特殊人群的运动动作智能识别平台的设计与实现

李天宇

（长春工程学院 计算机技术与工程学院，吉林 长春　130012）

特殊人群的运动动作智能识别平台的设计与实现

李天宇

（长春工程学院 计算机技术与工程学院，吉林 长春130012）

传统基于 PC的视频监控系统，在识别特殊人群运动动作过程中存在故障、稳定性不佳的问题。因此，设计并实现了一种基于DM642的特殊人群的运动动作智能识别平台，通过TMS320DM642⁃PCI评估板对人体运动图像进行处理，云台运动调整CCD摄像机水平和垂直方向的视角，通过AT98S52芯片控制云台。塑造的人体动作采集模块由9个AHRS模块和1台计算机组成，通过位于人体躯干、上下臂以及大小腿上的AHRS模块采集人体运动动作信息，并通过WiFi模块将动作信息反馈给上位机进行显示。采用云台控制人体动作采集模块完成特殊人群的运动动作智能识别。给出平台对特殊人群运动动作进行识别的算法流程，以及平台通过串口通信模块输出控制信号控制云台的关键代码。实验结果表明，所设计平台可有效识别出特殊人群运动动作，具有较高的识别率和应用性。

特殊人群；运动动作；智能识别；评估板

0　引　言

当前，随着信息化和智能化的发展，准确识别出人体动作，并判断人体行为意图，可确保智能化设备为特殊人群提供相关的服务。特殊人群行为识别分析是实现友好人机交互的依据，是增强特殊人群生活智能化水平的重要手段［1⁃3］。但是受到个体间差异性干扰以及外界环境干扰因素的影响，使得传统基于PC的视频监控系统，在识别特殊人群运动动作过程中存在故障、稳定性不佳的问题。因此，寻求有效方法塑造特殊人群运动动作识别平台，是当前人体动作识别领域分析的重点［4⁃5］。以往的特殊人群运动动作识别方法都存在一定的缺陷，如文献［6］通过布式运动传感器网络识别人体动作，采用线性结算方法处理传感器节点数据，获取人体姿态数据，但是该种方法存在运算量较高，分析过程复杂，实时性差的弊端。文献［7］提出了基于分布式视觉的人体动作识别方法，采用多个摄像机完成人体动作的多角度检测，再通过神经网络对检测结果进行分类，识别出人体动作，但是该方法产生的数据量较高，无法满足人体动作的在线检测需求。文献［8］通过隐马尔科夫模型对连续动作视频流进行动作片段划分，再采用贝叶斯规范化辨识不同长度的观测序列，完成人体动作识别，但其分析过程复杂，实时性较低。文献［9］分析了通过视频流完成人体动作识别的方法，对输入人体运动视频进行降维操作，再按照像素匹配方法从模板库中，将需要表示的动作种类进行归类，该方法较为简单，但辨识率较低。文献［10］研究了依据无限制视频流的人体动作辨识方法，其从样本架构中采集局部静态特征，获取人体运动的时空特征点，通过直方图同类加权的金字塔匹配核分类方法，完成时空特征的分类，实现人体运动动作的识别。但是该种方法较为复杂，存在一定的局限性。

针对上述问题，设计并实现了一种基于DM642的特殊人群的运动动作智能识别平台，通过云台运动调整CCD摄像机水平和垂直方向的视角，并采用云台控制人体动作采集模块，完成特殊人群的运动动作智能识别。实验结果说明，所设计平台可有效识别出特殊人群运动动作，并且识别效率和精度都较高。

1　基于DM642　的特殊人群的运动动作智能识别平台

1.1平台结构组成

设计的特殊人群的运动动作智能识别平台的结构如图1所示。可以看出平台通过TMS320DM642⁃PCI评估板对人体运动图像进行处理，云台运动调整CCD摄像机水平和垂直方向的视角。通过AT98S52芯片控制云台，云台和TMS320DM642⁃PCI评估板间通过串口完成信息的交流。塑造人体动作采集模块由9个AHRS模块和1台计算机组成，通过位于人体躯干、上下臂以及大小腿上的AHRS模块采集运动动作信息，并通过WiFi模块将动作信息反馈给上位机进行显示。采用通过云台控制人体动作采集模块，完成特殊人群的运动动作识别。

图1　基于DM642的特殊人群的运动动作智能识别平台结构

1.2TMS320DM642⁃PCI评估板设计

TMS320DM642⁃PCI评估板是低功耗的、独立的开发平台，其原理结构图如图2所示。

评估板的运行流程如下：

（1）视频输入。输入两路规范PAL/NTSC制电视模拟复合人体运动视频信号，采用视频解码芯片NOL7115对信号进行变换处理，将信号解码成BT656码流，并传输到视频接口。

（2）视频存储。DM642的视频接口采集解码BT656码流，获取人体运动图像数据，并采用EDMA处理器反馈到SDRAM中保存。

（3）图像处理。DM642中的CPU读取SDRAM内中图像，并对图像进行操作后反馈到缓冲区。

（4）视频输出。采用EDMA处理器从SDRAM的输出缓冲区中，获取数据后，产生BT656码流，该码流则是DM642的视频输出。

（5）SVGA输出。视频编码芯片NOL7115采集码流后，可将其变换成SVGA信号输出。

图2　TMS320DM642⁃PCI板原理结构

1.3人体动作采集模块设计

设计一种穿戴式传感器模块——姿态航向参考系统（Attiude and Heading Reference System，AHRS），其主要由CPU、陀螺仪、加速度计和磁力计构成。通过扩展卡尔曼滤波算法进行多传感器数据融合，获取精确的人体运动姿态角度、角速度和加速度，再以AHRS模块塑造人体动作采集模块，为特殊人群的运动动作识别提供数据基础。塑造的人体动作采集模块由9个AHRS模块和1台计算机组成，模块分布在人的躯干、上下臂和大小腿，如图3所示。9个AHRS模块通过WiFi网络以30 Hz的频率上传采集到的人体运动动作数据，计算机接收、分析并显示动作数据。

图3　人体动作采集模块示意图

AHRS模块将STM32芯片作为核心控制器，其结构图如图4所示。可以看出，AHRS模块由陀螺仪、加速度计、WiFi模块、高频滤波电路、信号调理电路以及数据存储电路和STM32控制器等构成。AHRS模块的数据输出频率可调，可采用WiFi模块同无线网络相连，将采集到的人体运动动作信息反馈给上位机，并执行上位机的相关指令。

图4　AHRS模块结构

AHRS模块工作时，控制器分别采集陀螺仪、加速度计以及磁力计中的数据，并过滤数据中的噪声因素，融合角度解算以及数据，获取人体运动的姿态角度、角速度以及加速度，并采用WiFi模块将数据反馈给上位机，上位机显示人体运动姿态。采用云台控制人体动作采集模块完成特殊人群的运动动作智能识别。

1.4平台控制原理

基于DM642的特殊人群的运动动作智能识别平台的控制原理如图5所示。可以看出，设计的智能识别平台采用摄像机获取特殊人群运动图像，并将图像传递到处理器，在摄像机静止的情况下提取前景目标，若发现存在运动目标，则运算目标质心同视野中心间的偏差和方向，再按照协议将偏差变换成控制命令，伺服机可确保云台调控摄像机转动到图像中心的位置，过滤存在的偏差。通过云台控制人体动作采集模块中的AHRS模块，获取人体运动的姿态角度、角速度以及加速度，通过上位机显示人体运动姿态。最终采用摄像机持续采集人体运动图像，重复上述运算跟踪和摄像机角度调整过程，确保人体运动目标处于摄像机监控区域。

图5　平台控制原理

2　软件设计

2.1平台算法流程图

设计的基于DM642的特殊人群的运动动作识别平台总体软件算法流程，如图6所示。

图6　平台算法流程

图6中描述的平台算法流程详细过程如下：

（1）摄像头处于静止状态下，采集连续间隔的3帧特殊人体运动图像，通过相邻3帧差分法对特殊人群的运动范围进行分析，统计运动目标二值掩膜中的运动点数量；

（2）如果二值掩膜中是1的点数高于阈值300，则说明存在运动目标，并在全图中运算图像0阶距，存储图像质心；否则返回过程（1）；

（3）将目标质心当成中心，设置检索窗的大小为100×100，并将其当成跟踪算法的输入；

（4）通过跟踪算法运算运动目标质心点和检索窗尺寸，对检索范围进行调控；

（5）按照目标质心设置待发送的云台控制信息，并采用DM642板串口模块传递云台控制信号，进而驱动云台向目标方向转动；

（6）AHRS模块中的控制器分别采集陀螺仪、加速度计以及磁力计中的数据，并融合角度解算以及数据，获取人体运动的姿态角度、角速度以及加速度。通过WiFi模块将数据反馈给上位机，上位机显示人体运动姿态。

（7）采集下一帧人体运动图像，返回过程（3）。

2.2平台串口通信代码设计

平台通过串口通信模块输出控制信号，进而控制云台调整摄像头变换方向。控制TMS320DM642⁃PCI板上设备的过程是：先设置相关句柄，再通过专门函数打开设备，同时对设备原始信息进行设置，获取句柄，通过该句柄完成后续的操作，结束操作后终止设备的运行。

平台在main函数中对设备和缓冲区进行配置，设置通信波特率是8 500 b/s，具体代码如下：

3　实验分析

为了验证本文方法的有效性，需要进行相关的实验分析，将不同年龄和体质的残疾人作为实验分析对象。

3.1残疾人动作识别效果

实验将AHRS模块依据图3部署方法，穿戴在实验对象身上，通过传感器1采集残疾人的躯干动作，如后仰、转身以及异常摔倒等。上臂传感器2，4将躯干传感器1当成参考目标，下臂传感器3，5分别将传感器2，4当成参考目标，获取残疾人手臂的动作。同理腿部传感器6，7，8，9可获取残疾人大腿和小腿动作。本文设计的特殊人群运动动作识别平台，对残疾人的运动动作识别结果，如图7所示。从图7中可以看出，本文平台可准确对残疾人的不同动作进行识别和显示，是有效的。

图7　本文平台对残疾人运动动作的识别结果

3.2残疾人不同类型动作识别率

实验对比分析了本文方法和BP神经网络方法对于图7中的残疾人展臂、曲臂、左侧伸臂、弯腰、掐腰以及指头六种动作的识别率，结果分别如图8和图9所示。

图8　本文方法的动作识别率

对比分析图8和图9能看出，BP神经网络方法对残疾人的全部类型动作的识别率约为82%；而本文方法对残疾人的全部类型动作的识别率约为97%；说明本文方法具有较高的动作识别性能，优越性高。

图9　BP神经网络方法的动作识别率

3.3残疾人摔倒动作识别

实验检测本文方法和BP神经网络方法识别残疾人摔倒动作的效果，要求实验对象做不同类型的摔倒动作以及日常动作，获取两种方法识别结果，如表1所示。分析表1可得，同BP神经网络方法相比，本文方法对残疾人摔倒动作的识别率较高，可满足残疾人等特殊人群意外摔倒动作识别的需求，应用性较强。

表1　摔倒检测实验结果　%

4　结　论

传统基于PC的视频监控系统，在识别特殊人群运动动作过程中，存在故障、稳定性不佳的问题。因此，本文设计并实现了一种基于DM642的特殊人群的运动动作智能识别平台，通过TMS320DM642⁃PCI评估板对人体运动图像进行处理，云台运动调整CCD摄像机水平和垂直方向的视角，通过AT98S52芯片控制云台。塑造的人体动作采集模块由9个AHRS模块和1台计算机组成，通过位于人体躯干、上下臂以及大小腿上的AHRS模块采集人体运动动作信息，并通过WiFi模块将动作信息反馈给上位机进行显示。采用云台控制人体动作采集模块完成特殊人群的运动动作智能识别。给出平台对特殊人群运动动作进行识别的算法流程，以及平台通过串口通信模块输出控制信号控制云台的关键代码。实验结果表明，所设计平台可有效识别出特殊人群运动动作，具有较高的识别率和应用性。

［1］刘艳，刘鼎家，韩智攀.基于动作识别的情绪提取方法研究［J］.计算机工程，2015，41（5）：300⁃305.

［2］姚灿荣，刘韶涛.结合DM8168的实时运动目标检测系统设计［J］.微型机与应用，2015，34（14）：42⁃44.

［3］宗鸣，陈迪忠，刘桐麟.基于闭环运动过程智能交流接触器位置检测方法研究［J］.电气工程学报，2015，10（9）：73⁃78.

［4］周微，彭力.基于运动目标检测的智能视频监控系统［J］.江南大学学报（自然科学版），2015，14（3）：310⁃315.

［5］王一娇，路海明，谢朝霞.一种新的基于结构光的人体动作识别算法［J］.控制工程，2014，21（6）：949⁃953.

［6］刘飞，郝矿荣，丁永生，等.基于深度图像的人体动作识别方法［J］.计算机工程，2014，40（8）：168⁃172.

［7］王满一，宋亚玲，李玉，等.结合区域光流特征的时序模板行为识别［J］.系统仿真学报，2015，27（5）：1146⁃1151.

［8］陈德为，庄煜祺，张培铭，等.基于单目视觉技术的智能交流接触器三维动态测试与分析技术［J］.中国电机工程学报，2014，34（12）：1931⁃1937.

［9］王红旗，李林伟，毛啊敏.基于小波包主元分析的表面肌电信号特征识别［J］.河南理工大学学报（自然科学版），2015，34 （2）：249⁃252.

［10］傅颖，郭晶云.基于动态时间规整的人体动作识别方法［J］.电子测量技术，2014，37（3）：69⁃72.

Design and implementation of intelligent recognition platform for special crowd motion activity

LI Tianyu
（School of Computer Science and Technology，Changchun Institute of Technology，Changchun 130012，China）

Traditional video monitoring system based on PC is easy to occur fault and has poor stability in the process of identification of special crowd motion activity.Therefore，a intelligent identification platform based on DM642 for special crowd motion activity was designed and realized.In the system，TMS320DM642⁃PCI evaluation board is used to process the human movement images，and AT98S52 chip is adopted to control the holder’s movement of the horizontal and vertical direction of the CCD camera viewing angle.The human body movement acquisition module consists of nine AHRS modules and a computer.The AHRS modules on the human torso，upper and lower arms and leg acquire the human movement information，and feeds back the information to the PC for display through WIFI module.With the help of special yuntai，human motion acquisition module is controlled to achieve the intelligent identification of the special crowd motion activity.The process for the special crowd motion activity identification algorithm of the platform，and the key code for controlling the platform through a serial port communica⁃tion module to output control signal are given.Experimental results indicate that the designed platform can effectively identify the special crowd motion activity，and has high recognition rate and applicability.

special group；motion activity；intelligent identification；evaluation board

TN915.5⁃34；TP391

A

1004⁃373X（2016）18⁃0021⁃05

10.16652/j.issn.1004⁃373x.2016.18.006

李天宇（1972—），男，蒙古族，吉林长春人，讲师，硕士。研究方向为软件工程。

2016⁃01⁃18

国家自然科学基金（61301220）