摘 要： 對(duì)煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)進(jìn)行合理設(shè)計(jì)，可以對(duì)煙火場(chǎng)區(qū)域內(nèi)的人員進(jìn)行準(zhǔn)確定位，提高火場(chǎng)救援效率，傳統(tǒng)的煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)在模式識(shí)別領(lǐng)域一直存在誤差大、滯后大的問(wèn)題。設(shè)計(jì)一種煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)，對(duì)系統(tǒng)內(nèi)的硬件進(jìn)行描述：采用TI公司的DM642為核心芯片，進(jìn)行煙火場(chǎng)區(qū)域的人員圖像采集；以DDR為中心進(jìn)行圖像的存儲(chǔ)；以TMS320DM8168為接口核心進(jìn)行與外部設(shè)備的連接，采用Ahera公司生產(chǎn)的FPGA芯片EPIC20F324對(duì)煙火場(chǎng)區(qū)域的人員進(jìn)行智能分析。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有良好的實(shí)時(shí)性和穩(wěn)定性，可以有效地對(duì)煙火場(chǎng)區(qū)域的人員位置進(jìn)行智能視覺(jué)分析。

關(guān)鍵詞： 煙火場(chǎng)區(qū)域； 人員定位； 智能視覺(jué)分析； 圖像采集

中圖分類(lèi)號(hào)： TN915.5?34； TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）16?0128?04

Abstract： The reasonably?designed of intelligent vision analysis system for persons in fireground area can locate the persons in fireground area accurately， and improve the efficiency of fireground rescue. Since the traditional intelligent vision analysis system for locating the persons in fireground area exists the problems of big error and large lag in pattern recognition field， an intelligent vision analysis system for persons in fireground was designed. The hardwares inside the system are described. The DM642 made by TI Company is adopted as the core chip of the system to collect the images of persons in fireground area. DDR is taken as the center for image storage. TMS320DM8168 is employed as the interface core to connect the system with external devices. The FPGA chip EPIC20F324 made by Ahera Company is adopted for intelligent analysis on the persons in fireground area. The experimental results prove that the system has good real?time performance and stability， and can effectively perform the intelligent vision analysis for the position of persons in fireground area.

Keywords： fireground area； person positioning； intelligent vision analysis； image acquisition

0 引 言

火災(zāi)是目前發(fā)生概率較大、給人類(lèi)生命財(cái)產(chǎn)安全帶來(lái)嚴(yán)重?fù)p失的災(zāi)害。隨著現(xiàn)代經(jīng)濟(jì)的發(fā)展，火災(zāi)發(fā)生的區(qū)域也逐漸擴(kuò)大，煙火場(chǎng)救人是指滅火人員使用各種技術(shù)和器材解救火場(chǎng)中的受困人員，并將其轉(zhuǎn)移到安全區(qū)域的過(guò)程。當(dāng)前火災(zāi)發(fā)生的環(huán)境復(fù)雜多變、引起的危害也越來(lái)越嚴(yán)重，如何有效地搜救火場(chǎng)待救人員并保證其安全，對(duì)煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)進(jìn)行合理設(shè)計(jì)，可以對(duì)煙火場(chǎng)區(qū)域內(nèi)的人員進(jìn)行準(zhǔn)確定位，提高火場(chǎng)救援效率。

當(dāng)前的煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析方法存在一定弊端，如文獻(xiàn)[1]運(yùn)用時(shí)間差分法計(jì)算出煙火場(chǎng)區(qū)域的人員圖像序列中的兩幅相近幀，對(duì)像素的時(shí)間差分進(jìn)行處理，隨后對(duì)差分結(jié)果進(jìn)行閉值化處理，完成煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析，如果煙火場(chǎng)區(qū)域的人員某些范圍的灰度值波動(dòng)不夠顯著，則該方法會(huì)使在煙火場(chǎng)區(qū)域的人員圖像出現(xiàn)空洞問(wèn)題，嚴(yán)重降低煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析精度；文獻(xiàn)[2]通過(guò)光流法檢測(cè)煙火場(chǎng)區(qū)域的人員圖像的異常動(dòng)作，其依據(jù)煙火場(chǎng)中的人員隨時(shí)間波動(dòng)在圖像中呈現(xiàn)出的光流特征，運(yùn)算位移向量，以此為基礎(chǔ)對(duì)煙火場(chǎng)區(qū)域的人員進(jìn)行智能視覺(jué)分析，但是該方法容易受到噪聲、陰影、煙霧等干擾因素的影響，且存在運(yùn)算效率低的問(wèn)題；文獻(xiàn)[3]提出一種基于背景減除法的煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析方法，先采集不含前景目標(biāo)的背景圖像，再將當(dāng)前圖像幀同背景圖像相減，獲取前景目標(biāo)。但是該方法非常容易受到光照波動(dòng)、室外環(huán)境中背景波動(dòng)的影響，適應(yīng)能力較差。文獻(xiàn)[4]提出一種基于高斯建模的煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析方法，對(duì)煙火場(chǎng)中的人員進(jìn)行分析，但該方法在復(fù)雜背景下建模效果較差，檢測(cè)結(jié)果不理想。

本文設(shè)計(jì)一種煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)，對(duì)系統(tǒng)內(nèi)的硬件進(jìn)行描述，經(jīng)實(shí)驗(yàn)證明，該系統(tǒng)具有良好的實(shí)時(shí)性和穩(wěn)定性，可以有效地對(duì)煙火場(chǎng)區(qū)域的人員位置進(jìn)行智能視覺(jué)分析。

1 煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)硬件設(shè)計(jì)

本文設(shè)計(jì)系統(tǒng)是一個(gè)高速采集煙火場(chǎng)區(qū)域的人員圖像，快速確定煙火場(chǎng)區(qū)域人員位置的智能視覺(jué)分析系統(tǒng)，主要包括硬件和軟件兩部分。系統(tǒng)的硬件部分主要包括攝像頭、視頻交互的嵌入式處理器和視頻處理部分，視頻處理器和視頻采集部分之間通過(guò)DPRAM進(jìn)行實(shí)時(shí)交換，如圖1所示。

分析圖1可知，煙火場(chǎng)區(qū)域的人員圖像采集系統(tǒng)主要采用PAL制式下的視頻交換接口的CCD攝像頭，選取的分辨率為1 024×1 080的攝像機(jī)，幀率為70 f/s，通過(guò)視頻中的圖像輸出接口，將視頻中圖像信號(hào)傳輸?shù)絇PI接口中后，對(duì)視頻圖像進(jìn)行壓縮并以2.6 Mb/s的高速度傳輸給視頻檢測(cè)中心進(jìn)行人工監(jiān)控，此過(guò)程對(duì)網(wǎng)絡(luò)帶寬要求很高，具體要完成視頻的壓縮傳輸，要結(jié)合本地帶寬進(jìn)行智能圖像處理，把采集符合要求的煙火場(chǎng)區(qū)域的人員圖像進(jìn)行實(shí)時(shí)傳輸，以此降低網(wǎng)絡(luò)傳輸中的負(fù)擔(dān)，以下對(duì)硬件中的重要模塊進(jìn)行介紹。

1.1 圖像采集模塊

該模塊利用雙CCD攝像機(jī)、2片Philips公司的SAA7115H、AMD公司的AM29LV系列FLASH芯片、TI公司的DM642核心處理芯片，并用Video Port0和Video Port1組成了視頻圖像采集模塊，實(shí)現(xiàn)煙火場(chǎng)區(qū)域人員圖像的實(shí)時(shí)采集，它主要通過(guò)攝像機(jī)捕獲視頻信號(hào)經(jīng)過(guò)通道SAA7115H進(jìn)行數(shù)字轉(zhuǎn)換后，形成特定格式的數(shù)字視頻信號(hào)，從DM642的Video Port0，Video Port1輸入；在DM642中，視頻數(shù)據(jù)經(jīng)過(guò)相應(yīng)算法處理后，由Video Port2經(jīng)視頻編碼芯片轉(zhuǎn)換后輸出煙火場(chǎng)區(qū)域的人員圖像。如圖2所示。

1.2 圖像存儲(chǔ)模塊

圖像數(shù)據(jù)采集完成后，由配置HDVPSS子系統(tǒng)把煙火場(chǎng)中人員圖像數(shù)據(jù)送到VPDMA中，并轉(zhuǎn)入DDR內(nèi)存，當(dāng)DDR內(nèi)存的視頻圖像數(shù)據(jù)量過(guò)多超過(guò)設(shè)定的數(shù)據(jù)量時(shí)會(huì)產(chǎn)生中斷，中斷發(fā)生后，根據(jù)存放地址啟動(dòng)內(nèi)存和固態(tài)硬盤(pán)間的DMA傳輸，將煙火場(chǎng)區(qū)域的人員圖像通過(guò)SATA接口存儲(chǔ)在SSD上，完成了煙火場(chǎng)區(qū)域的人員圖像的存儲(chǔ)。然后開(kāi)始下一周期的數(shù)據(jù)采集，具體如圖3所示。

1.3 煙火場(chǎng)區(qū)域的人員圖像視覺(jué)分析模塊

在1.2節(jié)的基礎(chǔ)上，對(duì)存儲(chǔ)的煙火場(chǎng)區(qū)域的人員圖像進(jìn)行智能分析。本文設(shè)計(jì)的FPGA模塊主要負(fù)責(zé)對(duì)煙火場(chǎng)中人員位置進(jìn)行智能視覺(jué)分析，具體硬件結(jié)構(gòu)如圖4所示。

由圖4可知，F(xiàn)PGA模塊對(duì)數(shù)據(jù)傳輸速度有很高的要求，根據(jù)FPGA模塊需要，運(yùn)用Ahera公司生產(chǎn)的FPGA芯片EPIC20F324，其芯片內(nèi)部集成了近20 000個(gè)數(shù)據(jù)分析單元，3個(gè)可編程鎖相環(huán)以及400多個(gè)可用的I/O口，運(yùn)用VHDL語(yǔ)言進(jìn)行編程，利用編程語(yǔ)言著重對(duì)煙火場(chǎng)區(qū)域的人員位置進(jìn)行分析，將該煙火場(chǎng)區(qū)域人員圖像劃分成不同的時(shí)空塊，對(duì)由火場(chǎng)區(qū)域人員所產(chǎn)生的時(shí)空交織模式進(jìn)行分析，將分析結(jié)果與設(shè)定的目標(biāo)函數(shù)[J]進(jìn)行比對(duì)，將小于目標(biāo)函數(shù)[J]的結(jié)果定義為煙火場(chǎng)區(qū)域人員的具體位置，實(shí)現(xiàn)煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析。

1.4 圖像處理接口模塊

基于TMS320M8168芯片豐富的外設(shè)接口，設(shè)計(jì)的系統(tǒng)能夠靈活地進(jìn)行外部接口設(shè)計(jì)控制外圍設(shè)施，實(shí)現(xiàn)與自身外部處理器的通信功能。根據(jù)需求可選取2個(gè)具有GMII和MDIO接口的千兆位以太網(wǎng)MAC，或者2個(gè)具有集成2.0PHY的USB端口。如圖5所示。

TMS320DM8168的兩個(gè)USB接口能夠滿(mǎn)足采集的圖像數(shù)據(jù)上傳的需要，通過(guò)LCD，VGA接口可用來(lái)連接圖像采集模塊，也可用來(lái)控制煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析的速率，達(dá)到煙火場(chǎng)區(qū)域的人員圖像數(shù)據(jù)的高速傳輸，增加分析的速度。

1.5 系統(tǒng)軟件設(shè)計(jì)

煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)的軟件部分以時(shí)空特征分析方法為基礎(chǔ)，結(jié)合稀疏編碼方法獲取煙火場(chǎng)的人員位置參數(shù)，最終計(jì)算人員的空間位置，完成煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析。其中，煙火場(chǎng)區(qū)域的人員圖像位置的特征點(diǎn)能夠用稀疏編碼進(jìn)行描述，通過(guò)包含時(shí)間和空間量測(cè)的滑動(dòng)窗口獲取，具體過(guò)程如下：

利用圖像采集模塊采集一段煙火場(chǎng)區(qū)域的人員視頻，將該煙火場(chǎng)區(qū)域的人員視頻中的位置信息劃分成不同的時(shí)空塊[X=X1，X2，…，Xm]，各時(shí)空塊中存在一組時(shí)空價(jià)值立方體[Xi=X1i，X2i，…，Xnii]。煙火場(chǎng)區(qū)域的人員圖像位置的特征點(diǎn)是由多個(gè)時(shí)空價(jià)值立方體構(gòu)成的時(shí)空塊[Xi=X1i，X2i，...，Xnii]。

利用稀疏編碼公式對(duì)時(shí)空塊[Xi]是否具有代表煙火場(chǎng)人員位置信息的特征點(diǎn)進(jìn)行判斷：

[J（Xi，αi，D）=Xi12jXji-Dαji22+λ1jαji+ λ2j，kWjkαji-αki22] （1）

式中：[αi=α1i，α2i，…，αnii]表示系數(shù)矩陣；[D]表示煙火場(chǎng)人員位置信息集合；[λ1，λ2]為特征點(diǎn)稀疏規(guī)范化參數(shù)和平滑規(guī)范化項(xiàng)參數(shù)。

當(dāng)[Xi]對(duì)應(yīng)的目標(biāo)滿(mǎn)足公式（2）時(shí)，證明則具有代表煙火場(chǎng)的人員位置信息的特征點(diǎn)，否則，不具有代表煙火場(chǎng)的人員位置信息的特征點(diǎn)，對(duì)其進(jìn)行刪除。

[Xi>ε] （2）

式中，[ε]表示設(shè)置的閾值。

通過(guò)上述分析，對(duì)煙火場(chǎng)人員的位置進(jìn)行確定，完成煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析，具體算法流程如下：

輸入：煙火場(chǎng)區(qū)域的人員視頻數(shù)據(jù)，學(xué)習(xí)率[η]，閾值[ε]。

輸出：煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析結(jié)果。

過(guò)程：

（1） 通過(guò)訓(xùn)練獲取煙火場(chǎng)區(qū)域的人員視頻圖像；

（2） 通過(guò)時(shí)空滑動(dòng)窗檢索的煙火場(chǎng)視頻劃分為多個(gè)時(shí)空塊[Xi=X1，X2，…，Xm]；

（3） 對(duì)于劃分后的每個(gè)時(shí)空塊利用式（3）中的卡爾曼濾波方法進(jìn)行濾波處理，濾除背景以及一切干擾：

[s=i（ai-bi）2（e2-c）×η] （3）

式中：[ai，bi]代表煙火場(chǎng)中人員位置橫、縱坐標(biāo)的估計(jì)值；c代表卡爾曼濾波系數(shù)；e代表濾波系數(shù)的增益參數(shù)。

（4） 對(duì)圖像中的人員區(qū)域進(jìn)行實(shí)時(shí)定位，利用式（4）獲取煙火場(chǎng)的人員位置參數(shù)：

[uk=tn（s2-g）M-1] （4）

式中：[M]為圖像采集設(shè)備的空間位置參數(shù)；[s]為煙火場(chǎng)的面積大??；[t]為火災(zāi)持續(xù)時(shí)間；[n]為煙火強(qiáng)度系數(shù)。

（5） 將獲取的煙火場(chǎng)的人員位置參數(shù)代入，利用式（5）獲取煙火場(chǎng)的人員的空間位置，輸出煙火場(chǎng)的人員智能視覺(jué)分析結(jié)果：

[x=Q2-W（ai）+E2u（k）y=Q2-W（bi）+O2u（k）] （5）

式中：x和y代表煙火場(chǎng)受困人員精確定位的橫坐標(biāo)和縱坐標(biāo)；Q，u（k）代表煙火場(chǎng)的人員位置參數(shù)；[W（ai）]和[W（bi）]代表煙火場(chǎng)中受困人員橫、縱坐標(biāo)的特征向量；E代表煙火場(chǎng)中受困人員圖像像素協(xié)方差矩陣；O代表煙火場(chǎng)內(nèi)人員位置的更新參數(shù)。

（6） 算法結(jié)束。

2 實(shí)驗(yàn)結(jié)果與分析

通過(guò)實(shí)驗(yàn)驗(yàn)證本文方法的有效性，實(shí)驗(yàn)中采用的煙火場(chǎng)的人員智能視覺(jué)分析數(shù)據(jù)來(lái)自正?；馂?zāi)視頻，利用Java進(jìn)行編程，利用Matlab 7.0構(gòu)建實(shí)驗(yàn)環(huán)境，將傳統(tǒng)的時(shí)間差分法作為對(duì)比分析方法。

2.1 不同方法下煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析結(jié)果比對(duì)

分析圖6～圖8可知，與傳統(tǒng)方法相比，利用本文設(shè)計(jì)的系統(tǒng)能夠獲取更清晰的煙火場(chǎng)中的人員圖像，充分體現(xiàn)出本文系統(tǒng)的優(yōu)越性。

2.2 不同方法下煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析性能比對(duì)

為了進(jìn)一步驗(yàn)證本文設(shè)計(jì)的煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)的有效性，將傳統(tǒng)的時(shí)間差分法作為對(duì)比分析方法，對(duì)不同方法下煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析性能比對(duì)，將人員智能定位誤差和時(shí)間作為評(píng)價(jià)性能優(yōu)劣的指標(biāo)，結(jié)果如圖9，圖10，表1所示。

分析圖9和圖10可知，利用本文方法和傳統(tǒng)方法進(jìn)行煙火場(chǎng)人員智能視覺(jué)分析時(shí)，本文方法更符合實(shí)際結(jié)果，說(shuō)明本文方法具有較好的視覺(jué)分析精度。

分析表1可知，面對(duì)一級(jí)火災(zāi)場(chǎng)景，本文方法進(jìn)行煙火場(chǎng)人員視覺(jué)分析時(shí)，人員定位時(shí)間平均約為5 s，而傳統(tǒng)算法人員定位時(shí)間平均約為14 s，本文方法比傳統(tǒng)方法提高約9 s；在定位誤差方面，本文方法進(jìn)行煙火場(chǎng)人員視覺(jué)分析時(shí)，人員定位誤差平均約為5%，而傳統(tǒng)方法約為15%；面對(duì)二級(jí)火災(zāi)場(chǎng)景，本文方法進(jìn)行煙火場(chǎng)人員視覺(jué)分析時(shí)，人員定位時(shí)間平均約為6 s，而傳統(tǒng)算法人員定位時(shí)間平均約為16.7 s，本文方法比傳統(tǒng)方法提高約10.7 s；在定位誤差方面，本文方法進(jìn)行煙火場(chǎng)人員視覺(jué)分析時(shí)，人員定位誤差平均約為8%，而傳統(tǒng)方法約為18.7%；面對(duì)三級(jí)級(jí)火災(zāi)場(chǎng)景，本文方法進(jìn)行煙火場(chǎng)人員視覺(jué)分析時(shí)，人員定位時(shí)間平均約為9 s，而傳統(tǒng)算法人員定位時(shí)間平均約為21.6 s，本文方法比傳統(tǒng)方法提高約12 s；在定位誤差方面，本文方法進(jìn)行煙火場(chǎng)人員視覺(jué)分析時(shí)，人員定位誤差平均約為11.6%，而傳統(tǒng)方法約為26.3%。

綜上所述，證明了隨著火災(zāi)嚴(yán)重程度不斷增大，利用本文設(shè)計(jì)的煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析優(yōu)勢(shì)更加明顯。

3 結(jié) 論

針對(duì)傳統(tǒng)的煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)在模式識(shí)別領(lǐng)域一直存在誤差大、滯后大的問(wèn)題，本文設(shè)計(jì)了一種煙火場(chǎng)區(qū)域的人員智能視覺(jué)分析系統(tǒng)，對(duì)系統(tǒng)內(nèi)的硬件進(jìn)行描述：采用TI公司的DM642為核心芯片，進(jìn)行煙火場(chǎng)區(qū)域的人員圖像采集；以DDR為中心進(jìn)行圖像的存儲(chǔ)；以TMS320DM8168為接口核心進(jìn)行與外部設(shè)備的連接，采用Ahera公司生產(chǎn)的FPGA芯片EPIC20F324對(duì)煙火場(chǎng)區(qū)域的人員進(jìn)行智能分析，經(jīng)實(shí)驗(yàn)證明，該系統(tǒng)具有良好的實(shí)時(shí)性和穩(wěn)定性，可以有效地對(duì)煙火場(chǎng)區(qū)域的人員位置進(jìn)行智能視覺(jué)分析，具有較強(qiáng)的實(shí)用性，可以為火場(chǎng)救援提供理論指導(dǎo)。

參考文獻(xiàn)

[1] 黃石磊.基于視覺(jué)計(jì)算的運(yùn)動(dòng)目標(biāo)跟蹤及異常行為分析[D].鄭州：鄭州大學(xué)，2014.

[2] 董俊峰.基于視覺(jué)的人體運(yùn)動(dòng)分析技術(shù)研究[D].北京：北方工業(yè)大學(xué)，2015.

[3] 劉柯.基于視覺(jué)圖像的船模運(yùn)動(dòng)姿態(tài)分析[D].無(wú)錫：江南大學(xué)，2015.

[4] 王曉峰，郝瀟.基于嵌入式的汽車(chē)異常移動(dòng)視覺(jué)監(jiān)控仿真分析[J].計(jì)算機(jī)仿真，2014，31（8）：163?167.

[5] 苗志宏，李智慧.火災(zāi)環(huán)境下人員疏散耦合SPH模型及仿真[J].系統(tǒng)仿真學(xué)報(bào)，2016，28（2）：292?300.

[6] 方江平，王宗超，王雅麗.火災(zāi)自動(dòng)報(bào)警系統(tǒng)中火災(zāi)檢測(cè)與定位改進(jìn)方法[J].消防技術(shù)與產(chǎn)品信息，2015（3）：35?37.

[7] 薛節(jié).圖像型火災(zāi)探測(cè)及火源定位系統(tǒng)的研究與實(shí)現(xiàn)[D].上海：東華大學(xué)，2015.

[8] 吳小川.紅外矩陣火災(zāi)探測(cè)圖像采集與火焰定位技術(shù)研究[J].通訊世界，2015（6）：262.

[9] 金雨，李紅莉.基于LabVIEW和USB攝像頭的圖像采集與處理[J].現(xiàn)代電子技術(shù)，2015，38（20）：67?70.