基于嵌入式系統(tǒng)的人體行為檢測系統(tǒng)設(shè)計

張南++王叔洋

摘要：在監(jiān)護(hù)系統(tǒng)領(lǐng)域中，我國已經(jīng)有基于嵌入式系統(tǒng)對視頻進(jìn)行監(jiān)護(hù)及PC機(jī)進(jìn)行目標(biāo)檢測與識別的先例，但是沒能對行為的實時進(jìn)行判斷。本文以視覺和嵌入式系統(tǒng)為基礎(chǔ)對人體行為的檢測進(jìn)行了監(jiān)護(hù)，尤其適用在成本低、圖像處理精度較低的場合。

關(guān)鍵詞：嵌入式系統(tǒng) 人體行為 檢測系統(tǒng)

中圖分類號：TP291 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）08-0152-01

本文以視覺和嵌入式系統(tǒng)為基礎(chǔ)對人體行為的檢測進(jìn)行了監(jiān)護(hù)，尤其適用在成本低、圖像處理精度較低的場合。先去是系統(tǒng)被運(yùn)用在了圖像采集和處理等多個環(huán)節(jié)中，通過不斷地改善使其在實時性、成本及準(zhǔn)確性上都有著更高的水平。

1人體行為檢測系統(tǒng)硬件結(jié)構(gòu)

硬件結(jié)構(gòu)框圖如圖1所示[1]。

2 跌倒行為識別算法的實現(xiàn)

2.1 自適應(yīng)背景減除

背景減除算法的原理是當(dāng)前幀與背景幀之間的灰度差，通過與設(shè)定值之間的比較來判定人體是否發(fā)生運(yùn)動。由于這種算法中對于背景變化的敏感度較高，自適應(yīng)的背景減除算法就能夠很好地解決這一問題，背景能夠自適應(yīng)的進(jìn)行扣除來減小干擾，能夠大大提升檢測人體運(yùn)動的準(zhǔn)確性[2]。

首先，使用加權(quán)平均值法將RGB24圖像在亮度分量的基礎(chǔ)上實現(xiàn)8bpp灰度化，然后以無人背景下采取的N幀圖像為基礎(chǔ)，構(gòu)建簡化單高斯模型的初始背景統(tǒng)計模型。公式如下：

其中，指的是點(diǎn)i在第t幀圖像中的灰度值。因此，所有點(diǎn)的成為了一個初始北京模型。

其中，前景區(qū)域是由所有標(biāo)志=225的點(diǎn)構(gòu)成的，背景區(qū)域是由=0的點(diǎn)構(gòu)成的。

第t幀圖像中像素點(diǎn)i的灰度期望、方差和灰度值分別用來表示，自適應(yīng)系數(shù)為，那么t+2時刻的北京模型就可以用下列公式表示：

像素級計算對于嵌入式系統(tǒng)的圖像處理的速度有著極大的影響，因此，通過隔幀方式實現(xiàn)背景模型的自適應(yīng)更新。自適應(yīng)背景減除后的圖像如圖2（b）所示。

2.2 二值形態(tài)學(xué)濾波

在圖像濾波處理算法中，孤立的點(diǎn)、線的噪聲主要通過中值濾波去除，但是中值濾波對于顆粒狀或空洞類的噪聲等就不能完全去除。由于本文中的圖像噪聲源呈現(xiàn)出多毛刺、空洞的特點(diǎn)，二值化數(shù)學(xué)形態(tài)學(xué)濾波就能夠較好的解決這一問題。本文中采用的是以中心點(diǎn)為原點(diǎn)的8鄰域結(jié)構(gòu)算子進(jìn)行濾波，對于毛刺和空洞噪聲的去除有較高效率。對了使目標(biāo)輪廓連續(xù)與平滑有著更好的去除效果，本文采取了先閉后開的級聯(lián)濾波，提高濾波的效率。形態(tài)學(xué)濾波后的圖像如圖2（d）所示。

人體行為檢測系統(tǒng)硬件結(jié)構(gòu)的核心是Samsung公司的處理器S3C2410X。為了使圖像處理的效率更高，嵌入式系統(tǒng)通過亮度和色度分量上的算法優(yōu)化來去陰影，在提取前景的時候利用了簡化了的高斯模型的自適應(yīng)背景減除算法，通過形態(tài)學(xué)濾波，在目標(biāo)寬高的比較中來判定人體是否發(fā)生運(yùn)動行為。

參考文獻(xiàn)

[l]魏志強(qiáng)，紀(jì)筱鵬，馮業(yè)偉.基于自適應(yīng)背景圖像更新的運(yùn)動目標(biāo)檢測方法[J].電子學(xué)報，2005，33（12）：2261-2264.

[2]胡長勃，馮濤，馬頌德，等.基于主元分析法的行為識別[J].中國圖象圖形學(xué)報：A輯，2000，5（10）：818-824.endprint

摘要：在監(jiān)護(hù)系統(tǒng)領(lǐng)域中，我國已經(jīng)有基于嵌入式系統(tǒng)對視頻進(jìn)行監(jiān)護(hù)及PC機(jī)進(jìn)行目標(biāo)檢測與識別的先例，但是沒能對行為的實時進(jìn)行判斷。本文以視覺和嵌入式系統(tǒng)為基礎(chǔ)對人體行為的檢測進(jìn)行了監(jiān)護(hù)，尤其適用在成本低、圖像處理精度較低的場合。

關(guān)鍵詞：嵌入式系統(tǒng) 人體行為 檢測系統(tǒng)

中圖分類號：TP291 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）08-0152-01

本文以視覺和嵌入式系統(tǒng)為基礎(chǔ)對人體行為的檢測進(jìn)行了監(jiān)護(hù)，尤其適用在成本低、圖像處理精度較低的場合。先去是系統(tǒng)被運(yùn)用在了圖像采集和處理等多個環(huán)節(jié)中，通過不斷地改善使其在實時性、成本及準(zhǔn)確性上都有著更高的水平。

1人體行為檢測系統(tǒng)硬件結(jié)構(gòu)

硬件結(jié)構(gòu)框圖如圖1所示[1]。

2 跌倒行為識別算法的實現(xiàn)

2.1 自適應(yīng)背景減除

背景減除算法的原理是當(dāng)前幀與背景幀之間的灰度差，通過與設(shè)定值之間的比較來判定人體是否發(fā)生運(yùn)動。由于這種算法中對于背景變化的敏感度較高，自適應(yīng)的背景減除算法就能夠很好地解決這一問題，背景能夠自適應(yīng)的進(jìn)行扣除來減小干擾，能夠大大提升檢測人體運(yùn)動的準(zhǔn)確性[2]。

首先，使用加權(quán)平均值法將RGB24圖像在亮度分量的基礎(chǔ)上實現(xiàn)8bpp灰度化，然后以無人背景下采取的N幀圖像為基礎(chǔ)，構(gòu)建簡化單高斯模型的初始背景統(tǒng)計模型。公式如下：

其中，指的是點(diǎn)i在第t幀圖像中的灰度值。因此，所有點(diǎn)的成為了一個初始北京模型。

其中，前景區(qū)域是由所有標(biāo)志=225的點(diǎn)構(gòu)成的，背景區(qū)域是由=0的點(diǎn)構(gòu)成的。

第t幀圖像中像素點(diǎn)i的灰度期望、方差和灰度值分別用來表示，自適應(yīng)系數(shù)為，那么t+2時刻的北京模型就可以用下列公式表示：

像素級計算對于嵌入式系統(tǒng)的圖像處理的速度有著極大的影響，因此，通過隔幀方式實現(xiàn)背景模型的自適應(yīng)更新。自適應(yīng)背景減除后的圖像如圖2（b）所示。

2.2 二值形態(tài)學(xué)濾波

在圖像濾波處理算法中，孤立的點(diǎn)、線的噪聲主要通過中值濾波去除，但是中值濾波對于顆粒狀或空洞類的噪聲等就不能完全去除。由于本文中的圖像噪聲源呈現(xiàn)出多毛刺、空洞的特點(diǎn)，二值化數(shù)學(xué)形態(tài)學(xué)濾波就能夠較好的解決這一問題。本文中采用的是以中心點(diǎn)為原點(diǎn)的8鄰域結(jié)構(gòu)算子進(jìn)行濾波，對于毛刺和空洞噪聲的去除有較高效率。對了使目標(biāo)輪廓連續(xù)與平滑有著更好的去除效果，本文采取了先閉后開的級聯(lián)濾波，提高濾波的效率。形態(tài)學(xué)濾波后的圖像如圖2（d）所示。

人體行為檢測系統(tǒng)硬件結(jié)構(gòu)的核心是Samsung公司的處理器S3C2410X。為了使圖像處理的效率更高，嵌入式系統(tǒng)通過亮度和色度分量上的算法優(yōu)化來去陰影，在提取前景的時候利用了簡化了的高斯模型的自適應(yīng)背景減除算法，通過形態(tài)學(xué)濾波，在目標(biāo)寬高的比較中來判定人體是否發(fā)生運(yùn)動行為。

參考文獻(xiàn)

[l]魏志強(qiáng)，紀(jì)筱鵬，馮業(yè)偉.基于自適應(yīng)背景圖像更新的運(yùn)動目標(biāo)檢測方法[J].電子學(xué)報，2005，33（12）：2261-2264.

[2]胡長勃，馮濤，馬頌德，等.基于主元分析法的行為識別[J].中國圖象圖形學(xué)報：A輯，2000，5（10）：818-824.endprint

摘要：在監(jiān)護(hù)系統(tǒng)領(lǐng)域中，我國已經(jīng)有基于嵌入式系統(tǒng)對視頻進(jìn)行監(jiān)護(hù)及PC機(jī)進(jìn)行目標(biāo)檢測與識別的先例，但是沒能對行為的實時進(jìn)行判斷。本文以視覺和嵌入式系統(tǒng)為基礎(chǔ)對人體行為的檢測進(jìn)行了監(jiān)護(hù)，尤其適用在成本低、圖像處理精度較低的場合。

關(guān)鍵詞：嵌入式系統(tǒng) 人體行為 檢測系統(tǒng)

中圖分類號：TP291 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）08-0152-01

本文以視覺和嵌入式系統(tǒng)為基礎(chǔ)對人體行為的檢測進(jìn)行了監(jiān)護(hù)，尤其適用在成本低、圖像處理精度較低的場合。先去是系統(tǒng)被運(yùn)用在了圖像采集和處理等多個環(huán)節(jié)中，通過不斷地改善使其在實時性、成本及準(zhǔn)確性上都有著更高的水平。

1人體行為檢測系統(tǒng)硬件結(jié)構(gòu)

硬件結(jié)構(gòu)框圖如圖1所示[1]。

2 跌倒行為識別算法的實現(xiàn)

2.1 自適應(yīng)背景減除

背景減除算法的原理是當(dāng)前幀與背景幀之間的灰度差，通過與設(shè)定值之間的比較來判定人體是否發(fā)生運(yùn)動。由于這種算法中對于背景變化的敏感度較高，自適應(yīng)的背景減除算法就能夠很好地解決這一問題，背景能夠自適應(yīng)的進(jìn)行扣除來減小干擾，能夠大大提升檢測人體運(yùn)動的準(zhǔn)確性[2]。

首先，使用加權(quán)平均值法將RGB24圖像在亮度分量的基礎(chǔ)上實現(xiàn)8bpp灰度化，然后以無人背景下采取的N幀圖像為基礎(chǔ)，構(gòu)建簡化單高斯模型的初始背景統(tǒng)計模型。公式如下：

其中，指的是點(diǎn)i在第t幀圖像中的灰度值。因此，所有點(diǎn)的成為了一個初始北京模型。

其中，前景區(qū)域是由所有標(biāo)志=225的點(diǎn)構(gòu)成的，背景區(qū)域是由=0的點(diǎn)構(gòu)成的。

第t幀圖像中像素點(diǎn)i的灰度期望、方差和灰度值分別用來表示，自適應(yīng)系數(shù)為，那么t+2時刻的北京模型就可以用下列公式表示：

像素級計算對于嵌入式系統(tǒng)的圖像處理的速度有著極大的影響，因此，通過隔幀方式實現(xiàn)背景模型的自適應(yīng)更新。自適應(yīng)背景減除后的圖像如圖2（b）所示。

2.2 二值形態(tài)學(xué)濾波

在圖像濾波處理算法中，孤立的點(diǎn)、線的噪聲主要通過中值濾波去除，但是中值濾波對于顆粒狀或空洞類的噪聲等就不能完全去除。由于本文中的圖像噪聲源呈現(xiàn)出多毛刺、空洞的特點(diǎn)，二值化數(shù)學(xué)形態(tài)學(xué)濾波就能夠較好的解決這一問題。本文中采用的是以中心點(diǎn)為原點(diǎn)的8鄰域結(jié)構(gòu)算子進(jìn)行濾波，對于毛刺和空洞噪聲的去除有較高效率。對了使目標(biāo)輪廓連續(xù)與平滑有著更好的去除效果，本文采取了先閉后開的級聯(lián)濾波，提高濾波的效率。形態(tài)學(xué)濾波后的圖像如圖2（d）所示。

人體行為檢測系統(tǒng)硬件結(jié)構(gòu)的核心是Samsung公司的處理器S3C2410X。為了使圖像處理的效率更高，嵌入式系統(tǒng)通過亮度和色度分量上的算法優(yōu)化來去陰影，在提取前景的時候利用了簡化了的高斯模型的自適應(yīng)背景減除算法，通過形態(tài)學(xué)濾波，在目標(biāo)寬高的比較中來判定人體是否發(fā)生運(yùn)動行為。

參考文獻(xiàn)

[l]魏志強(qiáng)，紀(jì)筱鵬，馮業(yè)偉.基于自適應(yīng)背景圖像更新的運(yùn)動目標(biāo)檢測方法[J].電子學(xué)報，2005，33（12）：2261-2264.

[2]胡長勃，馮濤，馬頌德，等.基于主元分析法的行為識別[J].中國圖象圖形學(xué)報：A輯，2000，5（10）：818-824.endprint