胡嘉航

摘要：災(zāi)區(qū)現(xiàn)場環(huán)境復(fù)雜，救援工作具有極大難度，特別在火場、震區(qū)等情況下，人工搜尋極其不便。設(shè)計了一種基于ARM的嵌入式救援搜尋系統(tǒng)，搭配小型飛行器等救援機(jī)器人，利用COFDM調(diào)制技術(shù)，實現(xiàn)系統(tǒng)與上位機(jī)的通信，實時傳輸視頻圖像數(shù)據(jù)，并采用紅外感應(yīng)及人臉識別等功能，協(xié)助進(jìn)行搜尋工作。實際測試結(jié)果表明，救援搜尋系統(tǒng)具有一定實用價值，在復(fù)雜環(huán)境中能夠有效地進(jìn)行搜救工作。

關(guān)鍵詞：救援搜尋；嵌入式；COFDM；紅外感應(yīng)；圖像識別

DOIDOI：10.11907/rjdk.171612

中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A文章編號：16727800（2017）010012303

0引言

在火場、震區(qū)等災(zāi)區(qū)中，救援搜尋工作具有較大難度，如何在保證救援人員安全的情況下進(jìn)行快速的救援搜尋成為一個亟需解決的問題。在這種情況下，使用救援機(jī)器人協(xié)助進(jìn)行搜救已經(jīng)成為一個趨勢，它能夠進(jìn)入人體無法穿越的狹小區(qū)域進(jìn)行快速搜尋，并借助搭載的攝像頭實時傳輸視頻圖像。本文提出了一種基于ARM高級精簡指令集計算機(jī)的救援搜尋系統(tǒng)，同時配備紅外感應(yīng)和人臉識別功能，以便于在黑暗中采集視頻圖像協(xié)助進(jìn)行搜救工作，搭載的無線傳輸模塊能夠在較復(fù)雜的環(huán)境中順利進(jìn)行數(shù)據(jù)傳輸。

1系統(tǒng)整體框架

救援搜尋系統(tǒng)主要完成在目標(biāo)環(huán)境中現(xiàn)場視頻圖像的傳輸、存儲及識別，由無線傳輸模塊、視頻圖像采集模塊、64位四核ARM處理器Cortex-A53以及上位機(jī)軟件組成，系統(tǒng)框架如圖1所示。圖像采集模塊采集現(xiàn)場視頻圖像數(shù)據(jù)，傳輸給Cortex-A53處理器進(jìn)行編碼處理，處理器通過無線傳輸模塊實時傳輸視頻流數(shù)據(jù)給救援人員所持的上位機(jī)軟件。在上位機(jī)軟件中，設(shè)置有輔助搜救的人臉識別功能，以協(xié)助救援人員進(jìn)行搜救工作。

圖1救援搜尋系統(tǒng)框架

1.1圖像采集模塊

圖像采集模塊由兩部分組成，分別是用于采集接收視頻圖像的攝像頭模塊和用于適應(yīng)救援環(huán)境的紅外感應(yīng)電路模塊。攝像頭模塊可以單獨工作，在紅外感應(yīng)電路模塊中，設(shè)置的可調(diào)節(jié)電阻用于配合光敏電阻設(shè)置該模塊開啟的光照強(qiáng)度閾值，以適應(yīng)實際救援環(huán)境。同時，設(shè)置3W大功率感光紅外燈用于黑暗環(huán)境中的圖像視頻采集工作。

在圖像視頻采集結(jié)束后，需要在主控芯片Cortex-A53中對其進(jìn)行編碼操作，由于H.264編碼標(biāo)準(zhǔn)為現(xiàn)今主流的視頻編解碼標(biāo)準(zhǔn)[1]，因此本文選定的圖像編碼方式以H.264為基礎(chǔ)。段書強(qiáng)[2]認(rèn)為，在救援工作中，對單畫面的清晰度要求相對較高，并且MPEG-4能夠在提供較高壓縮比的同時，實現(xiàn)較小的數(shù)據(jù)損失，其采用幀間壓縮，僅存儲連續(xù)幀之間有差別的地方，而H.264的性能通過增加其算法的復(fù)雜度得到提升；陳曦[3]、孫金慶[1]認(rèn)為，在復(fù)雜環(huán)境中，首先需要保證的是數(shù)據(jù)傳輸通暢，而H.264具有較強(qiáng)的網(wǎng)絡(luò)適應(yīng)性，能夠通過增加不同的NAL頭片適應(yīng)網(wǎng)絡(luò)需求，減少碼流傳輸誤差，在網(wǎng)絡(luò)狀況較差的情況下，較其它編碼方式具有極大優(yōu)勢，可保障動作的連貫性與清晰度。通過對比編碼特點，本文采用H.264作為救援搜尋系統(tǒng)的編碼標(biāo)準(zhǔn)。

由于救援環(huán)境較為復(fù)雜，無線傳輸環(huán)境較差，可能導(dǎo)致視頻圖像在傳輸過程中出現(xiàn)傳輸距離受阻以及數(shù)據(jù)丟包現(xiàn)象。為解決該問題，可在對圖像進(jìn)行編碼的同時，進(jìn)行圖像的連續(xù)行檢測。由于拍攝的圖像之間必然存在相同畫面，則可以在上一幀圖像的基礎(chǔ)上對下一幀圖像進(jìn)行編碼處理，識別出靜態(tài)圖像及動態(tài)圖像，分別進(jìn)行編碼傳輸，以減少數(shù)據(jù)丟包帶來的影響。

此處使用0V5647感光芯片，500萬像素的高清攝像頭，具有調(diào)焦功能，傳感器支持的最佳像素為1 080p。

1.2Cortex-A53處理器

Cortex-A53處理器為64位4核處理器，具有較好的性能，其工作頻率為1.2GHZ，能夠輕松運(yùn)行Linux系統(tǒng)，可用于各類小型嵌入式功能的開發(fā)與應(yīng)用。

1.3無線傳輸模塊

如今，無線圖像傳輸方式主要有模擬傳輸、數(shù)字電臺傳輸、GPRS/CDMA傳輸、無線局域網(wǎng)傳輸以及多載波COFDM調(diào)制技術(shù)[4]。其中，模擬傳輸技術(shù)無法在阻擋環(huán)境中和移動中使用；數(shù)字電臺、GPRS/CDMA技術(shù)有效傳輸速率較低，一般在100Kbps以下，無法傳輸高質(zhì)量的連續(xù)圖像，并且需要覆蓋式的專用網(wǎng)絡(luò)，無法在震區(qū)使用；無線局域網(wǎng)技術(shù)為單載波調(diào)制體制，繞射能力較差；多載波COFDM調(diào)制技術(shù)傳輸速率較高，具有較好的繞射及穿透能力。

綜上所述，在復(fù)雜環(huán)境中，由于無線信號傳輸受到嚴(yán)重干擾，無線傳輸模塊采用COFDM多載波調(diào)制技術(shù)。其中，COFDM需要使用信道編碼和OFDM調(diào)制技術(shù)，信道編碼可以使用卷積碼，而OFDM調(diào)制技術(shù)是使調(diào)制的各個子載波間可以相互重疊，且之間具有正交性[5]。其編碼調(diào)制流程如圖2所示。

由于2.4GHZ頻段為公共開放頻段，因此選擇2.4GHZ為無線傳輸模塊的頻率區(qū)域。

其中，卷積碼前后碼組具有相關(guān)性，即卷積碼編碼后的n個碼元不僅與當(dāng)前段的k個信息有關(guān)，而且與前面（N-1）（N為編碼約束度）段的信息有關(guān)。其中，k個信息比特也被編成n個比特的碼組，但k和n通常很小，并且可以通過串行或并行方式進(jìn)行傳輸，而且時延很小[6]。

OFDM調(diào)制將高速率的串行數(shù)據(jù)流通過串并轉(zhuǎn)換成N路的并行低速率的子數(shù)據(jù)流，再進(jìn)行IFFT運(yùn)算，并插入循環(huán)前綴即可生成一個OFDM信號。插入保護(hù)間隔是為了分離相鄰碼元，防止碼間干擾。在上位機(jī)獲得傳輸?shù)臄?shù)據(jù)流后，可以通過去除添加的保護(hù)間隔，并對數(shù)據(jù)進(jìn)行并串轉(zhuǎn)換和FFT處理后，還原得到OFDM的調(diào)制信號。

H.264編碼壓縮芯片采用Hi3510，OFDM調(diào)制載波芯片采用LME2980，無線收發(fā)器使用E01-ML01DP5 2.4G無線模塊。endprint

1.4上位機(jī)軟件

上位機(jī)軟件分為兩部分，一部分用于控制搜救機(jī)器人，此處不進(jìn)行討論，另一部分則用于接收視頻圖像并進(jìn)行處理。在上位機(jī)接收到無線傳輸模塊發(fā)送的數(shù)據(jù)包后，需要先對其進(jìn)行編碼解調(diào)，獲得所需圖像。

在上位機(jī)軟件中，配置有人臉識別功能用于協(xié)助救援人員搜尋被困人員，以免出現(xiàn)搜救工作的遺漏。使用人臉識別功能需要先進(jìn)行Opencv的安裝，Opencv是一個開源的跨平臺計算機(jī)視覺庫，實現(xiàn)了圖像處理和計算機(jī)視覺方面的很多通用算法，輕量級且高效，十分適合于安裝在微型嵌入式計算機(jī)上。由于人臉識別需要對每一幀圖像進(jìn)行處理，因此使用支持多線程、輕量級的Linux系統(tǒng)對于小型嵌入式系統(tǒng)是最佳選擇。在Linux系統(tǒng)上安裝Opencv的命令如下：

sudo apt-get install python-opencv

人臉識別的內(nèi)容包括[7]：①圖像預(yù)處理，用于消除因救援環(huán)境造成的光照等外界因素對識別精確度的影響；②特征提取，為人臉識別提供幾何特征等基礎(chǔ)信息；③對比識別，將獲得的人臉特征與人臉數(shù)據(jù)庫或人臉識別分類器進(jìn)行對比，若特征相匹配，則認(rèn)為是人臉圖像。其運(yùn)行流程如圖3所示。

在Opencv中，自帶有關(guān)人臉識別的人臉檢測分類器XML文件，因此本文使用其自帶的XML文件進(jìn)行實驗測試。以下為用python實現(xiàn)的人臉識別的關(guān)鍵代碼：

face_cascade = cv2.CascadeClassifier（'/home/opencv-2.4.9/data/haarcascades /haarcascade_frontalface_alt.xml'）

### Utils ###################

def get_faces（ img ）：

gray = cv2.cvtColor（ img， cv2.COLOR_BGR2GRAY ）

faces = face_cascade.detectMultiScale（ gray ）

def draw_frame（ img， faces ）：

global xdeg

global ydeg

//在臉的附近畫上矩形框用于輔助識別

for （ x， y， w， h ） in faces：

cv2.rectangle（ img， （ x， y ），（ x + w， y + h ）， （ 200， 255， 0 ）， 2 ）

tx = x + w/2

ty = y + h/2

//矩形框的大小，代碼省略

### Main ###################

if __name__ == '__main__'：

//開啟4個線程池，以提高圖像處理速度

pool = mp.Pool（ processes=4 ）

fcount = 0

camera.capture（ rawCapture， format="bgr" ）

r1 = pool.apply_async（ get_faces， [ rawCapture.array ] ）

r2 = pool.apply_async（ get_faces， [ rawCapture.array ] ）

r3 = pool.apply_async（ get_faces， [ rawCapture.array ] ）

r4 = pool.apply_async（ get_faces， [ rawCapture.array ] ）

f1， i1 = r1.get（）

f2， i2 = r2.get（）

f3， i3 = r3.get（）

f4， i4 = r4.get（）

rawCapture.truncate（ 0 ）

for frame in camera.capture_continuous（ rawCapture， format="bgr"， resize=（320，240），use_video_port=True ）：

image = frame.array

//fcount表示當(dāng)前線程標(biāo)號，輸出當(dāng)前圖像，并獲取下一個線程進(jìn)行繪制

if fcount == 1：

r1 = pool.apply_async（ get_faces， [ image ] ）

f2， i2 = r2.get（）

draw_frame（ i2， f2 ）

//若fcount為4，則置為0，以上為fcount為1時的代碼，其余情況的代碼省略

fcount += 1

rawCapture.truncate（ 0 ）

2測試結(jié)果與分析

2.1視頻圖像及人臉識別測試結(jié)果

為驗證提出的嵌入式救援搜尋系統(tǒng)的性能，首先對視頻圖像的采集及處理進(jìn)行測試，測試內(nèi)容分別為正常光照下和黑暗環(huán)境下的視頻圖像采集，以及人臉識別功能的可靠性。

圖4（a）為正常光照條件下的圖像數(shù)據(jù)，圖4（b）為黑暗無光條件下采集的圖像數(shù)據(jù)。通過觀察對比圖像，可以發(fā)現(xiàn)在黑暗環(huán)境中，搜尋系統(tǒng)依然能夠采集較清晰的環(huán)境視頻圖像，達(dá)到了搜尋系統(tǒng)的設(shè)計要求。

圖5為人臉檢測的實際效果圖，其中圖5（a）為單獨進(jìn)行人臉檢測的圖片實驗效果，圖5（b）為搜尋系統(tǒng)工作時其中一幀的視頻圖像。觀察實際圖像處理效果可以發(fā)現(xiàn)，其人臉檢測精度能夠滿足救援搜尋系統(tǒng)的設(shè)計要求，達(dá)到了輔助搜尋受困人員的目的。endprint

2.2無線傳輸距離測試結(jié)果

由于提出的嵌入式救援搜尋系統(tǒng)主要應(yīng)用于救援工作，因此需要在復(fù)雜環(huán)境下對其進(jìn)行有效傳輸距離的測試。實驗地點設(shè)置為通道狹小、具有多墻面障礙的室內(nèi)環(huán)境，模擬在救援工作中救援人員的操作。由于室內(nèi)面積較小，因此無法測試大范圍內(nèi)的信號傳輸質(zhì)量。經(jīng)初步測試，數(shù)據(jù)有效傳輸距離超過400m，視頻圖像無明顯卡頓、掉幀現(xiàn)象，能夠完成小范圍內(nèi)的救援搜尋工作。

3結(jié)語

本文基于ARM處理器和Linux操作系統(tǒng)，使用圖像采集模塊、無線傳輸模塊以及上位機(jī)軟件，實現(xiàn)了基于嵌入式的救援搜尋系統(tǒng)設(shè)計。針對在進(jìn)行救援工作時，由于處于復(fù)雜環(huán)境造成的無線數(shù)據(jù)傳輸困難的情況，使用COFDM多載波調(diào)制技術(shù)，強(qiáng)化數(shù)據(jù)信號的繞射及穿透能力，達(dá)到了遠(yuǎn)程實時獲取救援現(xiàn)場環(huán)境視頻圖像數(shù)據(jù)的目的。實驗結(jié)果表明，設(shè)計的救援搜尋系統(tǒng)能夠一定程度上在保障救援人員安全的前提下，完成小范圍內(nèi)的搜尋工作，具有一定實用價值。

參考文獻(xiàn)：

[1]孫金慶.火場環(huán)境下視頻編碼與視頻傳輸系統(tǒng)設(shè)計[D].濟(jì)南：山東大學(xué)，2016.

[2]段書強(qiáng).井下遠(yuǎn)程數(shù)據(jù)傳輸與處理系統(tǒng)研究[D].西安：西安工程大學(xué)，2011.

[3]陳曦.一種井下多媒體無線通信網(wǎng)絡(luò)的開發(fā)[D].西安：西安電子科技大學(xué)，2011.

[4]隋虎林，邱巖松.基于多載波調(diào)制技術(shù)的火場圖像傳輸系統(tǒng)[J].消防技術(shù)與產(chǎn)品信息，2007（8）：3233，59.

[5]歐陽玉梅，劉盛宇.無人機(jī)數(shù)字圖像傳輸系統(tǒng)設(shè)計[J].科技視界，2016（27）：137，161.

[6]何小敏.卷積碼編碼與維特比譯碼加速器設(shè)計[D].北京：北京郵電大學(xué)，2010.

[7]劉爽.嵌入式人臉識別系統(tǒng)的設(shè)計與實現(xiàn)[J].微電子學(xué)與計算機(jī)，2012（3）：174177.

[8]姚東明，馬川，于溪，等.一種高效的人臉馬賽克方法[J].軟件導(dǎo)刊，2017（3）：167169.

[9]王道強(qiáng).基于COFDM的無線視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D].廣州：華南理工大學(xué)，2011.

[10]王道強(qiáng)，蔡敏，段瀅.基于COFDM的無線視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[J].移動通信，2011（12）：6972.

[11]李振華，陳仕敏，唐光波，等.基于無線控制的消防偵察車[J].電子世界，2017（5）：4950.

[12]廖廣軍.復(fù)雜條件下的人臉檢測與識別應(yīng)用研究[D].廣州：華南理工大學(xué)，2014.

責(zé)任編輯（責(zé)任編輯：黃?。〆ndprint