韩文波，戴军建

（长春理工大学 光电工程学院，长春 130022）

在为智能视频监控系统设计周界入侵识别功能时，往往会遇到几个对系统性能和成本影响巨大的问题，包括如何真正做到无盲区监控，如何分配监控节点和监控服务器之间的计算负载，如何高效利用低成本监控服务器的计算核心等。要做到无盲区监控，有几种可选的方案可以拿来做对比：（1）直接使用多个有普通光学系统的监控节点采用环绕式部署的方式；（2）使用一个或极少个载有鱼眼光学系统的监控节点采用悬挂式部署的方式，从高处直接覆盖整个监控区域；（3）使用少量的有鱼眼光学系统的监控节点采用环绕式部署的方式。本文将给出具体的分析对比。确定监控节点和监控服务器之间的计算负载分配是决定节点所需处理器和服务器所需配置的关键问题，在两者成本都受限以及同时考虑计算效率的情况下，合理分配两者的计算负载意义重大。本文将尝试给出合理分配方案。根据系统结构，合理规划监控服务器的计算逻辑，是高效利用计算核心的有效途径，特别在选用低成本的监控服务器时尤为突出。本文将比较几种计算逻辑的效率。

1 系统总体设计

1.1 部署方式

无盲区监控设计的三种监控节点的部署方案简易视图如图1所示，设定的监控场景较为简单，但足够典型。

第一种方案直接采用带有普通光学镜头的节点完成周界部署，由于视场角有限，为完成对周界的覆盖，同时考虑到在进行全景拼接时保证各节点画面之间保留有重叠区域，如图1（a）所示，因此需要较多的节点来完成部署，特别是在不规则周界环境下，图像拼接的计算量和节点的总成本将大大增加。

第二种方案可充分发挥鱼眼镜头的大视场特点，同时也为减小系统计算量找到了最佳的解决方案，节点成本也将减到最低。但是这种方案的适用场合被严重受限，一方面，如图1（b）所示，随着监控节点的部署高度的增大，对节点图像传感器的分辨率的要求将大大增加，导致节点成本反而增加；另一方面，采用悬挂式部署的方式将丢失大量的有效信息，比如运动物体的运动细节等，这将降低系统与其他智能视频监控功能的兼容性。

第三种方案是在上述两种部署方案基础上做出的折中选择，在充分利用鱼眼镜头的优势的前提下，使系统对监控环境的适应能力增强，也使平衡计算量、节约系统成本成为可能。本测试平台将采用该部署方案。

1.2 计算负载的分配

首先需要明确的是，在上述确定的部署方案中，系统需要大量计算，算法复杂度较大的环节有：（1）监控节点的视频图像简单预处理，该环节主要是去除视频图像的噪声，由于需要保证该环节的实时性，一般都使用专用视频图像处理单元来实现，比如FPGA，因此计算都是直接使用硬件实现；（2）鱼眼镜头成像的视频图像的校正，鱼眼镜头摄像机拍摄的图像具有非常严重的变形，如果要利用这些具有严重变形图像的投影信息，需要将这些变形的图像校正为符合人们视觉习惯的透视投影图像，这个过程无论对后期的处理算法还是人机操作都是必要的，具体的步骤主要包括图像的轮廓提取及其畸变校正两方面，一般的轮廓提取算法会涉及较多的累加运算，因此我们尝试将该部分负载交由节点处理器来完成，而畸变校正算法将涉及到一系列的坐标系转换，也就是一些复杂度较大的矩阵运算，而且如果有较高的精度要求，浮点运算也是不可避免的，所以可将这部分计算负载安排给监控服务器；（3）图像的全景拼接，这部分计算是为了满足实现一个良好的用户设置接口，算法输入为经过校正过的各节点图像，输出为供用户设置具体周界的全景图片，以及入侵识别算法运行的载体；（4）入侵识别算法的运行，为了保证算法本身运行的准确性以及系统对其他智能算法的兼容性和可扩展性，可将本计算安排给监控服务器。表1列出了相关计算的属性和期望的负载分布。

1.3 系统结构和测试参数

根据部署方式和计算负载的安排，选择合适的节点和服务器配置：为了在各种监控环境都有很好的适应性，选择视场角为195°的鱼眼光学系统；为了满足图像预处理和快速传输视频图像的需求，采用搭配视频图像协处理器HDVICP和MJCP的ARM926EJ-S内核处理器，主频300MHz；为方便测试不同的计算逻辑（单核或多核）对计算效率的影响，以及试图获取最低服务器配置等数据，使用多核CPU作为处理器；由于全景拼接计算发生在监控服务器，需要一些软硬件的处理来保证一帧全景图像是来自各节点同一时刻的采集结果。基本的系统结构如图2所示。

表1 计算的属性和期望的负载分布

图2 基本的系统结构和测试模型

2 测试模型的建立

2.1 鱼眼图像校正模型和计算负载分析

鱼眼图像的校正主要包括图像轮廓提取及其畸变校正两方面，其中轮廓的提取是为了获取鱼眼图像的圆心和有效半径信息，为后期的畸变校正提供图像标定信息。为了充分利用监控节点的计算资源，系统采用了适合节点处理器的面积统计法来计算轮廓信息。鱼眼图像的有效区域即圆形区域内的黑色像素点很少，也就是圆形区域内的灰度值较大，而在圆形区域外，则几乎全是黑色像素点，根据鱼眼图像的这个特点，设计具体算法如下：

设阈值为Q，图像像素个数为Sum1，统计灰度值小于Q的像素点个数Sum2，则有效像素点个数Sum为：

Sum=Sum1-Sum2（1）

设鱼眼图像的像素坐标为（x,y），则所有像素的一次距为∑x1，∑y1，灰度值小于Q的像素点的一次距为∑x2，∑y2，获取方法如图3所示。

图3 面积统计法示意图

用扫描的方式逐行扫描图像，先从图像的最左端开始，从上至下依次扫描图像，判断图像中像素点的各颜色值之和是否小于Q，若小于，则Sum2加1，累计∑x2,∑y2，继续扫描，直到扫描到图像最下方。反之，从图像最右端开始搜索，若扫描到的图像像素点的颜色值之和大于Q，则转到下一行继续扫描。

利用下列公式可求出半径和圆心坐标。

根据该算法获得效果如图4所示。

图4 轮廓提取效果

在实际系统中只需配合原始图像传递上述轮廓信息（r，x0，y0）至监控服务器便可，以减轻图片裁剪给节点处理器带来不必要的计算负载。

此时监控节点负载情况如表2所示。

表2 负载测试

2.2 计算逻辑分析

在系统中，监控服务器端会有多个复杂的算法需要运行，如何设计计算逻辑，将影响系统对服务器端的配置需求。这里考虑两种情况，即单核系统和多核系统。表3为监控服务器端各算法在合理设计难度下的计算可分割性。

表3 计算可分割性

多核处理器在系统中的优势主要体现在图像畸变校正运算上，由于该过程中存在着大量的重复性、可并发进行的数值计算，这种优势随着监控节点的增多而显现出来。

2.3 具体算法选择

在来自监控节点的鱼眼校正信息的基础上，采用经纬映射法校正畸变。经纬映射法的算法模型如图5所示。

图5 经纬映射法校正畸变

若系统不要求浮点精度，可以将上述参数强制转换为整形，但是这样的做法在该环节中会引起较明显的图像质量下降。

图像全景拼接过程中计算可分割的部分使用MSERs算法，该算法主要依赖图像的灰度变化和局部特征，具有很强的独立性，效果和计算量都已能满足视频监控的要求。后期拼接过程使用顺序拼接方法，可以保证拼接效果和避免频繁的大量像素数据的加载和释放。

在全景图像上做周界入侵规则设置和识别，可很巧妙地将原本复杂的全画面扫描转变为单方向的匹配扫描，如图6所示。执行过程和效果，如图7所示。

图6 周界入侵检测规则

图7 执行过程和效果

3 测试结果和计算逻辑确定

测试单核和多核环境下系统运行效率的区别。在这里单核环境通过强制单线程的方式实现，多核环境下使用上述表中的算法分割方式重写各算法为多线程形式。测试结果如图8所示。

图8 单核和多核环境下测试结果

在少于4个监控节点的情况下，单核系统与多核系统的运行效果相差不大，在多数监控环境下是可以满足要求的，而且在使用鱼眼镜头的监控系统中，一般4个节点就足以实现无盲点的周界警戒部署。

4 结论

本文先确定合理使用鱼眼镜头监控节点的部署方式，在此基础上分析和设计了适合系统结构的计算负载分布，在保证系统运行效果的情况下进行鱼眼图像校正过程中的算法分割。选择适合监控节点处理器的校正算法，充分利用各监控节点的计算资源，同时测试不同数量计算核心环境下实现系统功能的效果。验证了使用鱼眼镜头，在最小配置下（单核环境）完成无盲区周界入侵识别的可能性。

［1］Matas J，Chunm O，Urban M，et al.Robust wide baseline stereo from maximally stable extremal regions［C］.In Proc.13thBritsh Machine Vision Conference，Cardiff，UK，2002，14（2）：384-393.

［2］Compton K，Hauk S.Reconfigurable Computing：A Survey of Systems and Software［J］.ACM Computing Surveys，2002，34（2）：171-210.

［3］王社国，刘荡，刘新涛.基于人脸识别技术的智能化视频监控系统［J］.科技信息，2007，（2）：5-6.

［4］梁春燕，谢剑英.智能大厦监控系统设计［J］.测控技术，1999，18（10）：28-30.