刘天霖, 杨博宇, 潘广贞
(1. 中北大学 软件学院, 山西 太原 030051; 2. 中北大学 信息与通信工程学院, 山西 太原 030051)
基于STM32的目标提取处理系统
刘天霖1, 杨博宇2, 潘广贞1
(1. 中北大学 软件学院, 山西 太原 030051; 2. 中北大学 信息与通信工程学院, 山西 太原 030051)
本文探索了一种监控图像跟踪系统, 该系统以STM32微处理器为控制核心, 将广角摄像头采集的图像送至LCD显示, 并分析获取图像的数据, 针对常用的直接帧间差分法存在的误差大, 运算量大, 导致内存问题, 影响运算速度等问题, 提出了一种图像目标提取处理算法, 准确快速计算出目标物体的位置坐标, 从而控制云台移动, 保证目标处于摄像头视野的中央, 解决了在图像处理中误差大、 运算速度慢、 系统内存不足等问题, 以低成本低功耗实现了视频目标的提取跟踪处理.
STM32; 监控系统; 目标提取; 互相关性
传统的小区监控系统仅限于采集、 显示、 存储和回放等一些单一的功能, 仅仅记录发生的事情, 需要依靠人工操作, 很难做到真正的全天候实时监控, 而且容易出现虚报和漏报现象[1-2]. 随着智能小区和公共需求的日益增长, 智能监控系统很好地解决了这一问题, 它能够实现24 h全天候监控, 并且自主分析视频内容, 发现视频中的异常现象, 并给出报警处理. 由此智能监控系统成为了如今研究热点, 文献[3]概括提出了当今只能监控系统发展的趋势, 大规模的应用尚处于积累阶段, 智能视频监控系统的需求将日益迫切. 文献[4]用STM32单片机作为微处理器, 将广角摄像头采集的图像送至 LCD 液晶显示屏, 并分析获取图像的数据实现目标的跟踪监控, 为系统的实际应用打下了基础. 文献[5]提出通过了计算出目标物体的坐标和大小, 控制云台转动, 使目标处于摄像头视野中央, 再将图像传给微处理器进行判断是否为数据库中的目标, 为系统打下了理论基础. 但是文献[6] 由于监控视频量较大单片机在图像识别上其内存不足, 使得运算速度跟不上, 不能实现实时监控. 针对这一问题, 提出了一种基于STM32单片机的图像目标快速提取处理系统, 减小了存储量与运算量, 进而提高了运算的速度, 达到了实时监控的效果.
图 1 系统设计框图Fig.1 System design diagram
本系统采用基于STM32单片机处理器, 配合广角摄像头, 实现实时动态地图像采集. 对采集的图像信息由STM32单片机进行图像目标提取算法处理后锁定目标, 并实时动态地送入高色彩LED液晶显示屏, 进行实时监控视频显示. 根据锁定的目标位置, 通过二自由度云台, 转动摄像头实时跟踪锁定的目标, 并在数据库中查找有无此人, 若没有则立即启动报警. 系统设计框图如图 1 所示.
系统工作原理: 系统上电后, STM32单片机作为核心处理器初始化硬件设备, 归位云台, 打开广角摄像头开始实时接收视频数据. 通过将接收到的数据传给STM32单片机, 选择目标提取处理算法得到目标的位置坐标; 然后控制二自由度云台转动将目标移到屏幕的中间, 使得摄像头自主跟踪入侵区域的运动目标; 最后将入侵目标传给处理器, 在数据库中进行判断是否报警.
通常面向视频监控系统采用的静态摄像头对固定区域进行实时监控时, 获得的监视场景为静止图像背景. 因此可以从背景入手研究目标识别提取问题的解决手段, 张纪宽等在《动态复杂背景下的智能视频监控设计与实现》中提出了帧间差分法提取目标图像[7], 但是由于监控系统中, 静态图像背景可能存在着动态变化的情况, 例如: 视频采集的过程中, 图像会受到天气风雨的干扰、 光强变化、 相机的微小振动等, 导致了直接帧间差分法误差大, 运算量大, 内存不足, 影响运算速度[8]. 此时如何有效快速检测出运动目标是最为困难的工作.
2.1 图像目标提取算法
由图 2 可以看出监控系统采集到的图像比较大且背景复杂, 很难在整幅图像中找到目标的位置, 但仔细分析就会发现目标出现都是从图像的边界开始的, 并且相邻帧之间存在着一定的互相关性. 我们可以通过图像的互相关性来进行图像目标提取. 在图像目标提取中, 互相关函数的定义如下:
设两个函数分别为m(t)和n(t), 其反映的是两个函数在不同相对位置上的相互匹配程度[9]. 则互相关函数定义为
R(u)=m(t)*n(-t).
(1)
本文首先取相邻两帧图像的4个边界50pix宽度的范围, 如图3阴影部分所示, 进行相邻帧的相关性判断, 利用互相关函数将前一帧图像和当前帧图像联系起来判断当前帧图像中是否存在目标. 用数学的形式表示为: 将当前帧图像与前一帧图像按列展开为二维像素矢量i和j, 利用式(2)计算两幅图即2个矢量i和j的相互关系的相似性程度.
式中:k为当前帧图像;f表示前一帧图像;i和j表示图像的行和列. 进行目标提取时, 根据式(2)可以求出对应的ρ值, 将其与阈值T1(采集连续N帧没有目标的图像按式(2)进行计算, 取ρ的平均值作为阈值, 随着系数N的增加, 提取的准确度越高. 通过大量实验验证,N取25时即可准确提取. )进行比较, 若大于阈值则将当前帧与下一帧进行如上计算, 否则说明当前帧图像包含目标, 此时用当前帧的图像和前一帧的图像进行差分运算, 则目标提取结束.
图 2 监控系统采集到的图像Fig.2 Monitoring system acquired images
图 3 相邻两帧图像对比范围的选取示意图Fig.3 Select two adjacent schematic image contrast range
2.2 图像目标处理算法
对图像目标处理的过程即为目标坐标确定的过程. 计算出目标物体的位置坐标, 从而控制云台移动, 保证目标处于摄像头视野的中央. 采用位置平均值法进行目标位置的确定: 对每个目标像素求出它相对起始点的位置信息, 然后求平均即为要求的目标位置坐标. 将差分后的图像灰度化得到图像I(i,j)
式中:W为目标像素点的个数.
实验采用STM32 单片机微处理器、 广角摄像头、 LCD 液晶显示屏、 报警器和二自由度云台. 实验的判断报警部分参考文献[10]. 本文主要验证系统的目标提取跟踪部分. 分别采用常用的帧间差分法和本文实现算法对有光照突变的视频进行测试, 如图 4 所示, a代表无光照突变时, 本文使用算法和直接帧间差分法相比准确度差距不大, 此时两种方法云台自主跟踪效果图b1, b2相差不大; c代表光照突变时, 直接帧间差分法误差较大, 而本文提出的算法仍然可以清晰的测出目标, 此时两种方法云台自主跟踪效果图d1, d2明显本文提出的算法更为准确. 平均处理时间如表1所示. 由以上比较结果, 本文使用的算法在精确度和处理速度上都明显高效与帧间差分法, 因此文中提出的算法高效、 实时、 符合系统实现要求.
表 1 两种方法平均处理速度对比
图 4 不同光照下目标检测结果Fig.4 The result of target detection under different illumination
设计并实现了一种基于STM32单片机的目标提取处理系统, 该系统能够适应动态复杂的智能监控系统, 接收并处理采集到的视频, 实现实时区域目标提取并通过二自由度云台对其进行跟踪, 与文献[10]中的数据库判断报警部分结合成完整的监控报警系统, 整个系统结构简单, 解决了单片机在图像识别上内存不足、 速度慢的问题, 以较低的成本和功耗实现慢速运动物体的跟踪, 适用与众多监控领域.
[1] 黄凯奇, 陈晓棠, 康运锋, 等. 智能视频监控技术综述[J]. 计算机学报, 2015, 38(6): 28-33. Huang Kaiqi, Chen Xiaotang, Kang Yunfeng, et al. Intelligent visual surveillance: a review[J]. Chinese Journal of Computers, 2015, 38(6): 28-33. (in Chinese)
[2] 曾浩, 张祺, 郑斯凯. 基于STM32F407的图像远程采集终端[J]. 工业控制计算机, 2014, 26(11): 81-83. Zeng Hao, Zhang Qi, Zheng Sikai. Remote image capture terminal based on STM32F407[J]. Industrial Control Computer, 2014, 26(11): 81-83. (in Chinese)
[3] 李小斌, 吴宏岐, 袁战军, 等. 智能视频监控系统关键技术及算法研究[J]. 控制工程, 2016, 23(S0): 18-23. Li Xiaobin, Wu Hongqi, Yuan Zhanjun, et al. Study on the key technologies and algorithms of intelligent video surveillance system[J]. Control Engineering of China, 2016, 23(S0): 18-23. (in Chinese)
[4] 单昱翔, 阳璐, 赵玉珠. 基于STM32的图像跟踪系统[J]. 科技资讯, 2013, 11(24): 1-2. Shan Yuxiang, Yang Lu, Zhao Yuzhu. Image tracking system based on STM32[J]. Science and Technology Information, 2013, 11(24): 1-2. (in Chinese)
[5] 肖思兴. 复杂场景下的运动目标检测与跟踪算法研究[D]. 厦门: 厦门大学, 2009.
[6] Chacon-Murguia M I, Gonzalez-Duarte S. An adaptive neural-fuzzy approach for object detection in dynamic backgrounds for surveillance systems[J]. IEEE Transactions on Industrial Electronics, 2012, 59(8) : 3286-3298.
[7] 张纪宽, 彭力, 陈志勇. 动态复杂背景下的智能视频监控系统设计实现[J]. 计算机测量与控制, 2016, 24(7): 100-105. Zhang Jikuan, Peng Li, Chen Zhiyong. Design and realization of intelligent video-surveillance system in dynamic complex background[J]. Computer Measurement & Control, 2016, 24(7): 100-105. (in Chinese)
[8] Shih F Y. Image processing and mathematical morphology: fundamentals and applications[M]. New York: CRC Press, 2009.
[9] 吴金鹿, 陈绍炜, 孙磊. 一种基于互相关匹配的空域目标提取方法[J]. 科学技术与工程, 2011, 11(32): 58-63. Wu Jinlu, Chen Shaowei, Sun Lei. A spatial target extraction method based on cross-correlation matching[J]. Science Technology and Engineering, 2011, 11(32): 58-63. (in Chinese)
[10] 杨瑶, 刘波, 裴娟, 等. 一种基于STM32的监控图像跟踪系统的设计[J]. 江苏理学院学报, 2016, 22(2): 49-54. Yang Yao, Liu Bo, Pei Juan, et al. Design of a monitoring image tracking system based on STM32[J]. Journal of Jiangsu University of Technology, 2016, 22(2): 49-54. (in Chinese)
The Image Target Extraction Processing System Based on STM32
LIU Tianlin1, YANG Boyu2, PAN Guangzhen1
(1. School of Software, North University of China, Taiyuan 030051, China;2. School of Information and Communication Engineering, North University of China, Taiyuan 030051, China)
In this paper, a monitoring image tracking system is explored. The system takes the STM32 microprocessor as the control core, sends the image captured by the wide-angle camera to the LCD display, and analyzes the data of the acquired images. For the common direct inter-frame difference method, because of a large amount of error, large amount of computation, resulting in insufficient memory, the impact of computing speed and other deficiencies, an image object extraction algorithm is put forward to accurately and quickly calculate the coordinates of the target object position.It solves the problems of large error, slow operation and insufficient system memory in image processing, and realizes the video object extraction and tracking processing with low cost and low power consumption tocontrol the PTZ mobile to ensure that the target is in the center of the camera field of vision.
STM32; monitoring system; target extraction; cross correlation
1671-7449(2017)02-0144-04
2016-11-08
刘天霖(1992-), 男, 硕士生, 主要从事信息安全技术研究.
TP391.4
A
10.3969/j.issn.1671-7449.2017.02.009