陳潤(rùn)杰，古宇成

（中山大學(xué)南方學(xué)院，廣州 510970）

0 引言

醫(yī)療機(jī)器技術(shù)在現(xiàn)代醫(yī)療中有舉足輕重的地位，在科學(xué)技術(shù)發(fā)展的進(jìn)程中是最受關(guān)注的方向之一。目前，針對(duì)醫(yī)療方向的機(jī)器技術(shù)研究一直有推出新成果，而且隨著科技的不斷進(jìn)步以及人口老齡化、戰(zhàn)爭(zhēng)技術(shù)儲(chǔ)備需求高端化發(fā)展，機(jī)器技術(shù)在醫(yī)療領(lǐng)域?qū)?huì)受到更廣泛而深入的研究和應(yīng)用。

根據(jù)已知研究得出，大部分引導(dǎo)跟隨技術(shù)較為欠缺的地方是都需要目標(biāo)自身手持或佩戴特殊儀器，增加了識(shí)別目標(biāo)自身的生理上和心理上負(fù)擔(dān)，也沒(méi)有考慮到老年人群體對(duì)身上多出的掛件是否會(huì)產(chǎn)生抵觸情緒。

因此，為解決上述不足，決定研發(fā)出一種能夠盡可能減少受眾負(fù)擔(dān)的，更仿生的基于計(jì)算機(jī)視覺(jué)的圖像識(shí)別技術(shù)來(lái)實(shí)現(xiàn)人體識(shí)別與跟隨。通過(guò)讓跟隨目標(biāo)穿上印有特殊圖案的衣服或者在目標(biāo)的衣服上貼上特定圖案的貼紙，再通過(guò)機(jī)器上的攝像頭進(jìn)行識(shí)別跟隨，減少了跟隨對(duì)象的負(fù)擔(dān)。

根據(jù)以上得出的問(wèn)題，在移動(dòng)機(jī)器人的基礎(chǔ)上，研發(fā)一種可遠(yuǎn)程監(jiān)控、采集人體相關(guān)參數(shù)等功能并通過(guò)圖像識(shí)別引導(dǎo)跟隨的履帶式機(jī)器人。針對(duì)移動(dòng)機(jī)器人的參數(shù)采集和目標(biāo)識(shí)別跟隨兩大功能進(jìn)行了研究分析，最后驗(yàn)證了硬件系統(tǒng)和跟隨算法的可行性。

1 總體設(shè)計(jì)方案

本文設(shè)計(jì)一種可遠(yuǎn)程監(jiān)控、采集人體相關(guān)參數(shù)等功能并通過(guò)圖像識(shí)別引導(dǎo)跟隨的履帶式機(jī)器人。采用基于STM32的車(chē)載主控制器，基于計(jì)算機(jī)視覺(jué)圖像識(shí)別的人體跟隨、參數(shù)采集模塊，客戶端應(yīng)用程序采用基于Linux的Java程序設(shè)計(jì)語(yǔ)言進(jìn)行Android開(kāi)發(fā)，數(shù)據(jù)遠(yuǎn)程存取采用云服務(wù)器平臺(tái)，三者互聯(lián)為醫(yī)療機(jī)器人系統(tǒng)?；赟TM32F103車(chē)載主控制器通過(guò)驅(qū)動(dòng)溫濕度模塊、接觸式體溫檢測(cè)模塊、接觸式心率測(cè)量模塊來(lái)實(shí)時(shí)采集監(jiān)護(hù)對(duì)象的身體參數(shù)，將采集到的數(shù)據(jù)通過(guò)Wi-Fi模塊聯(lián)網(wǎng)上傳至云服務(wù)器平臺(tái)進(jìn)行儲(chǔ)存，An?droid客戶端可與云服務(wù)器進(jìn)行交互，從而提取已存儲(chǔ)的人體參數(shù)，客戶端能夠在3秒內(nèi)完成提取參數(shù)，并判斷其是否超過(guò)警報(bào)值而做出警報(bào)。系統(tǒng)總體結(jié)構(gòu)圖如圖1所示。

醫(yī)療機(jī)器人為獨(dú)居老人的生活安全提供了一定的保障，減輕了傳統(tǒng)型家庭養(yǎng)老的負(fù)擔(dān)，提高了突發(fā)事件的應(yīng)對(duì)能力和降低了財(cái)產(chǎn)的損失風(fēng)險(xiǎn)，實(shí)現(xiàn)了對(duì)獨(dú)居老人的遠(yuǎn)程監(jiān)護(hù)。

圖1

2 系統(tǒng)軟件設(shè)計(jì)

2.1 Android客戶端應(yīng)用程序界面設(shè)計(jì)

系統(tǒng)軟件部分包括客戶端主界面、各類(lèi)參數(shù)圖像化子界面，界面模塊結(jié)構(gòu)如圖2所示?？蛻舳藨?yīng)用程序采用Java程序設(shè)計(jì)語(yǔ)言進(jìn)行Android開(kāi)發(fā)，采用面向?qū)ο蟮某绦蛟O(shè)計(jì)方法，把對(duì)象抽象成類(lèi)進(jìn)行封裝，主界面每個(gè)功能鍵可打開(kāi)對(duì)應(yīng)的子界面；每個(gè)子界面以折線圖或柱形圖的形式動(dòng)態(tài)顯示參數(shù)值；當(dāng)任一子界面中的參數(shù)達(dá)到預(yù)警值則彈出警報(bào)界面并響起警報(bào)聲。

圖2

2.2客戶端與云服務(wù)器交互方案

在交互方案中，云服務(wù)器預(yù)設(shè)可接受多種通信協(xié)議的命令，而客戶端利用TCP（Transmission Control Pro?tocol）協(xié)議向服務(wù)器發(fā)出數(shù)據(jù)請(qǐng)求命令，TCP傳輸控制協(xié)議是一種面向連接的、可靠的、基于字節(jié)流的傳輸層通信協(xié)議，由IETF的RFC 793定義，使用三次握手協(xié)議建立連接。

當(dāng)主動(dòng)方發(fā)出SYN連接請(qǐng)求后，等待對(duì)方回答TCP的三次握手SYN+ACK，并最終對(duì)對(duì)方的SYN執(zhí)行ACK確認(rèn)。這種建立連接的方法可以防止產(chǎn)生錯(cuò)誤的連接，TCP使用的流量控制協(xié)議是可變大小的滑動(dòng)窗口協(xié)議，具體流程如圖3所示。

圖3

3 系統(tǒng)硬件設(shè)計(jì)

3.1機(jī)器人總體硬件設(shè)計(jì)

在物聯(lián)網(wǎng)和云技術(shù)的結(jié)合下，本系統(tǒng)可分為三部分，由STM32及其驅(qū)動(dòng)外設(shè)人體跟隨、參數(shù)采集模塊構(gòu)成的車(chē)載部分；云服務(wù)器部分；用于將人體數(shù)據(jù)圖像化與用戶交互的Android客戶端部分；而車(chē)載系統(tǒng)又由基于STM32處理器的車(chē)載系統(tǒng)①基于樹(shù)莓派處理器的車(chē)載系統(tǒng)，②兩部分組成。總體結(jié)構(gòu)圖如圖4所示。

圖4

整個(gè)系統(tǒng)的工作原理是每隔一段預(yù)設(shè)時(shí)間，機(jī)器人向監(jiān)護(hù)對(duì)象發(fā)出信號(hào)提示需要進(jìn)行體檢采集人體參數(shù)，待體檢完成后，車(chē)載主控板將參數(shù)通過(guò)Wi-Fi模塊與室內(nèi)路由器互聯(lián)，并通過(guò)后者與云服務(wù)器進(jìn)行數(shù)據(jù)交互以存入人體參數(shù)；云服務(wù)器接收到參數(shù)后則將其分類(lèi)存儲(chǔ)在預(yù)先設(shè)置好的數(shù)據(jù)塊中，等待Android客戶端向服務(wù)器提出參數(shù)提取請(qǐng)求命令；Android客戶端通過(guò)TCP協(xié)議向服務(wù)器發(fā)出命令，服務(wù)器已預(yù)設(shè)收到正確命令后自動(dòng)返回對(duì)應(yīng)類(lèi)別的人體參數(shù)，客戶端提取到參數(shù)后則通過(guò)數(shù)據(jù)圖像化及預(yù)警值判斷進(jìn)行實(shí)時(shí)顯示。具體部署如圖5所示。

圖5

系統(tǒng)功能包括：

①監(jiān)護(hù)客戶端實(shí)時(shí)監(jiān)控人體異常；

②車(chē)載攝像頭模塊對(duì)監(jiān)護(hù)對(duì)象進(jìn)行跟隨；

③車(chē)載數(shù)據(jù)采集模塊為監(jiān)護(hù)對(duì)象體檢；

④云服務(wù)器遠(yuǎn)程儲(chǔ)存數(shù)據(jù)，保障數(shù)據(jù)的安全性以及便捷性。

圖6

3.2 STM32F103板載主控制器程序設(shè)計(jì)

如圖6的程序流程圖所示，在STM32中，定時(shí)器4用于心率測(cè)量模塊的計(jì)時(shí)，定時(shí)器1用于體檢間隔計(jì)時(shí)。當(dāng)主控制器啟動(dòng)時(shí)，驅(qū)動(dòng)溫濕度模塊、攝像頭模塊進(jìn)行室內(nèi)溫濕度的收集和人體跟隨，同時(shí)定時(shí)器1開(kāi)始計(jì)時(shí)，當(dāng)定時(shí)器1計(jì)數(shù)到達(dá)預(yù)設(shè)值溢出時(shí)，控制器啟動(dòng)主程序，開(kāi)始分別啟動(dòng)蜂鳴器、心率模塊、體溫模塊，進(jìn)行為時(shí)30秒的體檢（人體參數(shù)收集）,當(dāng)收集完成時(shí)再次啟動(dòng)蜂鳴器發(fā)出體檢結(jié)束信號(hào),繼續(xù)溫濕度的收集和跟隨，同時(shí)驅(qū)動(dòng)Wi-Fi模塊將收集到的參數(shù)上傳至服務(wù)器。

4 圖像處理

4.1顏色模型

對(duì)顏色進(jìn)行建模以達(dá)到顏色數(shù)值化的方法可理解為“建立顏色空間坐標(biāo)系”，一般來(lái)說(shuō)，生活中的任何顏色都可以用具體的數(shù)值來(lái)表示。

RGB顏色模型分別是變量R-紅色、G-綠色、B-藍(lán)色的取值變化，這三種顏色可以通過(guò)不同的取值進(jìn)行顏色疊加來(lái)獲得各種不同的顏色效果，具體模型如圖7所示。

圖7

HSL顏色模型分別是H-色相值、S-飽和度、L-亮度的取值變化，這三個(gè)變量通過(guò)不同的取值進(jìn)行效果疊加來(lái)獲得各種不同的顏色效果，特別的，該顏色模型比RGB更為人性化。

HSL是對(duì)RGB顏色的另一種表示，該模型展示了比RGB更準(zhǔn)確、更容易理解的顏色聯(lián)系，HSL顏色模型對(duì)應(yīng)于圓柱坐標(biāo)系中的一個(gè)圓錐形子集，模型如圖8所示，圓錐的Y軸頂點(diǎn)對(duì)應(yīng)L=1，該點(diǎn)可在RGB模型中表示為R=1，G=1，B=1時(shí)的三個(gè)面，所代表的顏色較亮。色相值軸由繞L軸的旋轉(zhuǎn)角取得，例如角度為0°時(shí)，即H值為0°時(shí)，代表了當(dāng)前顏色為紅色，綠色則為120°，藍(lán)色對(duì)應(yīng)于240°。在HSL顏色模型中，每一種顏色和它的補(bǔ)色相差180°。

圓錐的X軸，即飽和度S取值的取值范圍，最大值為1。當(dāng)取值為圓錐的原點(diǎn)，此時(shí)L=0,H值與S值無(wú)法被定義，該點(diǎn)的顏色效果為黑色。當(dāng)取值為圓錐的Y軸的頂點(diǎn)，此時(shí)S=0，L=1，H值無(wú)法被定義，顏色效果為白色。從Y軸頂點(diǎn)到原點(diǎn)的過(guò)程，表示顏色的亮度漸變暗，在該過(guò)程，S=0，H值無(wú)法被定義。在圓錐頂面圓周上的各個(gè)點(diǎn)，它們的L值和S值都為1，這些點(diǎn)的顏色效果都是純色。

圖9、10、11分別是HSL三個(gè)值的概念圖，HSL的色相值即H分量，代表的是人眼所能感知的顏色范圍，可理解為在一個(gè)平面的色相環(huán)上，每個(gè)角度代表了一種顏色。色相值的意義在于，在不改變光感的情況下，通過(guò)改變色相環(huán)上的角度來(lái)改變顏色。色相環(huán)上有六個(gè)主色用作基本參照：0°紅、60°黃、120°綠、180°青、240°藍(lán)、300°粉，它們?cè)谏喹h(huán)上按照60°圓心角的間隔排列。

S分量，指的是色彩的飽和度，它用0%至100%的值描述了相同色相、明度下顏色純度的變化，數(shù)值越大，則顏色越鮮艷。

L分量，指的是色彩的明度，作用是控制色彩的明暗變化。同樣使用了0%至100%的取值范圍。數(shù)值越小，色彩越暗，越接近于黑色；數(shù)值越大，色彩越亮，越接近于白色。

圖8

圖9

圖10

圖11

4.2 RGB與HSL的轉(zhuǎn)換

當(dāng)（r,g,b）為某個(gè)顏色的 RGB 空間模型坐標(biāo)，r、g、b的值是在0到1之間的實(shí)數(shù)。將max取值于r、g和b中的最大值。將min取值于三個(gè)值中的最小值。當(dāng)RGB要轉(zhuǎn)換為HSL顏色模型中的坐標(biāo)（h,s,l）時(shí)，該坐標(biāo)點(diǎn)的 h∈[0,360），代表的是色相角，而 s,l∈[0,1]，分別代表飽和度和亮度。

色相值h的轉(zhuǎn)換公式為：

飽和度s的轉(zhuǎn)換公式為：

亮度l的轉(zhuǎn)換公式為：

4.3圖像識(shí)別算法設(shè)計(jì)

樹(shù)莓派開(kāi)發(fā)板的開(kāi)發(fā)工具十分廣泛，由于Python語(yǔ)言易讀寫(xiě)、移植性好以及維護(hù)容易等優(yōu)點(diǎn)，因此在樹(shù)莓派上采用Python語(yǔ)言進(jìn)行程序編寫(xiě)。程序編寫(xiě)完成后，在IDE界面完成程序編譯即可運(yùn)行。

圖像識(shí)別軟件流程圖如圖12所示，主要包括初始化模塊和主循環(huán)模塊。初始化包括了線程初始化，攝像頭初始化、線程池初始化，主循環(huán)模塊為圖像識(shí)別邏輯處理塊。

在系統(tǒng)開(kāi)始啟動(dòng)后，樹(shù)莓派開(kāi)發(fā)板驅(qū)動(dòng)USB攝像頭并和獲取圖像數(shù)據(jù)。①樹(shù)莓派開(kāi)發(fā)板獲取到圖像數(shù)據(jù)后，對(duì)圖像進(jìn)行灰度處理，再與儲(chǔ)存器中的目標(biāo)識(shí)別規(guī)范進(jìn)行邏輯對(duì)比處理。②提取圖像中部圓形范圍內(nèi)一定數(shù)量像素點(diǎn)的HSL值，判斷每個(gè)像素點(diǎn)該值是否都在對(duì)應(yīng)指定顏色值范圍內(nèi)。③獲取識(shí)別目標(biāo)在攝像頭的相對(duì)中心點(diǎn)位置，判斷識(shí)別對(duì)象的相對(duì)位置。當(dāng)條件①通過(guò)后，進(jìn)入條件②，此時(shí)當(dāng)條件②通過(guò)后即進(jìn)入邏輯③，經(jīng)過(guò)邏輯③的處理并得出結(jié)果后，通過(guò)引腳輸出特定脈沖電平時(shí)序信號(hào)和高低電平信號(hào)分別控制舵機(jī)與STM32處理器進(jìn)行姿態(tài)調(diào)整。程序偽代碼如下：BEGIN

圖12

5 相關(guān)實(shí)驗(yàn)

5.1基于計(jì)算機(jī)視覺(jué)圖像識(shí)別的跟隨

圖像識(shí)別是人工智能的一個(gè)重要領(lǐng)域，原理是利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，拍攝圖片后再利用軟件根據(jù)圖片灰階差做進(jìn)一步識(shí)別處理，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。

跟隨功能通過(guò)根據(jù)目標(biāo)區(qū)域（藍(lán)色框）在所建視圖框中的相對(duì)坐標(biāo)值，將目標(biāo)區(qū)域限制在攝像中心區(qū)域（黃色框）中。當(dāng)目標(biāo)區(qū)域與中心區(qū)域相交時(shí)則觸發(fā)人機(jī)相對(duì)姿態(tài)調(diào)節(jié)信號(hào)，STM32收到相應(yīng)指令對(duì)電機(jī)作出相應(yīng)調(diào)節(jié)。同時(shí)基于低能耗高處理速度的樹(shù)莓派ARM Cortex-A53處理器進(jìn)行圖片灰度處理，圖片流最快可達(dá)18幀每秒的速度。從而實(shí)現(xiàn)實(shí)時(shí)的、準(zhǔn)確的人體跟隨。效果如圖13所示。

在圖14可觀察到在樹(shù)莓派終端界面顯示了程序執(zhí)行時(shí)成功開(kāi)啟了兩個(gè)線程：攝像頭云臺(tái)初始化；建立網(wǎng)絡(luò)Socket連接并傳輸機(jī)器采集到的數(shù)據(jù)。在向云服務(wù)器發(fā)送圖像監(jiān)控或人體參數(shù)的數(shù)據(jù)后獲得的發(fā)送成功回執(zhí)如圖15所示。而后并無(wú)異常。

圖13

圖14

圖15

5.2客戶端圖像化測(cè)試

基于Java程序設(shè)計(jì)語(yǔ)言的Android開(kāi)發(fā)，該客戶端程序測(cè)試了人體數(shù)據(jù)可視化功能，在建立了初步的圖形主、子界面后，能夠流暢地通過(guò)主界面的功能鍵進(jìn)入子界面，通過(guò)TCP協(xié)議獲取到的參數(shù)無(wú)亂碼且正確，相關(guān)數(shù)據(jù)也能夠如圖16在子界面正確展示。

圖16

6 結(jié)語(yǔ)

隨著人類(lèi)是社會(huì)生活水平的提高，各種類(lèi)型的機(jī)器人類(lèi)型需求隨著出現(xiàn)，目前機(jī)器人幾乎已經(jīng)滲透到生活的各個(gè)方面。

針對(duì)使用在醫(yī)療監(jiān)護(hù)方面的自主跟隨機(jī)器人進(jìn)行研究和系統(tǒng)開(kāi)發(fā)。在機(jī)械平臺(tái)上，對(duì)運(yùn)動(dòng)控制、數(shù)據(jù)采集子系統(tǒng)進(jìn)行了軟硬件研究與設(shè)計(jì)，使其運(yùn)動(dòng)性能安全穩(wěn)定，且數(shù)據(jù)采集準(zhǔn)確穩(wěn)定。對(duì)計(jì)算機(jī)視覺(jué)子系統(tǒng)在樹(shù)莓派開(kāi)發(fā)板上設(shè)計(jì)了有效的圖像處理算法，通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的可行性，配合整套系統(tǒng)，該機(jī)器人能夠完成自主運(yùn)行，達(dá)到實(shí)際控制要求，圖像處理方法方面能夠得到的正確的結(jié)果，使得機(jī)器人實(shí)現(xiàn)正確地跟隨。最終搭建出基于圖像識(shí)別的醫(yī)療機(jī)器人。