一種基于單片機(jī)的移動(dòng)目標(biāo)監(jiān)控系統(tǒng)研究

張海波，劉遠(yuǎn)仲

（南充職業(yè)技術(shù)學(xué)院 四川 南充 637000）

隨著IT產(chǎn)業(yè)的不斷發(fā)展，視頻監(jiān)控不僅應(yīng)用在安防系統(tǒng)，而且在交通系統(tǒng)、防洪系統(tǒng)、教育系統(tǒng)和醫(yī)療系統(tǒng)等方面都有著廣泛應(yīng)用。但在普通的視頻監(jiān)控系統(tǒng)中，許多監(jiān)控系統(tǒng)只是對(duì)普通的目標(biāo)物體進(jìn)行簡(jiǎn)單攝像與記錄，無(wú)法對(duì)我們一些感興趣的目標(biāo)物體進(jìn)行有效追蹤與記錄，譬如在交通監(jiān)控系統(tǒng)中要對(duì)某些重要車輛進(jìn)行跟蹤，在校園安防中要對(duì)某些可疑人員進(jìn)行跟蹤與記錄等，所以如何低成本的設(shè)計(jì)一個(gè)系統(tǒng)能對(duì)所感興趣的移動(dòng)目標(biāo)進(jìn)行有效捕捉的智能監(jiān)控系統(tǒng)是一個(gè)非常有價(jià)值的課題。

文中在考慮現(xiàn)有網(wǎng)絡(luò)攝像頭的發(fā)展情況、4G和各種WiFi信號(hào)的覆蓋率以及無(wú)線路由器技術(shù)發(fā)展的前提下，充分利用現(xiàn)有資源，提出了一種基于單片機(jī)的移動(dòng)監(jiān)控系統(tǒng)。該系統(tǒng)直接利用現(xiàn)有的網(wǎng)絡(luò)攝像機(jī)作為監(jiān)控?cái)z像頭，以4G信號(hào)或各種WiFi信號(hào)為網(wǎng)絡(luò)，將采集到的圖像通過(guò)無(wú)線網(wǎng)絡(luò)直接上傳給單片機(jī)系統(tǒng)進(jìn)行處理。文中重點(diǎn)給出了系統(tǒng)硬件設(shè)計(jì)方案以及系統(tǒng)軟件算法思想并在最后給出了該方法在MATLAB環(huán)境中的仿真。

1 系統(tǒng)硬件方案設(shè)計(jì)

1.1 單片機(jī)發(fā)展概述

單片機(jī)（MCU）是一種計(jì)算機(jī)微處理器，發(fā)展的初始階段多用于控制領(lǐng)域。隨著電子產(chǎn)業(yè)的發(fā)展，目前51系列單片機(jī)已擁有了快速的處理速度、強(qiáng)大的運(yùn)算能力以及更大的尋址范圍，廣泛應(yīng)用在智能儀表、實(shí)時(shí)控制和分布式多機(jī)系統(tǒng)中。嵌入式單片機(jī)系統(tǒng)是單片機(jī)的發(fā)展的一個(gè)重要方向，它與其他設(shè)備相結(jié)合，使整個(gè)設(shè)備發(fā)揮出特有的功能。在本系統(tǒng)設(shè)計(jì)中，本系統(tǒng)采用AT89S52來(lái)作為我們的核心控制器件。

1.2 移動(dòng)目標(biāo)監(jiān)控系統(tǒng)方案設(shè)計(jì)

文中以我市內(nèi)車輛移動(dòng)目標(biāo)為例來(lái)介紹本系統(tǒng)的優(yōu)越性并給出了系統(tǒng)仿真結(jié)果。系統(tǒng)首先是對(duì)移動(dòng)目標(biāo)進(jìn)行捕捉，然后采用網(wǎng)絡(luò)攝像機(jī)將現(xiàn)場(chǎng)的視頻信號(hào)通過(guò)TCP/IP網(wǎng)絡(luò)將信號(hào)發(fā)送至視頻信號(hào)接收器端并接收主控制板發(fā)來(lái)的指令對(duì)移動(dòng)目標(biāo)控制，最后將捕捉到的移動(dòng)目標(biāo)信號(hào)傳送給主控制板，由單片機(jī)進(jìn)行圖像數(shù)據(jù)的處理與運(yùn)算并將結(jié)果送至終端輸出觀察。系統(tǒng)結(jié)構(gòu)圖如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)圖Fig.1 System structure diagram

1.3 系統(tǒng)軟件算法設(shè)計(jì)

首先初始化程序，包括中斷向量設(shè)置、定時(shí)器設(shè)置、串口設(shè)置等。當(dāng)系統(tǒng)檢測(cè)到移動(dòng)圖像時(shí)，首先判斷是否需要標(biāo)定當(dāng)前圖像。如果需要鎖定，則立即對(duì)作為參考圖像中的參數(shù)進(jìn)行比較計(jì)算，進(jìn)行閾值自適應(yīng)的設(shè)定等，此項(xiàng)工作主要是尋找參考幀的圖像。當(dāng)移動(dòng)目標(biāo)圖像鎖定后，系統(tǒng)則立即進(jìn)入實(shí)時(shí)監(jiān)控與跟蹤，使用單片機(jī)來(lái)計(jì)算當(dāng)前幀和鎖定幀的相似度，判斷圖像是否移動(dòng)，并且將視頻信息實(shí)時(shí)地輸出并存儲(chǔ)。當(dāng)定時(shí)器完成定時(shí)后，中斷程序?qū)⒏淖兿鄳?yīng)的標(biāo)志位，使系統(tǒng)重新進(jìn)行圖像的檢測(cè)，以保證參考幀數(shù)據(jù)的實(shí)時(shí)性。圖2為本系統(tǒng)軟件算法主流程圖。

圖2 系統(tǒng)軟件算法流程圖Fig.2 The flow chart of system software algorithm

2 系統(tǒng)圖像處理分析

2.1 移動(dòng)目標(biāo)圖像分割與區(qū)域檢測(cè)

目前，Itti模型在感興趣圖像追蹤過(guò)程中的應(yīng)用日益增多。其主要理論是提取圖像在顏色，亮度，方向方面與背景的對(duì)比值，該模型主要包括兩個(gè)步驟：一是特征的提取，二是顯著圖的生成[1]。他提取圖像像素點(diǎn)的原理可簡(jiǎn)單描述為：設(shè)有一尺度為S的移動(dòng)目標(biāo)圖像，用R、G、B分別來(lái)表示該圖像上某個(gè)像素點(diǎn)三基色分量，根據(jù)圖像亮度計(jì)算公式，則該像素點(diǎn)的亮度特征可表示為：

由于Itti顯著圖是一種模擬生物體視覺的選擇性注意模型，所以要得到移動(dòng)目標(biāo)圖像的顯著圖首先要對(duì)目標(biāo)圖像像素點(diǎn)進(jìn)行特征圖歸一化，以消除圖像間的幅值差異，然后采用高斯卷積算法對(duì)圖像S進(jìn)行卷積并把運(yùn)算結(jié)果疊加回原特征圖最后以消除噪聲對(duì)圖像的干擾，通過(guò)對(duì)圖像像素點(diǎn)的多次迭代與卷積，最后可以使圖像少數(shù)幾個(gè)最顯著點(diǎn)均勻的分布在顯著特征圖上。接下來(lái)通過(guò)對(duì)圖像像素點(diǎn)計(jì)算值分類、歸一化并逐點(diǎn)求和處理就得到了圖像S的顯著特征圖[2]。

本文采用紅綠顏色對(duì)（RG）和藍(lán)黃顏色對(duì)（BY）來(lái)度量移動(dòng)目標(biāo)圖像的顏色特征，則在計(jì)算一幅尺度為S圖像某象素點(diǎn)的顏色特征時(shí)，RG（S）和 BY（S）可分別描述為[3]：

同理公式（1），為了得到圖像顏色特征顯著圖，需先對(duì)圖像顏色特征進(jìn)行高斯求和與歸一化運(yùn)算，然后得到多幅顏色特征圖。根據(jù)Itti顯著圖合成原理，當(dāng)分割出圖像的亮度特征圖與顏色特征圖后，采用不同的權(quán)重分量疊加圖像便可得到圖像的顯著圖，這里我們用ω1和ω2來(lái)分別表示圖像的顏色特征分量與亮度特征分量，用T（S）來(lái)表示圖像的顯著特征圖，則 T（S）可表示為[4]：

本系統(tǒng)圖像處理部分采用單片機(jī)AT89S52來(lái)作為主控芯片，通過(guò)網(wǎng)絡(luò)攝像機(jī)捕捉圖像，對(duì)采集到的圖像通過(guò)視頻信號(hào)接收器編解碼芯片將圖像直接轉(zhuǎn)換為YCrCb格式圖像，其中Y為圖像亮度，Cr和Cb分別為圖像的色度，根據(jù)彩色圖像像素點(diǎn)三基色合成原理（如公式（5））可計(jì)算得到RGB 格式圖像，根據(jù)公式（1）～（4），分別提取出圖像的的顏色特征與亮度特征，最終得到我們感興趣目標(biāo)物的顯著特征圖[5]。

為了提高單片機(jī)的工作效率，減小單片機(jī)的運(yùn)算量，現(xiàn)設(shè)置圖像S的尺度為1，3，7。則在這3個(gè)尺度上先分別提取出圖像的亮度特征與顏色特征，然后對(duì)特征圖分別用二維高斯差函數(shù)進(jìn)行卷積運(yùn)算，并把卷積結(jié)果疊加回原特征圖，最后使用閾值分割算法來(lái)提取移動(dòng)目標(biāo)物體。為了檢驗(yàn)該方法的有效性，文中使用MATLAB軟件對(duì)本系統(tǒng)進(jìn)行了模擬仿真，仿真如圖4所示。該仿真表明使用本文簡(jiǎn)化的Itti算法，能夠滿足系統(tǒng)對(duì)移動(dòng)目標(biāo)的提取要求。

2.2 移動(dòng)目標(biāo)物質(zhì)心與相似度

要想有效的跟蹤到目標(biāo)物，最重要的是要檢測(cè)出目標(biāo)物在圖像畫面中的位置變化，本文采用計(jì)算目標(biāo)物的質(zhì)心來(lái)鎖定目標(biāo)的位置，當(dāng)目標(biāo)物發(fā)生移動(dòng)時(shí)，則當(dāng)前幀圖像質(zhì)心將會(huì)與前一參考幀圖像質(zhì)心發(fā)生較明顯的偏移。根據(jù)圖像區(qū)域幾何特征不變矩描述理論，圖像的質(zhì)心計(jì)算可表示為[5]：

圖3 算法仿真實(shí)驗(yàn)結(jié)果Fig.3 Algorithm simulation results

（式中，N 為非負(fù)整數(shù)，（xdz，ydz）分別為第 z幅圖像中移動(dòng)目標(biāo)圖像的橫縱質(zhì)心坐標(biāo)）

在處理動(dòng)態(tài)的視頻圖像時(shí)，由于移動(dòng)目標(biāo)圖像要受到外部的環(huán)境影響（例如灰塵，噪聲，光照等）導(dǎo)致計(jì)算出的質(zhì)心點(diǎn)位置不穩(wěn)，所以在計(jì)算前一參考幀的圖像質(zhì)心十分重要，本系統(tǒng)采用捕獲前n幀視頻圖像并進(jìn)行差值處理來(lái)作為當(dāng)前畫面感興趣移動(dòng)目標(biāo)的基準(zhǔn)質(zhì)心坐標(biāo)。

令Δx為目標(biāo)圖像中質(zhì)心橫坐標(biāo)的差值，Δxmax為目標(biāo)圖像質(zhì)心橫坐標(biāo)的最大差值，則Δx，Δxmax可表示為=med（，，…，）；Δxmax=max（||，…，|）；同樣定義縱坐標(biāo)和Δymax，則當(dāng)前幀值移動(dòng)目標(biāo)與前一幀值移動(dòng)目標(biāo)的質(zhì)心坐標(biāo)可表示為：

在計(jì)算當(dāng)前圖像與前一幅圖像的相似度時(shí)，可根據(jù)公式（8）先算出當(dāng)前畫面中移動(dòng)目標(biāo)的質(zhì)心坐標(biāo)，然后調(diào)整質(zhì)心坐標(biāo)差值，根據(jù)相似度計(jì)算公式（9）計(jì)算出兩幅圖像的相似度值Sim[7]。

式中，wz為圖像中第z個(gè)移動(dòng)目標(biāo)的權(quán)值，ydz）前一幀值第z個(gè)移動(dòng)目標(biāo)的質(zhì)心坐標(biāo)，（）為當(dāng)前幀中圖像第z個(gè)移動(dòng)目標(biāo)的質(zhì)心坐標(biāo)。σ為特征方差調(diào)整系數(shù)，取常值0.5。則移動(dòng)目標(biāo)的移動(dòng)閾值Ts可表示為：

當(dāng)當(dāng)前畫面中所跟蹤的移動(dòng)目標(biāo)與前一幅畫面移動(dòng)目標(biāo)的相似度Sim大于移動(dòng)閾值Ts則主控制板立即修改當(dāng)前質(zhì)心坐標(biāo)，一邊跟進(jìn)新的移動(dòng)目標(biāo)物。

3 系統(tǒng)仿真

為了檢驗(yàn)系統(tǒng)的有效性，系統(tǒng)在Windows7 Professional微機(jī)上運(yùn)行，軟件算法仿真環(huán)境為Matlab2009a。

1）移動(dòng)目標(biāo)檢測(cè)。為了得到先驗(yàn)統(tǒng)計(jì)數(shù)據(jù)，我們先使用Matlab軟件對(duì)100幅前期采集圖像進(jìn)行運(yùn)算與記錄，也就是說(shuō)，將圖像面積為12096控制在監(jiān)控設(shè)備（面積720576）的畫面中，這樣可得到一組較為理想的先驗(yàn)統(tǒng)計(jì)數(shù)據(jù)。為了降低運(yùn)算量和提高系統(tǒng)處理效率，在計(jì)算監(jiān)控畫面時(shí)這里去除了移動(dòng)目標(biāo)以外的區(qū)域。

設(shè)定移動(dòng)目標(biāo)檢測(cè)圖像幀數(shù)n為10幀，對(duì)公路上100個(gè)真實(shí)目標(biāo)物進(jìn)行檢測(cè)并調(diào)整上式（4）不同的顏色特征分量與亮度特征分量值。檢測(cè)結(jié)果如表l所示。

表1 實(shí)驗(yàn)檢測(cè)統(tǒng)計(jì)表Tab.1 The experimental test statistics

以上數(shù)據(jù)表明：由于外界環(huán)境的干擾，在實(shí)驗(yàn)室條件下，移動(dòng)目標(biāo)物的分割正確比較理想。當(dāng)取特征分量權(quán)值w1=0.7和w2=0.3時(shí)，采集到的視頻畫面中移動(dòng)目標(biāo)檢測(cè)分割正確率最高，平均可達(dá)到87.7%。

2）圖像實(shí)時(shí)跟蹤部分。如前所述，現(xiàn)實(shí)監(jiān)控環(huán)境中存在諸多干擾，系統(tǒng)有可能會(huì)出現(xiàn)誤判與跟丟目標(biāo)物的現(xiàn)象，為了解決這種情況，必須調(diào)整上位機(jī)定時(shí)時(shí)間Ti，當(dāng)本次跟蹤定時(shí)結(jié)束時(shí)，立即更新數(shù)據(jù)，重新加載目標(biāo)物檢測(cè)與分割。

為了檢驗(yàn)數(shù)據(jù)的的正確性，我們對(duì)攝像機(jī)采集到的圖像進(jìn)行了分析，系統(tǒng)在60 s中共采集了1 420幀圖像，差不多每幀圖像處理時(shí)間為24 ms左右，每秒處理23幀圖像，基本上可以滿足實(shí)時(shí)圖像處理。實(shí)驗(yàn)記錄結(jié)果如表2所示。

表2 實(shí)驗(yàn)檢測(cè)時(shí)間記錄Tab.2 The Record of test time

從表2可以看出，在規(guī)定的時(shí)間段中，系統(tǒng)對(duì)跟蹤的移動(dòng)目標(biāo)物正確分割維持在81%以上。

3）系統(tǒng)整體測(cè)試。在本系統(tǒng)中，系統(tǒng)以我市內(nèi)公路上移動(dòng)的汽車為例進(jìn)行了跟蹤測(cè)試。首先根據(jù)公式（10）設(shè)定移動(dòng)閾值Ts，然后采集圖像并對(duì)圖像進(jìn)行區(qū)域檢測(cè)與分割，得到圖像顯著圖，然后計(jì)算圖像的質(zhì)心坐標(biāo)與相似度Sim，當(dāng)移動(dòng)閾值Ts有變動(dòng)時(shí)，立即更新芯片數(shù)據(jù)，重新計(jì)算質(zhì)心坐標(biāo)與相似度Sim。下面是我市拍攝到的監(jiān)控圖像，圖5（a）雙向前進(jìn)中的汽車，當(dāng)我們所感興趣的4輛汽車移動(dòng)到（b）所在的位置時(shí)，由于（a）圖中左邊的第1輛汽車跨越了監(jiān)控區(qū)，系統(tǒng)則立即更新數(shù)據(jù)跟蹤到隨后而來(lái)的第2輛汽車，而在（a）圖中右邊的2輛汽車一直在系統(tǒng)的監(jiān)控范圍，只是畫面中的移動(dòng)目標(biāo)質(zhì)心發(fā)生了變化，所以系統(tǒng)跟新數(shù)據(jù)后有效的鎖定了目標(biāo)。

圖4 MATLAB對(duì)移動(dòng)目標(biāo)跟蹤處理結(jié)果Fig.4 The moving target tracking processing results

圖5 系統(tǒng)對(duì)移動(dòng)目標(biāo)實(shí)物跟蹤處理結(jié)果Fig.5 The moving target tracking results based on this system

圖6為本系統(tǒng)對(duì)實(shí)物小汽車移動(dòng)目標(biāo)的監(jiān)控與跟蹤，從圖6（a）（b）結(jié)果可以看出，只要設(shè)定好系統(tǒng)移動(dòng)目標(biāo)閾值T（s），當(dāng)我們對(duì)當(dāng)前畫面感興趣的移動(dòng)目標(biāo)進(jìn)行跟蹤鎖定后，只要移動(dòng)目標(biāo)不超出攝像頭的監(jiān)控范圍，那么圖像就會(huì)一直在控制范圍類鎖定并追蹤，當(dāng)移動(dòng)目標(biāo)超出監(jiān)控范圍后，系統(tǒng)調(diào)整立即更新數(shù)據(jù)已對(duì)下一目標(biāo)重新進(jìn)行檢測(cè)與分割并能迅速鎖定目標(biāo)，具有較強(qiáng)的自適應(yīng)性，靈敏性和可靠性。

4 結(jié)束語(yǔ)

文中設(shè)計(jì)的這一款基于單片機(jī)的移動(dòng)目標(biāo)監(jiān)控系統(tǒng)，該系統(tǒng)直接利用現(xiàn)有的網(wǎng)絡(luò)攝像機(jī)作為監(jiān)控?cái)z像頭，以3G信號(hào)或各種WiFi信號(hào)為網(wǎng)絡(luò)，將采集到的圖像通過(guò)無(wú)線網(wǎng)絡(luò)直接上傳給單片機(jī)系統(tǒng)進(jìn)行處理。該系統(tǒng)充分利用了現(xiàn)有的各種資源，系統(tǒng)制作簡(jiǎn)單，維護(hù)方便，同時(shí)采用模塊化設(shè)計(jì)，可移植性很強(qiáng)，在危險(xiǎn)、未知環(huán)境的探測(cè)、監(jiān)控等領(lǐng)域有很好的應(yīng)用價(jià)值。

[1]Osama Masoud，Nikolaos P.Papanikolopoulos A novel method for tracking and counting pedestrians in real-time using a single camera[J].IEEE Transactions on Vehicular Technology，2001，20（5）:1267-1278.

[2]喬鴻海，薛靜，徐繼偉，等.基于DSP的車載智能移動(dòng)報(bào)警監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].西北工業(yè)大學(xué)學(xué)報(bào)，2013，31（2）:189-194.QIAO Hong-hai，XUE Jing，XU Ji-wei，et al.Implementation and design of vehicle movement intelligent monitoring system based on DSP[J].Journal of Northwestern Polytechnical University，2013，31（2）:189-194.

[3]張德豐著.MATLAB數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社，2009.

[4]阮秋琦.數(shù)字圖像處理學(xué)[M].北京:電子工業(yè)出版社，2004.

[5]Kenneth R.Castleman著.數(shù)字圖像處理[M].朱志剛，等譯.北京：電子工業(yè)出版社，2002.

[6]Cucchiara R，Grana C，Piccardi M，et al.Statistic and knowledge-based moving object detection in traffic scenes intelligent transportation systems[J].Proceedings，2000:27-32.

[7]梁振濤，樊澤明，任永亮，等.基于單片機(jī)的移動(dòng)監(jiān)控系統(tǒng)硬件設(shè)計(jì)[J].微型機(jī)與應(yīng)用，2014，33（22）:25-27.LIANG Zhen-tao，F(xiàn)AN Ze-ming，REN Yong-liang，et a.The Mobile monitoring system design based on single chip microcomputer[J].Micro Computer and Application，2014，33（22）:25-27.