寇旭日 張博仁 徐烽 陳浩 葉霖

摘 要 “十三五”國(guó)家老齡事業(yè)發(fā)展和養(yǎng)老體系建設(shè)規(guī)劃鼓勵(lì)發(fā)展居家社區(qū)養(yǎng)老服務(wù)，實(shí)施“互聯(lián)網(wǎng)+”養(yǎng)老工程。順勢(shì)而為，我們提出基于運(yùn)動(dòng)檢測(cè)的智能老人監(jiān)護(hù)警報(bào)系統(tǒng)，同時(shí)分析了系統(tǒng)的關(guān)鍵技術(shù)，運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)和運(yùn)動(dòng)目標(biāo)追蹤技術(shù)。系統(tǒng)采用Visual Studio 2017開(kāi)發(fā)平臺(tái)，結(jié)合計(jì)算機(jī)視覺(jué)庫(kù)OpenCV編程實(shí)現(xiàn)。

關(guān)鍵詞 智能老人監(jiān)護(hù)警報(bào)系統(tǒng)；目標(biāo)檢測(cè)；目標(biāo)跟蹤；OpenCV

中圖分類(lèi)號(hào) TP3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2018）208-0123-02

《2017年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》指出，年末全國(guó)大陸總?cè)丝?39 008萬(wàn)人，60周歲及以上人口數(shù)24 090萬(wàn)，占比17.3%，其中65周歲及以上人口數(shù)15 831萬(wàn)，占比11.4%。基于當(dāng)下形勢(shì)的需要，我們以獨(dú)居、空巢老年人為重點(diǎn)，建立居家智能老人監(jiān)護(hù)警報(bào)平臺(tái)，重點(diǎn)拓展遠(yuǎn)程提醒、動(dòng)態(tài)監(jiān)測(cè)等功能，方便養(yǎng)老服務(wù)機(jī)構(gòu)和子女對(duì)居家老年人的照料，同時(shí)為老年人搭建友好宜居的生活環(huán)境。

1 系統(tǒng)描述

該系統(tǒng)是在Visual Studio2017開(kāi)發(fā)環(huán)境下，基于MFC的單文檔應(yīng)用程序，調(diào)用OpenCV視覺(jué)庫(kù)的相關(guān)函數(shù)實(shí)現(xiàn)，具體過(guò)程如下：

讀入視頻數(shù)據(jù)，得到每幀圖像。

采用基于時(shí)間的幀平均法，建立背景模型[ 1 ]。

通過(guò)背景減法，獲得前景圖像[ 1 ]。

對(duì)前景圖像進(jìn)行二值化、開(kāi)運(yùn)算、統(tǒng)計(jì)連通區(qū)域面積的處理，去除噪聲[ 2 ]。

采用圖像填充法閉合前景圖像，使用cvFindContours（）函數(shù)[3]提取外部輪廓。

統(tǒng)計(jì)輪廓上的所有點(diǎn)，求出這些點(diǎn)的中心點(diǎn)。

實(shí)時(shí)跟蹤分割出來(lái)的目標(biāo)，若某幀圖像輪廓的寬度>高度，再判斷輪廓|中心點(diǎn)-最低點(diǎn)|/高度的比值是否小于某個(gè)閾值，此處我們選擇0.3，若滿足，判定老人此時(shí)摔倒。

系統(tǒng)發(fā)送郵件向監(jiān)測(cè)中心警報(bào)，以得到及時(shí)有效的救助。

2 核心技術(shù)原理

2.1 背景減法

運(yùn)動(dòng)目標(biāo)檢測(cè)的目的是從圖像序列中，將前景變化區(qū)域從背景圖像中提取出來(lái)。然而，由于背景圖像的動(dòng)態(tài)變化，如天氣、光照、抖動(dòng)等影響，給運(yùn)動(dòng)目標(biāo)的檢測(cè)帶來(lái)了極大的挑戰(zhàn)。本文我們采用背景減法來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)，該算法能更穩(wěn)定的處理噪聲和捕捉目標(biāo)，其核心是構(gòu)建符合場(chǎng)景信息的背景模型。

使用固定攝像機(jī)，其一般過(guò)程為：1）計(jì)算拍攝的視頻圖像序列，得到一個(gè)場(chǎng)景的靜態(tài)背景初始化模型；2）比較當(dāng)前幀與背景圖像，模糊處理當(dāng)前幀，從中將背景去除，得到前景運(yùn)動(dòng)目標(biāo)[ 1 ]。

cvSmooth（pFrImg，pFrImg，CV_GAUSSIAN，5，0，0）//將灰度圖像進(jìn)行高斯平滑。

cvAbsDiff（pFrImg，pBkImg，pFrImg）；//將當(dāng)前幀和背景圖像做差，求得前景圖像。

本文背景模型建立采用基于時(shí)間的幀平均法，具體過(guò)程為：

1）從視頻中獲取一幀。

2）將幀進(jìn)行高斯平滑對(duì)幀進(jìn)行累加。

3）平均最后的累加幀總和。讀者可以自行設(shè)定累加幀數(shù)，高斯平滑一方面克服了攝像機(jī)抖動(dòng)造成的背景輕微搖擺，一方面克服了單個(gè)像素間無(wú)聯(lián)系的毛病，增加了背景的健壯性。

2.2 圖像二值化

背景減法運(yùn)算之后，圖像中的背景尚未完全消除。為了將運(yùn)動(dòng)目標(biāo)完全分割出來(lái)，還要對(duì)圖像進(jìn)行二值化處理。本文采用閾值分割法來(lái)實(shí)現(xiàn)圖像的二值化，其關(guān)鍵技術(shù)是最優(yōu)閾值的確定，系統(tǒng)采用Otsu法，它使用類(lèi)間方差最大值自動(dòng)確定閾值，效果良好。

cvThreshold（pFrImg，pFrImg，100，255，CV_THRESH_BINARY）；//將前景圖像二值化。

2.3 形態(tài)學(xué)處理

此時(shí)的二值圖像往往有噪聲，表現(xiàn)為目標(biāo)周?chē)脑肼晧K和內(nèi)部的噪聲孔[ 2 ]，我們使用數(shù)學(xué)形態(tài)學(xué)中的開(kāi)運(yùn)算濾除圖像中的噪聲，即先腐蝕，再膨脹運(yùn)算：

cvErode（BinaryImg， BinaryImg， kernel_5_5，1）；//對(duì)圖像進(jìn)行腐蝕運(yùn)算。

cvDilate（BinaryImg， BinaryImg，kernel_7_7， 1）；//對(duì)圖像進(jìn)行膨脹運(yùn)算。

2.4 運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)

運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)就是在視頻圖像序列中實(shí)時(shí)地發(fā)現(xiàn)并標(biāo)記運(yùn)動(dòng)目標(biāo)，在幀與幀之間建立運(yùn)動(dòng)的某些特征，如位置、速度和方向等之間的聯(lián)系，不斷跟蹤目標(biāo)[4]。視頻圖像中運(yùn)動(dòng)目標(biāo)的跟蹤方法主要有：基于模型的跟蹤、基于區(qū)域的跟蹤、基于動(dòng)態(tài)輪廓的跟蹤和基于特征的跟蹤[5]。

本文我們采用基于動(dòng)態(tài)輪廓的跟蹤方法，為了更好地跟蹤老年人的運(yùn)動(dòng)，采用中心點(diǎn)的思想，統(tǒng)計(jì)邊緣輪廓的所有點(diǎn)，求出這些點(diǎn)的坐標(biāo)中點(diǎn)；通過(guò)中心點(diǎn)的相對(duì)位置，和設(shè)定的閾值比較，若超出范圍，表示老年人此時(shí)處于危險(xiǎn)狀態(tài)，系統(tǒng)自動(dòng)發(fā)送郵件警報(bào)，郵件的附件中包含捕捉到的危險(xiǎn)狀態(tài)的幀圖像。

3 實(shí)驗(yàn)結(jié)果與分析

測(cè)試視頻序列保證初始化的背景不含運(yùn)動(dòng)目標(biāo)，在固定場(chǎng)景下使用固定攝像頭拍攝。實(shí)驗(yàn)結(jié)果表明，該方法可以有效地提取和更新背景，準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)，通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤，實(shí)現(xiàn)了危險(xiǎn)狀態(tài)的及時(shí)警報(bào)。

4 結(jié)論

把視頻采集設(shè)備安裝在室內(nèi)房間，采用計(jì)算機(jī)視覺(jué)獲取人體活動(dòng)狀態(tài)的圖像信息，實(shí)現(xiàn)老年人活動(dòng)狀況的監(jiān)測(cè)，通過(guò)目標(biāo)跟蹤技術(shù)實(shí)現(xiàn)了異常行為的及時(shí)警報(bào)，本系統(tǒng)是健康智能家庭技術(shù)研究方向的擴(kuò)充，保證了老年人安全的生活環(huán)境，對(duì)解決空巢家庭獨(dú)居老人的監(jiān)護(hù)問(wèn)題有著非常積極的意義。

參考文獻(xiàn)

[1]萬(wàn)纓，韓毅，盧漢清.運(yùn)動(dòng)目標(biāo)檢測(cè)算法的探討[J].計(jì)算機(jī)仿真，2006，23（10）：221-226.

[2]刁智華，趙春江，吳剛，等，數(shù)學(xué)形態(tài)學(xué)在作物病害圖像處理中的應(yīng)用研究[J].中國(guó)圖象圖形學(xué)報(bào)，2010，15（2）：194-199.

[3]Robert Laganiere.OpenCV計(jì)算機(jī)視覺(jué)編程攻略[M].北京：人民郵電出版社，2015.

[4]Wu Y， Lim J， Yang M H. Online object tracking： A benchmark [C]// CVPR， 2013.

[5]K. Cannons.A Review of VisualTracking.Technical Report CSE-2008-07， York University，Canada，2008.