李 毅，李珊珊

(1.天津科技大學(xué) 電子信息與自動化學(xué)院，天津 300222；2.天津城建大學(xué) 土木工程學(xué)院，天津 300384)

無人值守的實驗室面臨著不小的安全威脅，雖然各種探測器已經(jīng)可以很好地監(jiān)測煙火事故，但對于人員非法進入仍缺乏有效監(jiān)測手段[1]。

因此，這里提出應(yīng)用OK6410的嵌入式實驗室智能值守系統(tǒng)的處理方案，為實驗室安保智能化方面做出探索。

1 算法原理

1.1 算法的基本思路

人通過分析理解畫面內(nèi)容獲取信息——一旦有目標進入場景，原有的部分畫面被遮擋，視覺神經(jīng)會得出畫面改變、目標出現(xiàn)的結(jié)論[2]。

與之類似，智能值守系統(tǒng)也通過一定的準則來確認畫面內(nèi)是否出現(xiàn)目標，即是否存在灰度明顯變化的區(qū)域。由于實驗室是穩(wěn)定的室內(nèi)環(huán)境，一旦有目標的進入，當前幀與背景畫面之間就會存在明顯差異，只要能將其捕捉，就可以確認可疑目標出現(xiàn)并攝錄取證報警。

1.2 應(yīng)用背景差分法捕獲目標

本系統(tǒng)選擇背景差分法(Background Subtraction)作為捕獲移動目標的工具，這種算法利用輸入視頻幀和背景圖像的差來進行運動檢測[3]。

具體來講，一旦有目標出現(xiàn)，該幀圖像和背景模型間就會存在顯著差異，將兩者進行差分運算，再進行去噪處理后，就可以獲得出現(xiàn)目標的具體區(qū)域。如式(1)所示：

Dk(i,j)=|X(i,j)-B(i,j)| .

(1)

X(i,j)∈FG 如果Dk(i,j)≥Ttarget

X(i,j)∈BG 如果Dk(i,j)

其中，X(i,j)為待判斷圖像中某點的像素值，B(i,j)為高斯背景模型。FG為前景目標區(qū)域，BG為背景區(qū)域，Ttarget為判斷閾值。

1.3 應(yīng)用多高斯模型建立背景模型

這里選擇多高斯模型建立穩(wěn)定的參考背景[4]。

圖像中每個像素點X(x,y)的灰度值的變化取值符合高斯分布，其均值μ和方差σ2分別為：

(2)

(3)

P(Xt)≤Tbackground.

(4)

則該點歸屬目標區(qū)域，否則歸屬背景區(qū)域，這種背景模型被稱為單高斯模型[5]。對于恒定不變的單模態(tài)場景，該模型可以有效地表示背景，但如果背景中有動態(tài)因素時，圖像中同一個位置的像素值在一個時間段內(nèi)可能存在幾個范圍的分布，單高斯背景模型的性能會急劇下降。Stauffe等人提出了混合高斯背景模型算法，可以有效地解決這一問題，其基本思想是利用多個高斯分布來描述背景中同一個像素點像素值的分布情況[6]。對每個像素點建立N個高斯分布，共同模擬此點的背景值，即：

(5)

(6)

這樣，各點的高斯背景就由靜態(tài)分布變?yōu)榱藙討B(tài)分布，并依如下方式進行模型更新：首先，按照前幾幀圖像的灰度分布情況為每一像素點建立相應(yīng)的混合高斯分布模型，之后，將新緩沖圖像的每個像素點與該點已有的若干高斯模型相比較，若不匹配，則增加新的高斯模型[7]。若匹配，則按式(7)～式(9)更新該高斯分布的參數(shù)：

ωi,t=(1-a)ωi,t-1+a.

(7)

μi,t=μi,t-1+β(Xt-μi,t-1) .

(8)

(9)

其中，α∈[0, 1]，為自定義學(xué)習率，β為方差更新權(quán)值。

1.4 算法流程

本系統(tǒng)的算法流程如圖1所示，首先用多高斯法建立背景模型，之后用背景差分法計算新獲取的圖像與背景的差值，一旦發(fā)現(xiàn)目標進入，啟動報警程序，并將現(xiàn)場畫面?zhèn)鞒觥?/p>

圖1 算法流程

2 實驗室智能值守系統(tǒng)的組成

2.1 系統(tǒng)硬件組成

本系統(tǒng)的硬件組成如圖2所示，攝像頭負責采集圖像，網(wǎng)絡(luò)模塊負責傳輸數(shù)據(jù)，而OK6410開發(fā)板負責算法的執(zhí)行。

圖2 系統(tǒng)硬件組成

2.2 系統(tǒng)的軟件構(gòu)成

本系統(tǒng)軟件組成如圖3所示，選擇內(nèi)核為3.0.1的嵌入式linux作為操作系統(tǒng)，同時添加攝像頭驅(qū)動、網(wǎng)卡驅(qū)動及聲卡驅(qū)動，使OK6410開發(fā)板具備完整的軟硬件功能。

圖3 系統(tǒng)軟件組成

軟件程序編寫分為圖像采集、背景模型建立、背景差分循環(huán)及網(wǎng)絡(luò)報警等部分。其中，多高斯背景模型學(xué)習的時長為500幀，背景模型建立后與新獲取的圖像進行差分運算，一旦發(fā)現(xiàn)目標，即驅(qū)動聲卡進行語音報警，之后每隔0.5 s將現(xiàn)場照片通過網(wǎng)絡(luò)上傳。

3 實驗結(jié)果及分析

圖4為部分實驗結(jié)果，其中，監(jiān)測到的目標用方框標記?？梢钥吹?，當可疑人員進入實驗室后，系統(tǒng)會第一時間捕捉目標并持續(xù)上傳現(xiàn)場照片，說明本系統(tǒng)達到了預(yù)期設(shè)計目的。

圖4 部分實驗結(jié)果

4 結(jié)束語

本系統(tǒng)運用圖像處理的手段完成對實驗室異常進入目標的實時監(jiān)測，體積小巧、反應(yīng)靈敏，具備實用價值，為實驗室安保的智能化、網(wǎng)絡(luò)化發(fā)展做了有益探索。

[1] 黃坤,李彥啟.我國高校實驗室安全管理現(xiàn)狀分析與對策[J].實驗室研究與探索,2015,34(1):280-283.

[2] 劉曉玲.視覺神經(jīng)生理學(xué)[M].北京:人民衛(wèi)生出版社,2012:45-52.

[3] 倉園園,孫玉寶,劉青山.基于分層魯棒主成分分析的運動目標檢測[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2014,26(4):538-544.

[4] Feng Guo,Jingchang Huang,Xin Zhang, et al. A Classification Method for Moving Targets in the Wild Based on Microphone Array and Linear Sparse Auto-encoder[C].Neurocomputing,2017,241:28-37.

[5] Lin L,Xu Y,Liang X,et al.Complex Background Subtraction by Pursuing Dynamic Spatio-temporal Models[J].IEEE Transactions on Image Processing, 2015,23(7):3191-3202.

[6] Song YM,Noh SJ,Yu J, et al. Background Subtraction Based on Gaussian Mixture Models Using Color and Depth Information [C]. International Conference on Control,2015 :132-135.

[7] Elharrouss O,Moujahid D,Tairi H. Motion Detection Based on the Combining of the Background Subtraction and the Structure-texture Decomposition[J].Optik-International Journal for Light and Elec.,2015,126(24):5992-5997.