溫馨啟行

姜濤+吳振飛+蔡毅杰+邵寶東

摘 要：基于2.4 G無線通信模塊擴展外圍硬件，遵循感知層、網絡層和應用層三層設計的原則，文中設計了一款基于物聯網和音視頻分析技術的智能候車室監控系統。大幅降低了監控系統的媒體數據存儲、處理、交換和管理壓力，提高了系統的運行效率和有效信息的利用，具有良好的社會效益與廣闊的發展前景。

關鍵詞：物聯網；音視頻分析技術；智能候車室監控系統

0 引 言

該作品基于2.4 G無線通信模塊擴展外圍硬件，開發相應的系統軟件，構建了一款基于物聯網和音視頻分析技術的智能候車室監控系統。系統包括環境監測子系統、旅客安全防護子系統及便民服務子系統。演示模型如圖1所示。

環境監測子系統由2.4 G無線通信模塊及其相關外圍電路組成。系統的傳感器節點可對物理環境信息進行采集，然后將采集到的物理信息通過無線網絡發送到控制中心節點，控制中心節點再將數據按規定格式發往管理中心。在管理中心設計了用戶操作界面，便于管理人員對數據進行分析和處理。傳感器實物及PCB如圖2所示。

旅客安全防護子系統綜合應用了計算機視覺、語音信號處理、模式識別等技術。主動對旅客的音視頻信息進行實時檢測、分類、識別和跟蹤，使計算機具備理解和分析人類行為的能力，從而實現安全預警，最大程度防止意外情況的發生。旅客異常事件檢測如圖3所示。

通過將物聯網和音視頻分析技術應用于候車室安防與控制系統，使得車站管理人員從手動控制各設備到系統根據環境參數自動調節，從“緊盯屏幕”的低級監控模式到系統主動監控模式，體現了智慧城市設計的新理念。

1 候車室智能控制系統設計方案

1.1 智能候車室控制系統結構設計

智能候車室系統需要獲取不同類型傳感器節點的數據，根據不同的應用環境選擇合適的技術實現節點間通信，實現感知層與互聯網的連接。考慮到系統的結構體系，為使其能夠安全、可靠的運行，增強可維護性，本系統設計遵循感知層、網絡層和應用層三層設計的原則。智能候車室控制系統的結構框圖如圖4所示。

本系統的簡化結構框圖如圖5所示。終端節點、路由節點、協調器通過ZigBee無線通信方式組網。協調器與監控管理平臺通過串口實現通信。計算機和手機客戶端與監控管理平臺的信息交互通過Client服務器實現，遠程瀏覽器與監控管理平臺的信息交互則通過Web服務器實現。

1.2 智能候車室控制系統各層次設計

1.2.1 感知層設計

（1）無線數據傳輸和控制終端

本系統的無線數據傳輸和控制終端基于CC2530芯片設計，其組成框圖如6所示。傳感器節點主要由數據采集模塊、數據處理模塊、無線通信模塊和能量供應模塊組成，主要完成數據的采集、處理及發送。數據采集模塊主要負責傳感器采集數據，將采集的狀態數據轉換成電壓、電流等物理模擬信號后再發送到調理電路，通過調理電路的AD采樣將信號從模擬量轉換成數字量并交由數據處理模塊處理。數據處理模塊主要負責數據的處理操作、數據存儲、任務管理調度及能耗管理等工作。無線通信模塊主要負責與其它通信節點進行無線通信連接，收發采集到的數據，控制命令等信息。能量供應模塊是整個傳感器節點的能源供應點。

（2）傳感器模塊的設計

CO2模塊：根據靈敏度的需要及成本控制的要求，系統采用MG811二氧化碳傳感器，并使用溫度補償電阻減少實際使用中的誤差；多功能傳感器模塊：基于對多種傳感器的研究，系統設計了一種復用式傳感器采集模塊，可實現光照、溫濕度和火焰等參數的采集；煙霧模塊：系統采用MQ-2傳感器制成煙霧感知模塊。

（3）主控模塊的設計

為滿足不同傳感器的供電和控制，系統設計了通用底板，設計實物如圖7所示。

1.2.2 網絡層設計

通過將一系列空間分散的傳感器單元通過自組織無線網絡進行連接，將各自采集的數據通過無線網絡傳輸匯聚，實現對空間分散范圍內的物理或環境狀態的協調監控，并根據這些信息進行相應的分析和處理。為提高系統工作效率，系統定義了嚴格的通信規約。系統軟件獲得的ZigBee協調器上報的數據是長度為66的比特流，比特流的幀格式及其含義如圖8所示。特別需要強調的是，下行幀繼電器地址數據的更新是在上行幀解析過程中完成的。從上行幀輸出節點數據塊中取出繼電器地址數據，實時更新下行幀繼電器地址數據。這是由于ZigBee的自組網特性無法保證各節點地址在傳感器網絡重新組網后保持不變。

1.2.3 應用層設計

本層的設計需要搭建系統應用平臺和人機交互系統，綜合運用數據庫技術、網絡技術、人機交互技術，實現信息從物理世界傳向用戶的過程和用戶對感知網絡終端節點的控制。

2 安防智能監控系統設計方案

2.1 安防智能監控系統關鍵技術

2.1.1 背景建模：基于Kalman濾波理論的背景建立與更新

背景差分法是目前運動目標檢測最常用的方法，該方法把圖像分為背景和前景，對背景進行建模，然后把當前幀與背景模型進行比較，與背景模型匹配的像素被標記為背景，不匹配的像素被標記為前景，同時更新背景模型。前景多目標跟蹤的關鍵技術之一在于背景建模提取背景的好壞，由于卡爾曼濾波器是最優化自回歸數據處理算法，采用的算法支持對過去、現在和將來的狀態估算，對于大部分問題而言是最優的，效率最高的，且能在實際中提供背景更新，算法的實時性較高。因此在本次設計中采用Kalman背景建模法提取背景與更新。

2.1.2 前景目標獲取

在經過分割后的前景區域中，目標被影藏在眾多干擾中，這些干擾的形式類似于白噪聲，均勻分布在整幅圖像中，給我們后期處理帶來很多麻煩。在實際處理前，應對求得的前景區域進行簡單處理，提取出感興趣的區域（ROI），即從干擾中將目標分離出來。具體算法及目標提取效果如圖9所示。

2.1.3 基于支持向量機的運動目標識別

支持向量機是一種前饋網絡的線性機，主要建立一個超平面作為決策曲面，使得兩類模式向量分開的間隔最大，支持向量機是結構風險最小化方法的近似實現，在模式分類問題上能提供較好的泛化性能。

2.2 安全預警監控系統功能設計

2.2.1 運動目標識別

在候車室被控視頻區域中，根據先驗模型識別出目標類別，用于區分目標旅客，識別效果如圖10所示。

2.2.2 站臺安全黃線檢測

檢測穿越警戒線的人、動物等移動目標。在攝像機監視的視場范圍內，可以設置多條警戒線并規定其禁止穿越方向。一旦有旅客按照禁止方向穿越黃色安全線立即告警，并用告警框標示出該移動目標。提醒車站管理人員注意有旅客穿越黃線。示意圖如圖11所示。

2.2.3 群體性事件檢測

將監控區域內所有目標的坐標進行透視變換，求取目標在變換平面中的坐標位置。計算區域中所有目標的位移向量，根據計算得到的向量計算目標位移。根據求得的位移以及兩幀圖片間的延時，計算可得目標在變換平面中的瞬時移動速度。最后將該瞬時移動速度乘以真實場景與變換平面的比例就可得出目標真實的運動速度。在檢測到高速目標后用最小矩形框來框定目標，同時結合敏感詞語音識別技術，對旅客的可能性行為進行預判并預警。

2.2.4 旅客非正常行為識別

在確定區域中的目標數量后，利用支持向量機進行行為識別。循環提取每一個目標，循環次數為目標的數量。計算選取目標的特征向量，再將其特征向量通過支持向量機進行分類，判斷目標行為類型。識別效果如圖12所示。

2.2.5 流量擁堵檢測分析

對候車室旅客密度進行統計分析，與事先由管理人員設定的等級比對，并得出量化等級。當候車室內旅客密度達到一定等級且持續一定時間后報警，提示車站管理人員，應限制進入候車廳人數。

3 創新點

本系統具有如下創新點：

（1）該系統采用物聯網和視頻分析技術，構建了一種智慧型的跨媒體、跨傳感器協同工作的候車室監控系統；

（2）將安全、環保、便民等因素引入系統設計，體現了智慧城市“以人為本”的管理理念；

（3）基于異常事件觸發的監測監控工作模式，大幅降低了監控系統的媒體數據存儲、處理、交換和管理壓力，提高了系統的運行效率和有效信息的利用；

（4）多任務同時執行的工作模式提高了系統的可靠性。目前在全國大中城市中，尚無類似候車室管理系統，因此應用前景廣闊。

（5）通過將物聯網和音視頻分析技術應用于候車室安防與控制系統，使得車站管理人員從手動控制各設備到系統根據環境參數自動調節，從“緊盯屏幕”的低級監控模式到系統主動監控模式，體現了智慧城市設計的新理念。