壓縮感知在車輛事故自動呼救系統中的應用

陸　穎，劉愛松，江　洪

(江蘇大學　a.汽車與交通工程學院； b.機械工程學院，江蘇 鎮江　212013)

?

引用格式：陸穎，劉愛松，江洪.壓縮感知在車輛事故自動呼救系統中的應用[J].重慶理工大學學報(自然科學版)，2016(1):99-103.

Citation format：LU Ying，LIU Ai-song，JIANG Hong.Application of Compressed Sensing to Automatic Crash Notification System[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):99-103.

壓縮感知在車輛事故自動呼救系統中的應用

陸穎a，劉愛松a，江洪b

(江蘇大學a.汽車與交通工程學院； b.機械工程學院，江蘇 鎮江212013)

摘要：設計了一種車輛事故自動呼救系統終端，該事故終端由事故檢測模塊和呼救模塊組成。事故檢測模塊中的攝像頭可采集事故后反映乘員傷情的圖像信息并最終傳輸至呼救中心，便于救援人員開展救援行動。提出將壓縮感知理論運用于車輛事故自動呼救系統，可避免傳統圖像采集、壓縮過程中采樣資源的浪費，提高圖像信號由事故檢測模塊傳輸至呼救中心的速度，降低壓縮、傳輸過程中的能耗。對壓縮感知在車輛事故自動呼救系統中的應用進行臺車碰撞模擬試驗，結果表明：重構出的圖像清晰、平滑，將壓縮感知應用于車輛事故自動呼救系統具有可行性。

關鍵詞：壓縮感知；呼救終端；圖像信號；信號傳輸

車輛事故自動呼救系統(automatic crash notification，ACN)[1]在車輛發生事故后可以通過無線通信終端將碰撞發生時的車速、碰撞類型、地理位置等信息發送至呼救中心，便于救援人員及時了解事故車輛的相關信息，展開救援。經驗表明：如果事故車輛在向呼救中心發送呼救信息的同時能夠發送一張反映車內實時狀況的照片，將有助于救援人員及時了解乘客的傷情，制定出更加切實可行的救援方案。然而，隨著車載攝像頭分辨率、像素的提高，所獲得的反映車內情況的圖像文件正變得越來越大，而ACN需要在事故發生后產生最少量的數據，其中包含汽車所處的位置信息、駕駛員信息等，并盡快地傳輸出去。因此，如果利用ACN傳輸反映事故后車內情況的圖像，需要盡可能地傳輸較少的圖像數據，即要用盡可能少的數據表示該圖像文件。目前圖像的采樣和傳輸多是基于奈奎斯特采樣定理，采樣數據量大，傳輸速度慢。將壓縮感知(compressed sensing，CS)[2-3]理論運用于車輛事故自動呼救系統能夠有效降低數據處理、傳輸的成本，同時呼救中心可根據接收到的少量信號還原出反映車廂內乘員狀況的圖像，為醫療機構及資源的分配與派遣提供依據。

壓縮感知理論由Candes等于2006年正式提出，它在一定程度上突破了奈奎斯特采樣定理對模擬信號采樣頻率必須大于信號帶寬2倍的限制[4]。壓縮感知理論指出，在某個變換域中只要信號是稀疏的或者該信號是可壓縮的，就可以通過一個觀測矩陣(該觀測矩陣與變換基不相關)將變換所得到的高維信號投影到一個低維空間上，然后原始信號可通過一個優化問題的求解以高概率從少量的投影中重構出來,并可證明此投影包含了重構信號的足夠信息[5]。在該理論框架下，采樣速率不再受到信號帶寬的限制，而在很大程度上取決于原始信息的稀疏性和觀測過程的不相關性[6]。

本文基于壓縮感知理論，對車載事故呼救終端的車內圖像采集模塊和壓縮感知模塊進行功能設計，通過臺車試驗驗證將壓縮感知理論應用到ACN的可行性。

1壓縮感知理論

壓縮感知理論主要涉及以下3方面內容： 信號的稀疏表示、觀測矩陣的設計和重構算法的設計。下面從這3個方面對壓縮感知的基本原理進行介紹。

1.1信號的稀疏表示

壓縮感知理論與傳統的編解碼思想相比取得了重大的突破，其應用的重要前提就是信號的稀疏表示。壓縮感知理論充分利用了信號的稀疏性，用對信號的編碼過程取代傳統的采樣壓縮過程，遠低于奈奎斯特采樣速率進行編碼傳輸并使用合適的重構算法進行解碼從而重構出原始信號[7]。

(1)

式中λ是信號在正交變換域φ上的變換向量，滿足

(2)

可以看出：x和λ是同一個信號的等價表示，x是在時域中的表示形式，λ則是在φ域中的表示形式[5]。當一維向量λ中僅有K個較大的系數，其余系數都近似為零時，則稱信號x是K-稀疏的。通過K個較大系數可以很好地逼近的信號稱為可壓縮信號[8]。

對于語音信號、圖像視頻信號等大部分的自然信號都可以通過特定的正交變換基進行稀疏表示。典型的稀疏基包括離散小波(discrete wavelet transform，DWT)基、離散余弦變換(discrete cosin transform，DCT)基。

1.2觀測矩陣的設計

(3)

式中ACS稱為CS信息算子。

信號x與φ域上的系數向量λ一一對應，求得λ后可通過稀疏變換的反變換求得信號x。由上式可知：對于給定的y，求解λ為求解線性方程組問題，由于M<

1.3重構算法的設計

通過求解欠定方程組y=ACSx，從低維觀測值中求解出高維原始信號的過程就是壓縮感知的信號重構過程。原始信號x是稀疏的或可壓縮的，并且ACS滿足RIP條件，Candes等證明可用求解最小0—范數問題來取代信號重構求解欠定方程組的問題[13]，即

(4)

目前主要有以下3種求解算法：

1) 凸松弛(最小L1范數)算法

凸松弛算法采用L1范數代替L0范數，將非凸問題轉變為凸問題進行求解來逼近原始信號。使用凸松弛算法時，利用較少的觀測次數就可以重構出信號，但計算過程相對比較復雜[7]。其主要的代表算法有梯度投影法(gradient projection，GP)、內點法及反向傳播法。

2) 迭代硬閾值算法

迭代硬閾值(iterative hard thresholding，IHT)算法的基本思路：選擇凸集上某點作為初始點，采用硬閾值方法將λ縮減到K稀疏，再將估計解通過凸集投影法(project onto convex set，POCS)重新投影到凸集，不斷反復迭代，當滿足收斂條件時則停止迭代[14]。迭代硬閾值算法具有較低的計算復雜度，適用于大規模信號的壓縮感知重建，但它只能在局部取得最優解，對初始點的要求很高。

3) 貪婪算法

貪婪算法通過每次迭代選擇局部最優來逼近全局最優。傳統貪婪算法如匹配追蹤算法(matching persuit,MP)和正交匹配追蹤算法(orthogonal matching persuit，OMP)具有較好的重構性能，在應用上也較為成熟[15]。但貪婪算法需要較多的觀測次數，重構速率也隨著稀疏度的下降而不斷下降。

2車載終端圖像采集和壓縮感知模塊設計

車載呼救系統終端由事故檢測模塊和呼救模塊組成，圖像采集模塊包含在事故檢測模塊中。如圖1所示，事故檢測模塊實時采集車輛加速度信號，為觸發呼救系統提供依據，并通過攝像頭采集事故發生后車內的圖像信息，便于呼救中心了解車內乘客的傷情。呼救模塊負責接收事故檢測模塊發送的碰撞圖像信息，并由GPS模塊接收地理位置信息，最后將相關信息整合通過GPRS網絡發送至呼救中心。其中，圖像采集模塊選用OV7670型攝像頭，該型號攝像頭支持手動變焦，共有656×488個像素，640×480個有效，有效像素為30萬。

圖1　事故檢測模塊設計框圖

傳統車載終端在事故發生后的圖像采集過程中，先對事故檢測模塊中的攝像頭采集到的圖像信號進行高速采樣、變換、壓縮，然后傳輸至呼救模塊，最后傳輸至呼救中心恢復出圖像信號。將壓縮感知理論運用于車載呼救終端，先將攝像頭采集到的圖像信號進行稀疏變換，然后通過觀測矩陣將經過稀疏變換后得到的信號投影到M維得到M個觀測值，再將信號傳輸至呼救中心，最后通過重構算法重構出圖像。壓縮感知模塊流程如圖2所示。將壓縮感知理論運用于車載呼救終端中，可避免傳統圖像采集過程中采樣資源的浪費，提高數據由事故檢測模塊傳輸至呼救中心的速度，降低數據壓縮、傳輸時的能耗。

圖2　壓縮感知流程

3試驗結果及分析

為驗證壓縮感知運用于車載事故終端的可行性，進行了臺車試驗。使用DAPG-QJ-MNPZ型臺車碰撞模擬試驗系統進行碰撞模擬試驗，臺車質量為400kg。如圖3所示，事故檢測模塊與臺車剛性連接。

圖3　事故檢測模塊

圖4為試驗臺車分別以28,40,50km/h速度碰撞剛性壁障時，呼救模塊的信息顯示。

圖4　呼救模塊信息顯示

將試驗臺車分別以28，40，50km/h速度碰撞時事故檢測模塊所采集的臺車座椅圖像信號經過DWT分解得到稀疏信號，然后通過M×N維隨機高斯矩陣進行觀測得到M個觀測值(本次試驗中，M=190，N=256)，最后采用OMP算法進行重構得到臺車座椅重構圖像。重構效果如圖5所示。圖5(a)，(b),(c)分別為28,40,50km/h速度碰撞時傳統圖像采集過程中呼救中心獲得的原始圖像；圖5(d),(e),(f)分別為28,40,50km/h速度碰撞時運用壓縮感知后呼救中心獲得的重構圖像。

圖5　原始圖像和重構圖像效果

峰值信噪比(peaksignaltonoiseratio，PSNR)是常用的衡量信號失真程度的指標，它能夠反映圖像經過壓縮變換后與原始圖像之間的差距，計算公式如下：

(5)

式中:MSE為原始圖像與處理后圖像之間的均方誤差;PSNR的單位為dB。PSNR值越大，代表處理后圖像的失真程度越小。

試驗臺車分別以28，40，50km/h速度碰撞剛性壁障時所得PSNR值如表1所示。3次試驗中所得PSNR值分別為34.935 8， 34.699 0， 34.488 0，所得數值均較為理想。另外，通過對比原始圖像和重構圖像，可知重構圖像較為清晰，重構效果較好，將壓縮感知理論運用于車載呼救終端具有可行性。

表1　28，40，50 km/h碰撞時的PSNR值

4結束語

本文將壓縮感知理論運用到車輛事故自動呼救系統，并使用臺車碰撞模擬試驗系統進行碰撞模擬試驗。試驗結果表明:采用壓縮感知理論能夠較好地重構出事故檢測模塊所拍攝的原始圖像，重構圖像清晰、平滑，將壓縮感知運用于車輛事故自動呼救系統具有可行性。

參考文獻：

[1]MOHANRA,CHAEWONB,BEUTNERR,etal.Evaluatingthereliabilityofautomatedcollisionnotificationsystems[J].AccidentAnalysisandPrevention,2003,35(3):349-360.

[2]CANDESEJ.Compressivesampling[C]//25thInternationalCongressofMathematicians,ICM2006.[S.l.]:[s.n.],2006:1433-1452.

[3]DONOHODL.Compressedsensing[J].IEEETrans.OnInformationTheory,2006,52(4):1289-1306.

[4]秦乙，朱衛綱，胡旭，等.寬帶跳頻信號的壓縮采樣與重構[J].國外電子測量技術，2013，32(9)：25-28,51.

[5]石光明，劉丹華，高大化，等.壓縮感知理論及其研究進展[J].電子學報，2009，37(5)：1070-1081.

[6]邵文澤,韋志輝.壓縮感知基本理論：回顧與展望[J].中國圖象圖形學報，2012，17(1)：1-12.

[7]史久根，吳文婷，劉勝.基于壓縮感知的圖像重構算法[J].計算機工程，2014，40(2)：229-232.

[8]趙春暉，劉巍.壓縮感知理論及其在成像技術中的應用[J].智能系統學報， 2012，7(1)：21-32.

[9]侯金曼，何寧，呂科.基于壓縮感知的圖像快速重建方法[J].計算機工程， 2011，37(19)：215-217,226.

[10]CANDESEJ,ROMBERGJ,TERENCET.Robustuncertaintyprinciples:Exactsignalreconstructionfromhighlyincompletefrequencyinformation[J].IEEETrans.OnInformationTheory,2006,52(2):489-509.

[11]BARANIUKR.Alectureoncompressivesensing[J].IEEESignalProcessingMagazine,2007,24(4):118-121.

[12]王紅柱，陳硯圃，高悅，等.基于線性預測分析的語音信號壓縮感知[J].計算機應用研究， 2012， 29(4)：1335-1337.

[13]CANDESEJ,TAOT.Nearoptimalsignalrecoveryfromrandomprojections:Universalencodingstrategies[J].IEEETransactionsonInformationTheory,2006,52(12):5406-5425.

[14]李然，干宗良，崔子冠，等.壓縮感知圖像重建算法的研究現狀及其展望[J].電視技術，2013，37(19)：7-14.

[15]陸望，王友國.改進匹配追蹤算法及其在圖像壓縮中的應用[J].計算機技術與發展，2013，23(8)：234-237,241.

(責任編輯楊黎麗)

Application of Compressed Sensing to Automatic

Crash Notification System

LU Yinga， LIU Ai-songa， JIANG Hongb

(a.School of Automotive and Traffic Engineering; b.School of Mechanical Engineering,

Jiangsu University, Zhenjiang 212013, China)

Abstract:An automatic crash notification system terminal which consists of crash detection module and crash notification module was designed. The camera in crash detection module can collect image information that reflects passengers’ injury condition after accident and the image information can be eventually transferred to call center to facilitate rescuers to carry out rescue operations. Applying compressed sensing theory to automatic crash notification system was proposed, so that the waste of sampling resources during the traditional period of collecting image and compressing image was avoided. In addition, the speed of image signal transformed from crash detection module to call center can be improved and energy consumption during the period of compressing image and transforming image can be reduced. A trolley collision experiment was conducted to verify the feasibility of applying compressed sensing to automatic crash notification system. It turns out that the constructed image is clear and smooth and applying compressed sensing to automatic crash notification system is feasibility.

Key words:compressed sensing; notification terminal; image signal; signal transmission

文章編號：1674-8425(2016)01-0099-05

中圖分類號：TN911.73;U461.91

文獻標識碼：A

doi:10.3969/j.issn.1674-8425(z).2016.01.017

作者簡介：陸穎(1981—)，男，博士后，副教授，主要從事車輛事故后安全、圖像處理研究。

基金項目：江蘇大學高級專業人才科研啟動 (09JDG078)

收稿日期：2015-10-22