示只是“防君子不防小人”，人們在隨便扔垃圾時并不理會告示寫了什么，當派人抓住他們時，他們也只會說“沒看見，下次不扔了，對不起?！边@樣的話語，下次照扔不誤。并且派人監(jiān)督費時費力，當人們下班休息時，這段時間無法保證沒人趁此機會亂丟垃圾。所以，我們認為當前社會在解決這一問題上并沒有能夠長期運作的解決方案。

為此，我們團隊通過研發(fā)一種監(jiān)測系統(tǒng)監(jiān)督行人亂扔垃圾的系統(tǒng)，實時監(jiān)控并提醒行人不要亂丟垃圾，保障環(huán)境衛(wèi)生，提高國民素質。

3 基于計算機視覺的扔垃圾監(jiān)控提示系統(tǒng)

本系統(tǒng)利用攝像頭拍攝一組數(shù)據(jù)，當檢測到視頻內有行人時，系統(tǒng)會檢測行人手中是否存在垃圾。如果檢測到垃圾從行人手中掉落時，則會給出語音“請不要亂扔垃圾”給予路人警示。

制作系統(tǒng)的思路如圖1所示。

圖1 主要思路

本系統(tǒng)基于一些條件與假設。首先要求純白色背景，其對比度高，更容易進行邊緣檢測。其次要求光照均勻，保證幀與幀之間的垃圾不會因為光線明暗導致系統(tǒng)判定失誤。然后人與垃圾的要與攝像頭保持合適距離，使得人與垃圾清晰可見。并且地面沒有無關物體。無關物體比如秋季落葉，雪花、錢包之類的干擾因素；最后要求垃圾的顏色假設為紅、綠、藍。

本系統(tǒng)的創(chuàng)新性在于能夠結合攝像頭對目標物體進行定位，由計算機對當時人與垃圾的位置情況進行分析。能夠滿足實時監(jiān)督行人的需求。有效地避免了行人亂丟垃圾卻無人提醒的問題。垃圾與行人位置的模糊判斷，也最大程度的精簡了數(shù)據(jù)，有效地避免了運行過于麻煩導致無法及時提醒的問題。并且由于是機器工作，所以大大地減少了人工成本。

圖2 行人測試效果

4 行人與垃圾檢測

4.1 行人識別與輪廓提取

我們選擇用圖像差分法來進行行人檢測。幀間差分法是一種通過對視頻圖像序列的連續(xù)兩幀圖像做差分運算獲取運動目標輪廓的方法。當監(jiān)控場景中出現(xiàn)異常目標運動時，相鄰兩幀圖像之間會出現(xiàn)較為明顯的差別，兩幀相減，求得圖像對應位置像素值差的絕對值，判斷其是否大于某一閾值，再通過二值化處理進而分析視頻或圖像序列的物體運動特性。行人測試效果如圖2所示。

圖3 垃圾測試效果

根據(jù)差分法的特點，連續(xù)兩幀相減后即可獲得求得圖像對應位置像素值差的絕對值。我們運用dilate函數(shù)膨脹圖像，然后運用sobel算子分別檢測水平邊緣與垂直邊緣的。Sobel算子對于象素的位置的影響做了加權，可以降低邊緣模糊程度，使得效果更好。然后使用Canny函數(shù)進行邊緣提取最后運用findContours檢測輪廓。

分別提取輪廓中x、y的最大值與最小值，然后分別做差在相除即可得到此時行人的長寬比。當長寬比為＜1時，此時矩形為長方形，以此為條件作為判斷是否為行人的條件。

4.2 垃圾檢測與輪廓獲取

首先根據(jù)我們假定垃圾的顏色為：紅、綠、藍三個基本顏色。使用inRange函數(shù)根據(jù)顏色范圍篩選提取垃圾物體。選用dilate函數(shù)膨脹圖像，然后運用sobel算子分別檢測水平邊緣與垂直邊緣的，最后使用Canny函數(shù)進行邊緣提取最后運用findContours檢測輪廓。垃圾測試效果如圖3所示。

圖4 效果圖

4.3 檢測人與垃圾的距離與判定

我們選取人與垃圾輪廓數(shù)組中縱坐標最小的的坐標信息作為二者的位置，當二者的位置大于40個像素點時判定為亂扔垃圾。

5 實驗結果

我們在教學樓附近采集了一些結果，圖為其中的一個影像，我們運用系統(tǒng)把人和垃圾識別出來并加以跟蹤，如果其手中的垃圾掉落時，系統(tǒng)會進行判斷并加以警告。測試效果如圖4所示，框定垃圾與人之間的距離大于40個像素，系統(tǒng)判定存在亂扔垃圾行為。

本文設計并實現(xiàn)了一種基于計算機視覺的扔垃圾監(jiān)控提示系統(tǒng)。利用了攝像頭來拍攝行人，系統(tǒng)來判斷是否為亂扔垃圾。在我們設定的條件下，系統(tǒng)可以完善的識別并運行判斷。但是如果要運用于生活中，該系統(tǒng)還需要加以完善，克服一些干擾因素。