基于计算机视觉的输煤皮带人员跌落装置的设计与实现

杨勇 卢银辉

摘要： 在火电厂输煤系统中，其输煤系统沿线分布有大量机电设备，例如碎煤机、落煤筒、输煤皮带等。在日常生产活动中，偶发人员意外跌落在输煤皮带上，若不能及时停机，该人员可能会被送入碎煤机或者落煤筒，会对人员以及设备安全带来威胁。针对人员跌落，现场多采用传统的保护开关（拉绳开关）来进行人员的安全防护，其检测的范围以及有效性均较差，满足不了实际需求。因此，本文设计了一种计算机视觉的嵌入式输煤智能检测防护装置，该装置采集现场视频，利用计算机视觉相关算法识别出跌落人员特征，判断是否有人员跌落的情况发生。

【关键词】计算机视觉 计算机视觉 嵌入式

Opencv是一个在业界被广泛应用的跨平台计算机视觉库。其拥有强大的跨平台、多语言支持能力，已经成为计算机视觉领域最影响力的研发工具之一。目前，opencv已经成功应用到多个领域，例如人脸识别、车牌识别、智慧交通、智慧城市等。本文在充分学习与研究opencv视觉库的基础上，并结合火电厂输煤系统的工艺要求特点，成功将其移植至嵌入式平台。

目前国内火电厂输煤系统中，输煤系统采用程控系统远方控制，安装了完善的视频监控系统，但对皮带的运行情况由值班员人工监视和判断，还没有智能检测保护系统的成功应用案例。传统的人员跌落检测装置为传统的机械式检测装置，需要跌落人员触碰到机械开关方可触发紧急停车。本文在研究opencv有关算法的基础上，提出了满足本项目所需的人员跌落检测智能算法，并设计了输煤系统智能检测防护装置硬件，有效检测人员跌落等意外，亦为将来输煤系统无人值守提供了前提基础。

1 系统软件设计

基于计算机视觉的智能防护装置，一般利用从摄像机获取的监控视频，采用帧间差分法、光流法以及背景差分法等算法，实现人形目标的检测，但传统的检测算法无法适应输煤系统复杂的现场条件，输煤现场往往设备种类繁杂，空间分布广泛，而且现场照明条件较差，为人员跌落的检测带来了困难。

帧间差分法：该方法对视频流中的相邻帧做差分运算，从而得到运动物体。但该方法在处理运动缓慢的物体时，帧间差分运算容易将物体当做背景图像处理，丢失部分边缘特征，从而降低检测的准确率。

背景差分法：该方法是事先设定一帧图像作为背景，然后将视频流中的每一帧图像与背景图像做差分运算，从而识别出运动物体。但是，该方法适合光线稳定、场景单一的场合，对于背景中有运动物体的复杂场景，该方法存在缺陷。

光流法：运动物体在视频算法的转换下，形成光流场，再通过分析光流场中特征点来获取运动物体的轮廓特征。但该算法计算复杂、对硬件有较高要求，难以获得广泛应用。

本文模拟了人员跌落的具体过程，并总结了在检测过程中的特点与难点，提出了一种优化帧间差分法。该算法的实现步骤是截取视频码流中连续的多帧图像，并对任意相邻两帧做差分运算，然后对运算结果做图像后处理和二值化运算。最后再将每一个像素点得到的二值图像进行逻辑与运算，从而获得人形目标的轮廓信息。

本文中提出的人员跌落检测算法主要包含图像预处理、基于混合高斯的背景建模、改进型帧间差分法、边缘检测等算法组成。具体步骤如下：

（1）对原始视频码流中的视频帧进行去噪、二值化处理。

（2）利用本文提出的改进型帧间差分法对前序操作处理后的视频帧做差分处理。

（3）将前序操作得到的差分运算结果进行混合高斯建模。

（4）模型初始化完成后，判斷差分结果是否与某一时刻建立的高斯背景模型相匹配，若匹配，则设为初始点；不匹配则更新高斯背景模型。

（5）形态学生长以及边缘检测。

算法实现流程如图l。

混合高斯建模完成后，用视频序列帧逐次与其做差分运算，接着为得到的像素点建立混合高斯模型，在对模型完成初始化之后，选取优先级较大的高斯分布作为背景模型合成的依据。经过混合高斯模型的运算处理，便可得到人形目标的二值图像。为了获取准确的人形目标，亦可对含有人形目标的相邻帧进行逻辑运算，并对图像进行去噪处理以及形态学生长，结合边缘检测算法，提高人形识别准确度。

2 系统硬件设计

该智能检测装置采用Cortex A9为中央处理器，包含视频采集单元、LED照明单元、IPS硬屏显示单元、紧急制动单元、FLASH存储模块、profibus通信单元等。通过视频采集单元将现场视频数据传输至中央处理器，中央处理器利用改进型帧间差分算法，检测出人形目标，立即输出紧急制动信号，停止设备运行，并利用profibus通信单元最终将检测结果传输至控制室上位机。而FLASH存储模块可将输煤皮带人员跌落检测防护装置运行过程中产生的关键数据存储与管理。

2.1 中央处理器

中央控制器采用三星Cortex-A9架构四核处理器S 5P4418，该CPU主频1.4GHz，采用32为指令集。其具有丰富的外设接口和IO资源，便于功能的扩展。本文设计了基于上述芯片的最小系统，包含电源转换电路、以太网接口等。其中电源电路采用AC转DC电源模块以及ASM1117-3.3电源芯片，该电路实现了AC220V转换为DC5V以及DC3.3V，从而为中央处理器供电，亦可为板载的其他外设供电。其具备的良好导热性以及可靠性，满足了火电厂输煤系统的恶劣生产环境。

在上述中央处理器中搭建LINUX+QT+OPENCV编译环境，将基于改进型帧间差分法的计算机视觉算法交叉编译并最终移植到嵌入式控制器。

2.2 视频采集单元

视频采集单元包含数字摄像机和以太网接口电路，其中以太网接口电路采用w5500作为以太网协议芯片。数字摄像机架设于输煤皮带正上方，调节位置和角度，使其覆盖较大视野范围；同时，利用LED灯改善现场照明条件，保证成像质量。当有人员跌落至输煤皮带时，视频采集单元将采集到的图像传输至中央处理器。

2.3 IPS硬屏显示单元

输煤系统智能检测防护装置初始安装完成后，需要进行参数标定和监控区域设置。同时考虑到输煤现场的恶劣环境，本文选用IPS电容屏，支持触控操作，免去现场设备使用键鼠的弊端。该显示屏利用USART串行接口与中央处理器相连接，且其内部集成了部分控制功能，因此可降低中央处理器负荷，降低了二次开发难度。

2.4 紧急制动单元

紧急制动单元包含2路继电器输出，其中l路为常开节点，1路为常闭接点。上述继电器输出接入现场设备的急停控制回路。当检测到有人员跌落发生时，中央处理器便控制继电器输出，实现输煤皮带的紧急停车，防止意外发生。

2.5 profibus通信单元

Profibus总线技术在输煤系统中被广泛应用，实际生产活动总，一般沿着输煤工艺路线，铺设profibus专用通信电缆。因此，基于便于融入输煤现场现有控制系统便利性以及节省电缆的原因，本文采用profibus总线通信作为输煤系统智能检测防护装置与控制管理中心的通信手段。利用西门子VPC3芯片，实现了profibus通信，该芯片以SPI接口方式与中央控制器相连接。

3 试验

本文在火电厂输煤系统中选取了一处输煤皮带，用衣物模拟人体，检测了改进型算法的有效性，可成功检出落在输煤皮带上的衣物。

4 小结

本文设计的以opencv为基础的输煤系统智能检测防护装置，结构紧凑、集成化程度高，不仅便于安装，又节省了大量传统的防护开关，实现了输煤皮带人员跌落的智能检测，为未来实现无人值守、无人电厂奠定了基础。

参考文献

[1]朱迎春，基于智能视频分析的视频监控系统研究[D].广州：中山大学，2010.

[2]吴宁，基于流媒体技术的视频监控与分析系统[D].湖南大学，2007.

[3]周从亚，视频监控系统中媒体流传输技术研究与实现[D].南京邮电大学，2010.

[4]刘运余，无人值守边防哨卡智能视频监控系统设计[D].南京理工大学，2013.

[5]张铖.视频监控中运动目标的识别与跟踪研究[D].河北科技大学，2012.