基于运动目标检测的工业安全系统设计

包晓敏，李 平

（浙江理工大学信息学院，浙江杭州 310018）

0 引言

在工业生产领域中，为保障生产车间工作区域人员安全，大多采用金属防护栏、安全标语提示等防护措施，但事故仍时有发生［1］。随着机器视觉技术的蓬勃发展，运动目标检测作为机器视觉核心技术，由于其高效精准的优势，具有较高的研究价值与发展潜力［2］。本文通过软硬件协同工作，搭建基于运动目标检测的安全防护系统，与传统工业车间安全防护相比，具有操作简单、空间占用小、低成本等优点。同时，本文对最大模糊化熵阈值三帧差分算法进行优化改进，实现对运动目标的精准检测与非法闯入危险区域自动报警功能。

运动目标检测是将用户感兴趣的部分从采集的图像序列中分割出来［3-6］。运动目标检测较为成熟的方法有帧差法、光流法、背景差分法［6］。帧差法是将图像序列中相邻图像前一帧作为当前帧背景模型，但易被噪声污染，使运动目标在检测过程中可能产生内部空洞现象［7-8］。光流法是利用图像序列中各个像素点矢量特征从中检测出运动目标的算法，根据不同的光流提取运动目标，但是在噪声、变化的光源等情况下会对其计算结果造成较大影响，算法复杂度高，很难进行实时性检测［9-11］。背景差分法通过待测帧图像与背景图像之间作差分计算以提取运动目标，该方法操作简单，计算量小，但容易受到外部光照强度、区域环境条件等因素影响，需要通过视频序列的帧间信息间断更新背景，否则会使运动目标检测准确性降低［12-14］。

本文通过对固定摄像头采集的图像信息进行运动目标检测研究，提出一种最大模糊熵阈值化三帧差分运动目标检测方法，在目标和背景区分的阈值选取上实现自适应选取，有效提高算法检测能力。

1 系统总体设计

安全防护系统主要包括图像信息采集和图像信息处理。通过对视频监控场景内采集到的图像信息进行实时处理分析，检测出其范围内的运动目标。如果运动物体闯入非法区域就发出报警信号。

1.1 系统硬件结构

系统硬件结构部分主要由CCD 相机、视频采集卡和监控计算机等部分组成。该系统将CCD 相机获取的视频信号进行数字化，检测检测区域运动目标，若发现目标非法闯入危险区域，则给出报警信号，并启动系统硬盘存储。

1.2 系统软件设计

本文系统监控软件由PyCharm64 作为开发工具，完成图像获取、图像形态学操作、运动目标检测等功能。系统软件流程如图1 所示。

Fig.1 System software design图1 系统软件设计

系统运行过程中，由CCD 相机捕捉视频信息，运用视频采集卡默认的应用接口库编制采集的图像。在图像采集过程中会伴随产生噪声，使图像信息质量降低，因此需要对图像信息进行预处理，图像预处理操作主要包含灰度化、图像形态学变换、二值化、轮廓提取等［15］。通过预处理操作后运用运动目标检测算法检测监控区域是否有人员闯入危险区域，如果检测到运动目标闯入危险区域，则发出警报信号，如果没有则继续采集下一帧图像信息。其中，系统实现的关键是实现运动目标检测和自动报警功能，这是本文重点研究内容。

2 运动目标检测算法

2.1 三帧差分算法

三帧差分算法［16］是对帧间差分算法的进一步改进，通过对比采集的视频序列中连续的三帧图像，首先对所得三帧图像进行滤波去除噪声，再分别作帧差法处理，用第k帧图像与第k-1 帧图像相减，得到二值化图像D1(x,y)，然后再将k+1 帧图像与第k 帧图像相减，得到二值化图像D2(x,y)，最后将D2(x,y)与D1(x,y)作逻辑“与”运算，即可得到三帧差分图像D(x,y)。算法公式表示为：

三帧差分算法流程如图2 所示。

Fig.2 Three frame difference algorithm flow图2 三帧差分算法流程

采用三帧差法可在一定程度上解决帧差法检测运动目标时重影问题，但无法解决检测过程中运动目标边缘轮廓不清晰、内部存在“空洞”问题。无论帧差法还是三帧差法，在对图像差分二值化处理时，二值化阈值是确定不变的，并不能自动适应环境的变化。阈值是决定目标检测准确性因素之一，自适应选取阈值可大幅提高检测准确性。

2.2 最大模糊化熵阈值三帧差分算法

介于三帧差分法在检测运动目标时二值化阈值无法自适应环境进行改变，本文提出一种模糊集理论，通过建立差分图像的隶属函数，依据最大模糊熵准则，确定最佳阈值分割，达到更加准确识别运动的目标。2.2.1 模糊子集与隶属函数

根据迷糊集合理论［17］，U是论域，称映射μA:U→[ 0,1 ]，x→μA(x)确定1 个U上的模糊子集A，μA称为模糊集A的隶属函数（membership function），μA(x)表示x对A的隶属程度。

本文对视频序列图像采用三帧差分法得到的差分图像进行模糊集定义。设差分图像X的灰度级数为L，大小为M×N，令Xmn表示坐标(m,n)处像素点的灰度值。将差分图像划分成目标（target）模糊集和背景（backdrop）模糊集。这两个迷糊集隶属函数分别定义为［18］：

其中，[a,b]为模糊区间，[ 0,a]和[b,L-1 ]为非模糊区间。μtarget(xmn)表示(m,n)像素点属于目标程度，μbackdrop(xmn)表示(m,n)像素点属于背景程度，且μtarget(xmn)+μbackdrop(xmn)=1。当xmn=(a+b)/2 时，该灰度级像素属于目标和背景的隶属度均为0.5，则可选xmn=(a+b)/2 为分割阈值。灰度级小于的像素属于背景区域，灰度级大于的像素属于目标区域。

2.2.2 最大模糊熵阈值分割

根据概率论与数理统计［19］的知识，目标（target）模糊集发生的概率P（target）为：

背景（backdrop）模糊集发生的概率P（backdrop）为：

图像模糊熵为：

由信息论知，事件熵越大，则事件真实可能性越大［20］。若图像熵取最大值，则背景和目标区分度最佳。根据最大模糊熵原则，可得到最佳模糊区间a、b，则即可得到最佳阈值为（a+b）/2。

2.2.3 算法流程

最大模糊熵阈值三帧差法将差分后图像像素值与自适应最大熵阈值进行比较，判决运动目标与背景，其算法流程见图3。

Fig.3 Three frame difference algorithm for maximum fuzzy entropy threshold图3 最大模糊熵阈值三帧差分算法流程

3 自动报警显示功能

在视频监控区域预先设定工业机器人禁止闯入的危险区域，使用矩形边框进行划分。危险的矩形区域对应具体坐标值，当运动目标检测到返回目标值，与预先设计的矩形区域坐标值进行对比，若属于该划定区域，则可认为是闯入事件，触发报警功能，否则显示安全。

4 算法仿真与系统实验结果

4.1 算法仿真结果分析

本文算法仿真实验环境为Intel Core i5-7500 CPU，3.40GHz，内存为8GB，Microsoft Windows 7 操作系统，通过OpenCV 软件完成。选取采集的视频监控，视频帧为360×240，共500 帧，选取其中连续的三帧图像序列，如图4 所示。采用三帧差分算法与本文算法所得的实验仿真结果如图5 所示。

Fig.4 Three frames consecutively selected图4 选取连续的三帧图像

Fig.5 Simulation results of the algorithm图5 算法仿真实现效果

图5（a）为采用三帧差分算法实现运动目标检测的二值化图像，图5（b）为采用本文算法实现运动目标检测的二值化图像。通过两图对比可知，相比三帧差分算法，本文采用的算法明显增强了运动目标检测轮廓连续性，降低了对外部环境条件的敏感程度，消除了图像噪声，检测更加准确，实时性更高。

当前，算法准确率多以识别率η和误检率ξ进行衡量，文献［21］引入1 个综合指标H 评估目标检测算法性能。H 值越大，表明算法检测准确率越高。H 值定义为：

利用固定摄像机采集多组不同图像信息序列分别对两种算法进行目标检测实验，统计出两种算法识别率和误检率数据，如图表1 所示。

Table 1 Results of the two algorithms（%）表1 算法对比结果 （%）

由表1 可知，本文采用改进的最大模糊熵阈值三帧差分算法识别率达99.3%，同时误检率较低，仅达到1.7%。因此采用本文算法可更好地实现运动目标检测。

4.2 系统实验结果分析

系统对运动目标闯入进行检测的实验结果如图6 所示。图6（a）和图6（b）是运动目标进入监控场景中，此时实时检测到运动目标未进入预定的机器人工作危险区域，系统在视频帧右上侧实时显示“safe”安全等级；图6（c）和图6（d）系统实时检测到运动目标进入机器人工作危险区域，系统实时发出危险警报，并实时显示“dangerous”危险警报，符合预期的设计要求。

本文利用漏检率和正检率，对运动目标闯入危险区域后系统实现自动报警并进行定量分析，定义漏检率为运动目标闯入危险区域系统未实现自动报警的数目与所有闯入危险区域行为数目之比，正检率为运动目标闯入危险区域系统实现自动报警的数目与所有闯入危险区域行为数目之比。通过对60 段闯入行为视频进行测试，得到漏检率与正检率统计结果如表2 所示。

Fig.6 Experimental results of the system图6 系统实验结果

Table 2 System automatic alarm detection results表2 系统自动报警检测结果

由表2 可得，运动目标闯入危险区域触发系统自动报警功能正检率高达96.7%，而漏检率不足4%。实验结果表明，本文系统能够满足工业安全防护需求，有较好的鲁棒性，可保障工业安全生产。

5 结语

本文针对目前传统工业生产安全防护措施的弊端，利用智能信息处理技术对运动目标进行实时检测，重点研究了在三帧差算法基础上采用最大模糊熵自适应选取阈值的方法，可更加准确高效地提取运动目标，同时，对运动目标闯入危险区域实现自动报警这一功能也进行了探究。实验表明，本文系统可实现工业安全防护多项功能。后续将进一步研究目标检测算法在动态视频场景情况下的鲁棒性，提高安全防护灵活性。