移动侦测系统研究及实现

2021-01-14

广东通信技术 2020年12期

1 移动侦测技术的必要性

移动侦测，又称运动物体检测（motion object detection），是区分某种物体（可以是生命体也可是无生命体，可大，可小）处于静止或运动状态（快速或慢速）的一种技术。该技术应用广泛，可广泛应用于各行各业，各种场景。在智慧城市中，需自动侦测动态变化的场景，如人、动物、各式物料等。

如：（1）平安城市中视频监控，用于识别可疑人员或实时记录案发现场。

（2）家庭、企业、银行、码头、仓库等防盗，用于识别可疑人员。

（3）幼、小学生监护，用于识别学生离开活动区域。

（4）设备智能启动、自动触发门禁，减少人工操作，提高便利性。

（5）交通、铁路，用于违规拍摄和记录。

（6）教学取样、实验室数据无人值守采集，用于自动化，代替人工工作。

（7）保育、医疗、养老等护理机构和场所的监控报警，用于识别人体活动场所。

诸如此类，不胜枚举。总之，人们的日常生活或工作中几乎离不开“移动侦测”技术。

2 传统移动侦测技术原理及方法

移动侦测，常用于无人值守监控录像和自动报警。通过摄像头按照不同帧率采集得到的图像会被CPU等按照一定算法进行计算和比较，当画面有变化时，如有人走过，镜头被移动，计算比较结果得出的数字会超过阈值并指示系统能自动作出相应的处理。

2.1 方法1、背景减除法

背景减除法是运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据。本方法的主要难点是对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。

（1）背景减除法的基本思想

假设监控场景没有运动背景，也不受自然特性的影响，则检测场景中的背景像素都是静态的值，当有运动物体经过时，会引起运动物体遮挡的像素的值的变化。系统维护一帧图像用来表示静止场景，然后在实际运行时将采集到的实时图像和静止场景相减，便可得到包含了运动物体的差分图像，进而检测到运动物体。

（2）背景减除法面临的问题

采用背景减除法首先要解决两个问题：① 背景模型的获得，实际场景中通常是存在运动物体的，没有办法直接获得背景；② 背景模型的更新，实际场景会受到自然干扰，不可能一成不变。

有多种方法可以用来提取背景模型，其中最常用一种方法为平均法，该方法直接平均历史图像，得到背景模型。但是该方法需要保存大量历史数掘，而且运动物体会在估计背景上留下虚影。

2.2 方法2、时间差分法

时间差分方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区域。时间差分运动检测方法对于动态环境具有较强的自适应性，本方法的难点在于不能完全提取出所有相关的特征。

方法一中的背景模型提取方法，需要存储大量历史数据，并且运动物体会影响估计背景。为了避免这两个缺点，时间差分法则是将背景减除法和帧间差分法结合起来，采用背景减除法来检测运动物体，采用帧间差分法处理场景突变，采用选择性更新来适应场景的缓慢变化。

（1）帧间差分法

帧间差分是采集时间轴上连续的两帧或是三帧图像，直接进行减除的方法。这类算法的主要优点是计算简单、且能够迅速检测出场景中的运动像素，缺点是对噪声敏感、且不能精确地提取运动边界，其检测性能严重依赖于视频图像中物体的相对移动速度。

（2）运动物体检测

采用背景差分法检测运动物体，系统将采集到的实时图像与背景估计图像进行差分，通过差值与阈值的比较来判断相应的像素点是否属于运动区域，并产生相应的二值图像，采用这种方法更新背景的优点在于能够自适应场景光照变化，且计算量小、运行速度快，适用于背景不复杂场景。

2.3 方法3、光流法

基于光流方法的运动检测采用了运动目标随时间变化的光流特性，通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法相当复杂，且抗噪性能差，如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。

此外，在运动检测中还有一些其他的方法，运动向量检测法，适合于多维变化的环境，能消除背景中的振动像素，使某一方向的运动对象更加突出的显示出来。

2.4 方法4、人工智能+深度学习识别法

人工智能是机器通过使用模拟人类大脑的多层神经网络来学习经验的能力，以便识别物体与模式，并在没有人为干预的情况下做出决策。根据所需的复杂程度、详细程度、可接受的误差范围和学习数据质量，人工智能可以使用脉冲神经网络（SNN）在几秒内快速学习新物体，而使用卷积神经网络（CNN）则需要好几周的时间。尽管它们各自都有优缺点，但无论是SNN还是CNN，在效率与准确性方面它们都优于传统的安防系统。

2.5 方法5、生物特征检测法

生物（人体）会发出特定的红外波长信号，利用这一特点，可能利用红外热释传感器识别移动的生（人）物体。

图1 热释红外检测移动人体电路

图1PIR为红外热释传感器，检测人体发出的红外波长，对移动的人体比较灵敏。BISS0001为专用双运算放大器及双限幅器，专为PIR应用研发。本电路的优点是成本低，应用成熟。不足之处是不能在强光下工作，另外，易被其它生物体干扰，存在误报漏报现象。

上述移动侦测方法小结。

① 方法1-3：算法难度中等，成本高。识别准确率较高。

② 方法4：算法复杂，难度高，成本高。识别准确率最高。

③ 方法5：纯硬件实现，可无需软件，采用专用IC实现，成本低。识别行动人体较为准确，识别其它生物体误报率高，工作环境要求高。

3 基于DSP(MCU）的移动侦测系统构成

3.1 移动侦测系统硬件系统（如图2所示）

图2 移动侦测系统架构图

移动检测系统构成：通常，移动侦测系统由摄像头,图像传感器（CMOS或CCD），高速数字信号处理机DSP或微处理器，存储单元（RAM，EPROM，E2PROM）及接口处理单元，供电单元等组成。

摄像头：视频监控的摄像头大部分采用短定焦镜头。

CMOS传感器：成像传感器现在大部分采用CMOS，基本淘汰了CCD。随着传感器技术发展，用于视频监控的传感器亦由标清向高清（2K），超高清（4K，甚至8K）演进。像素的增加意味着需要处理的数据量成指数增长。

DSP/MCU处理单元：传感器输出信号通常为YUV（亮度信号，及色差信号）。DSP需要对这种信号进行还原成原始图像，需要进行大量的运算。上述所提到的方法，运算量都巨大。需要高性的DSP或MCU才能胜任。编解码器主要用于图像的压缩，如MP4，H.264，H.265，便于节省存储空间，节省传送带宽。

存诸单元：包括RAM，EPROM，E2PROM等。其中RAM随机存储器，用于计算结果中间缓存。EPROM用于存储程序代码。E2PROM用于存储非易失性数据，通常用于存储配置参数。

接口单元：本系统通过接口单元与上位机或网络相连。

供电单元：通常包括AC/DC开关电源进行交直流转换，此外，还会有电池充放电管理电路。

3.2 移动侦测系统算法

3.2.1 步骤（1）设置侦测区域等参数

根据需要，设置若干个有效的矩形，还可以设置快速和慢速两种运动检测状态。快速检测是对每隔两帧的两帧数据进行差分运算，慢速检测是指对相隔12帧以上的两帧数据进行差分运算。

3.2.2 步骤（2）启动运动侦测算法

A/D转换后的数据是标准的ITU 656 YUV 4:2:2格式，为了简化算法，直接对亮度（Y）值进行处理。对于某个检测区域内每个象素点（x，y），T时刻与T1时刻亮度（Y）的差值为 Mx，y（T）=ABS（Yx，y（T）-Yx，y（T1）），IF ABS（Mx，y（T）-Mx，y（T1））≥ Ta THEN L=TRUE，得到区域差分系数IMsum=ΣL。实际决定是否报警，可由整个设置检测区域的IMsum值来判断。

3.3.3 步骤（3）输出处理

如果整个区域的差分系数IMsum大于设定的阀值，置报警状态并实时将每个检测区域的宏块差分系数都返回。如果整个区域的差分系数小于设定的阀值，复位报警状态。

综上所述，方法1～4由于涉及动态图像的分析，计算量很大，需要消耗较多的计算资源及存储资源，成本较高，功耗也较大。优点是根据需要，可以不断优化软件算法，提高移动侦测的准确率。随着芯片技术发展，未成芯片成本可以进一步降低。在大规模量产的情况下，仍有着广阔的应用前景。

4 高效低成本移动侦测方案5

针对前述介绍的方法1～3存在的缺点，本文提出方案5。

特点：① 实现目标：方案简单，成本低廉，极高响应速度。在特殊情形下，可以与其它方法1～3联合使用。② 自适应：自适应亮度化，自动侦测目标移动速度变化，移动方向不受限，预置侦测策略等。

实现方法：传统单反相机（数码相机）+光敏材料，如图3所示。

图3 单反相机结构图

在图3中标示红色区域为五棱镜。被摄体经过镜头焦光后通过反光板、五棱镜、取景器，从而到达拍摄者的眼晴。本方案的方法将光敏材料置于五棱镜的下表面，检测光线的变化。为了满足区域检测要求，将光敏材料制成4*4单元。每条边可视为两个光敏电阻。如图4所示。

方法5硬件系统如图5所示。

图4 光敏电阻矩阵

图5 硬件系统图

从图5可以看出，方法5硬件系统主要由光敏单元、模拟矩阵开关、减法放大器、自动增益控制、AD转换器、单片机、电源管理芯片、触控屏等组成。由于采用4*4光敏单元，其计算量相较于2k到8K的帧图像而言，需要计算的数据量减少至0.1%，而且响应速度不受帧频限制，可以比方法1～3快100倍以上。因此，采用非常经济的MCU即可完成移动侦测任务。成本低，功耗低。限于篇幅，本文不再给出软件算法。