花蕾　時(shí)春翔　林紅

摘要：針對(duì)傳統(tǒng)的視頻監(jiān)控人數(shù)統(tǒng)計(jì)系統(tǒng)，本文設(shè)計(jì)了一款基于四軸飛行器的人數(shù)統(tǒng)計(jì)系統(tǒng)。利用四軸飛行器搭載的相機(jī)進(jìn)行視頻采集，獲取某一區(qū)域的人流信息;通過(guò)無(wú)線圖像傳輸器將視頻信息傳輸至PC端，PC端對(duì)視頻信息進(jìn)行圖像處理分析后實(shí)時(shí)給出人數(shù)統(tǒng)計(jì)結(jié)果，實(shí)現(xiàn)了區(qū)域人數(shù)識(shí)別的高度靈活性。

關(guān)鍵詞：四軸飛行器;圖像處理;人數(shù)統(tǒng)計(jì)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）03-0106-03

0 引言

自從計(jì)算機(jī)視覺(jué)誕生以來(lái)，基于視頻監(jiān)控的人數(shù)統(tǒng)計(jì)便成為了一個(gè)重要的研究方向。由于其在實(shí)際生活中的應(yīng)用很多且前景廣闊，所以人數(shù)統(tǒng)計(jì)在計(jì)算機(jī)視覺(jué)這一領(lǐng)域具有舉足輕重的地位。近年來(lái)，大量的科研人士或商業(yè)人士都積極投身于這一領(lǐng)域，做出了巨大的貢獻(xiàn)，而且取得的了極具價(jià)值的成果。如今，基于視頻監(jiān)控的人數(shù)統(tǒng)計(jì)方法已有很多且趨于成熟。比如基于區(qū)域的人數(shù)識(shí)別[1]、基于頭部特征的檢測(cè)方法[2-3]、利用輪廓特征的檢測(cè)方法[4]、基于頭發(fā)紋理的檢測(cè)方法等[5-6]。目前絕大多數(shù)的人數(shù)識(shí)別系統(tǒng)都需要安裝固定的監(jiān)控才能實(shí)現(xiàn)其功能，不具備高度的靈活性，而且識(shí)別的區(qū)域固定。在一些旅游景點(diǎn)、戶外活動(dòng)場(chǎng)所等不易安裝監(jiān)控的區(qū)域，利用可移動(dòng)拍攝裝置則可以輕易獲取某區(qū)域的人流信息。當(dāng)發(fā)生緊急狀況時(shí)，管理者可以迅速采取緊急措施，避免不必要的損失。

鑒于當(dāng)前無(wú)人機(jī)的研究成為熱門領(lǐng)域之一，本文設(shè)計(jì)了一個(gè)基于四軸飛行器的人數(shù)統(tǒng)計(jì)系統(tǒng)。通過(guò)四軸飛行器搭載相機(jī)來(lái)獲取特定區(qū)域的人流信息;再由無(wú)線圖像傳輸器將視頻信息傳輸?shù)絇C端;PC端采用基于區(qū)域的人數(shù)識(shí)別算法對(duì)接收到的視頻信息進(jìn)行圖像分析處理，進(jìn)而實(shí)現(xiàn)活動(dòng)區(qū)域的跟蹤與區(qū)域人數(shù)的統(tǒng)計(jì)。解決了傳統(tǒng)人數(shù)識(shí)別系統(tǒng)只能識(shí)別固定區(qū)域的問(wèn)題，實(shí)現(xiàn)了區(qū)域人數(shù)識(shí)別的高度自由性。而且相比于安裝固定監(jiān)控，利用四軸飛行器實(shí)現(xiàn)人數(shù)統(tǒng)計(jì)的成本更低，適用范圍更廣，可移植性更高。

1 系統(tǒng)設(shè)計(jì)

基于四軸飛行器的區(qū)域人數(shù)識(shí)別系統(tǒng)總框架圖如圖1所示，由相機(jī)、四軸飛行器、無(wú)線圖像傳輸器裝置、PC端構(gòu)成。四軸飛行器搭載相機(jī)獲取區(qū)域的視頻信息并傳輸至無(wú)線圖像傳輸器裝置;無(wú)線圖像傳輸器將相機(jī)獲取的視頻信息通過(guò)5.8GHZ射頻無(wú)線網(wǎng)絡(luò)傳輸?shù)絇C端，PC端接收到視頻信息后，用戶可將視頻載入程序;通過(guò)圖像分割、圖像濾波等處理實(shí)現(xiàn)人數(shù)的統(tǒng)計(jì)并實(shí)時(shí)顯示統(tǒng)計(jì)結(jié)果。

2 系統(tǒng)硬件設(shè)計(jì)

系統(tǒng)硬件框圖如圖2所示。

其中UBLOX-6M GPS模塊向飛行控制器提供當(dāng)前的位置信息，確保飛行器可以實(shí)現(xiàn)定點(diǎn)懸空以及自動(dòng)返航功能;由遙控器通過(guò)WLAN向接收機(jī)發(fā)送控制信號(hào);接收機(jī)在接收到信號(hào)后向飛行控制器（STM32 Cortex M4）發(fā)送控制指令，飛行控制器根據(jù)控制信號(hào)和位置信息，結(jié)合內(nèi)部加速度計(jì)和陀螺儀所提供的反饋信息，向電子調(diào)速器發(fā)送控制信號(hào)，控制電機(jī)轉(zhuǎn)速，使飛行器保持對(duì)應(yīng)的飛行姿態(tài)和飛行速度;CMOS相機(jī)獲取視頻信息并將其傳輸?shù)絋S5828 5.8G無(wú)線圖像傳輸器;無(wú)線圖像傳輸器通過(guò)WLAN發(fā)送視頻信息至PC端，從而完成視頻信息的采集與傳輸。

3 系統(tǒng)軟件設(shè)計(jì)

本文采用基于區(qū)域的人數(shù)識(shí)別的方法進(jìn)行人數(shù)統(tǒng)計(jì)，開(kāi)發(fā)環(huán)境為Visual studio 2017和開(kāi)放源代碼計(jì)算機(jī)視覺(jué)庫(kù)opencv 3.2.0。

Visual Studio 2017是微軟于2017年3月8日正式推出的新版本，其內(nèi)建工具整合了NET Core、Azure 應(yīng)用程序、微服務(wù)、Docker 容器等所有內(nèi)容。OpenCV是一個(gè)開(kāi)源的BSD許可庫(kù)，包括上百個(gè)計(jì)算機(jī)視覺(jué)算法[7]。

軟件設(shè)計(jì)框圖如圖3所示，其中系統(tǒng)初始化子程序包括：選擇視頻路徑、創(chuàng)建顯示窗口、背景創(chuàng)建及初始化。圖像處理子程序框圖如圖4所示，包括圖像分割、圖像濾波與二值化、輪廓提取與人數(shù)統(tǒng)計(jì)。

3.1 圖像分割

為了消除背景對(duì)檢測(cè)結(jié)果的影響，需要將圖像的背景與前景分割。常用的分割方法有：幀差法、背景減除法、ViBe算法、ViBe+算法等[8]。

本文采用的背景減除法是一種有效的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其關(guān)鍵部分在于背景建模和背景的更新。通過(guò)當(dāng)前幀與背景圖像的差分來(lái)實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)。相差較大的像素區(qū)域即為運(yùn)動(dòng)區(qū)域，反之則為背景區(qū)域。針對(duì)不同場(chǎng)景的動(dòng)態(tài)變化，通過(guò)自適應(yīng)混合高斯背景建模以減小背景變化對(duì)分離運(yùn)動(dòng)目標(biāo)的影響。

3.2 圖像濾波與二值化

經(jīng)過(guò)圖像分割后的源圖包含大量的椒鹽噪聲，為了避免其對(duì)后期圖像處理很不利，需要對(duì)圖像進(jìn)行濾波處理，以消除圖像中的噪聲。常用的濾波方法有：均值濾波、限幅濾波、中值濾波、算術(shù)平均濾波。本文采用的圖像濾波方法為中值濾波，是一種非線性的平滑濾波方法。對(duì)于椒鹽噪聲具有較好濾波特性，同時(shí)還可以有效的保護(hù)圖像的邊緣特性。之后對(duì)圖像進(jìn)行二值化處理，將圖中大于設(shè)定閾值T=150的像素點(diǎn)置為255（黑色），小于設(shè)定閾值T的像素點(diǎn)置為0（白色）。

3.3 輪廓提取及人數(shù)統(tǒng)計(jì)

調(diào)用FindContour函數(shù)對(duì)所獲得的二值化圖像進(jìn)行輪廓查找，將查找到的點(diǎn)以點(diǎn)向量的形式存入vContours中并調(diào)用minArea Rect函數(shù)生成最小外接矩形。通過(guò)所設(shè)置外接矩形面積的閾值以及矩形的長(zhǎng)寬比例綜合判斷人數(shù)。

4 實(shí)際處理過(guò)程示例

實(shí)際測(cè)試硬件為Inter i5-4210H 2.9GHZ，內(nèi)存8GB;軟件為Visual Stdio2017，引用庫(kù)opencv3.2.0;操作系統(tǒng)為windows10。區(qū)域大小選取640*480，視頻采集幀率為24.95幀/秒，圖像處理速率為650ms/fps左右。實(shí)時(shí)處理結(jié)果如圖5所示。

5 結(jié)語(yǔ)

基于四軸飛行器的區(qū)域人數(shù)識(shí)別系統(tǒng)彌補(bǔ)了傳統(tǒng)的視頻監(jiān)控識(shí)別系統(tǒng)的弊端，通過(guò)四軸飛行器進(jìn)行視頻采集，拋棄了只有通過(guò)安裝監(jiān)控才能獲取區(qū)域人流信息的傳統(tǒng)方法，極大地提高了系統(tǒng)的靈活性與適用性。實(shí)際測(cè)試表明，在場(chǎng)景較為單一的條件下，系統(tǒng)實(shí)現(xiàn)了預(yù)期功能。在復(fù)雜場(chǎng)景、天氣惡劣的情況下，系統(tǒng)的識(shí)別準(zhǔn)確率會(huì)有所降低。通過(guò)對(duì)人數(shù)統(tǒng)計(jì)算法以及四軸飛行器的進(jìn)一步完善，可進(jìn)一步提高飛行器的飛行效率以及人數(shù)統(tǒng)計(jì)的準(zhǔn)確率，擴(kuò)展系統(tǒng)在人數(shù)統(tǒng)計(jì)方面的應(yīng)用前景。

參考文獻(xiàn)

[1] 趙明瀚，王晨升.基于視頻的人數(shù)識(shí)別方法綜述[J].軟件，2013，34（03）：10-12+54.

[2] 劉輝，朱闖，張?zhí)煊?，陳?一種基于頭部特征的人頭檢測(cè)方法[J].光電子技術(shù)，2014，34（01）：21-25.

[3] 顧德軍，伍鐵軍.一種基于人頭特征的人數(shù)統(tǒng)計(jì)方法研究[J].機(jī)械制造與自動(dòng)化，2010，39（04）：134-138.

[4] 何揚(yáng)名，戴曙光.利用輪廓特征進(jìn)行人頭識(shí)別的方法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（29）：164-166.

[5] 吳子強(qiáng).基于頭發(fā)的人頭檢測(cè)與跟蹤[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2009（09）：76-77+80.

[6] 范欣欣.基于圖像的人數(shù)統(tǒng)計(jì)方法綜述[J].無(wú)線互聯(lián)科技，2018，15（12）：98-101.

[7] 毛星云，冷雪飛，王碧輝，吳松森.OpenCV3編程入門[M].電子工業(yè)出版社，2015.

[8] 汪欣，吳薇，曾照.基于視頻的人臉檢測(cè)算法研究[J/OL].電子科技，2020（02）：1-7[2019-04-13].

Region Number Recognition Based on Four-Axis Vehicle

HUA Lei，SHI Chun-xiang，LIN Hong

（Wenzheng College，Soochow University， Suzhou? Jiangsu? 215000）

Abstract：Aiming at the traditional video surveillance statistics system， this paper designs a crowd counting system based on four-axis aircraft. The Video acquisition is carried out by the camera mounted on four-axis vehicle to obtain the flow information in a certain area. The obtained Video information is transmitted to PC through wireless image transmitter. The image processing and analysis is carried out on PC and the result of number statistics is given. The results show that the realized system is efficient and flexible.

Key words：four-axis vehicle; image processing; population statistics