薛良磊

摘 要： 针对自动检测系统存在运动方向检测不准确、速度慢、耗费时间长以及功能相对单一等问题，且成本较高，很难达到自动检测实时、可靠的标准，为此，对运动视频图像中运动方向的自动检测系统进行设计。自动检测的硬件平台由ARM的微型处理器、视频图像自动检测模块、信号探测采集模块、报警警示灯模块以及各个连接口组成；系统软件设计主要包含运动方向跟踪和PID控制。实验结果表明，该系统运动方向检测准确、速度快、耗费时间短，并且耗费成本较低，可靠性与实时性较强。

关键词： 运动视频图像； 报警； 信号探测； 运动方向； 自动检测； PID控制

中图分类号： TN911.73?34； TP391.4 文献标识码： A 文章编号： 1004?373X（2018）13?0111?04

Abstract： Since the traditional automatic detection system has the problems of inaccurate detection result， slow speed， long time consumption in motion direction detection， relatively simple functions and high detection cost， and is difficult to achieve the real?time and reliable automatic detection， an automatic detection system of target motion direction in sports video image is designed. The hardware platform of the automatic detection is composed of ARM microprocessor， video image automatic detection module， signal detection and acquisition module， alarm warning lamp module and their connection ports. The design of the system software mainly includes the motion direction tracking and PID control. The experimental results show that the system has the advantages of accurate result， fast speed， low time consumption for target motion direction detection， low cost， high reliability and real?time performance.

Keywords： motion video image； alarm； signal detection； motion direction； automatic detection； PID control

0 引 言

隨着数字化的运动方向自动检测系统正在向智能化的方向不断发展，对视频图像目标自动检测技术的应用成为重要的研究方向之一，也是现代各个领域广泛应用的关键技术之一[1]。运动方向在视频图像自动检测时存在噪声、模糊、光照等干扰因素的影响，导致运动方向检测缺乏实时、可靠的数据。

针对传统自动检测系统中的不足，对运动视频图像中运动方向的自动检测系统进行设计。自动检测的硬件平台是由ARM的微型处理器、视频图像自动检测模块、信号探测采集模块、报警警示灯模块以及各个连接口组成；系统软件设计主要包含视频的采集、运动方向跟踪、PID控制。通过实验验证该系统的合理性，并得出实验结论。实验结果表明，基于视频图像运动方向自动检测系统的设计，能通过对配准点的搜索提高自动检测精准度，且实效性较强。

1 基于视频图像的运动方向自动检测系统设计

1.1 自动检测系统硬件设计与实现

运动视频图像中运动方向自动检测的硬件平台主要包括ARM的微型处理器、视频图像自动检测模块、信号探测采集模块、报警警示灯模块以及各个连接口，硬件的系统结构如图1所示。

选择S3C2440作为ARM920T微型处理器的系统芯片，通过对芯片内部电路进行反馈控制获取最高的频率400 MHz，内部集成是由USB，FLASH等控制器组成的，用来配合外部网络与键盘等硬件设备，实现系统的扩展。通过两片HY57V561620存储器联合组成64 MB存储器。与此同时，选择NAND的存储设备作为系统外部的存储[2]。主要存放Linux内核以及根文件，选用对存储器存储更快的NOR FLASH用于专用程序的引导。采用串口通信方式，提供与主机自由通信的功能，利用串口将GPRS与无线通信模块进行连接，进而实现系统的无线通信，随时将检测的结果传送给用户[3?4]。

在自动检测的过程中根据视频范围选择要检测的目标，将运动方向通过视频图像传输到计算机内进行图像采集，确定运动方向，使运动方向始终位于视频监视的范围内，具体的流程如图2所示，根据该流程完成系统硬件设计部分。

1.2 系统软件设计

基于视频图像的运动方向自动检测系统软件设计主要包含运动方向跟踪、PID控制两个部分。

1.2.1 运动方向自动检测算法

自动检测算法是整个运动视频图像自动检测系统设计的核心，采用基于连续自适应的平均迁移算法能够使系统的鲁棒性变强[5]。利用动作的特征在视频图像中找到运动的方向，并在下一帧的视频图像中利用运动目标找到搜索窗口，重复该过程实现对运动方向的连续检测。当检测运动方向时，该算法能从视频图像的特征中获得运动方向概率分布。算法的具体流程如图3所示。

由图3可知，该算法的核心部分是特征的概率分布、搜索窗的质心、搜索窗面积。从视频图像中找到运动所在的位置，该部分称为平均值的迁移算法。

根据运动方向特征进行聚类分析，主要包括以下几个步骤：

1） 设定搜索窗口规模；

2） 确定搜索窗口初始位置；

3） 计算搜索窗口中心位置结果；

4） 重复步骤3）直至收敛，视频图像中心位置移动距离小于假设的阈值。

针对离散的概率分布图像，对窗口的中心位置进行搜索，通过搜索窗口可计算零阶矩阵[6]：

基于连续自适应的平均迁移算法是在运动视频图像中运动方向动态概率分布的基础上进行的，在连续的视频图像中，运动目标的大小与位置变化容易导致动态概率分布波动较大[8]，但是根据概率的分布情况能够自由调整搜索窗口的大小，该软件实现算法步骤如下：

1） 搜索窗口初始化；

2） 平均值迁移，保存搜索窗口零阶矩阵；

3） 设定搜索窗口大小作为步骤2）中零阶矩阵函数；

4） 重复步骤2）和步骤3）直至收敛[9]。

在每次搜索前将窗口的初始值设为运动方向当前的位置与大小，由于搜索窗口在图像目标可能会出现的区域附近进行检测，这样能够节省大量搜索的时间，同时具有良好的实时性[10?11]。

1.2.2 PID控制

该控制程序利用PID工具箱实现控制功能，作为DLL能够接受视频图像自动检测程序的调用，进而形成控制信号，传输给云台控制器。

经过上述步骤，完成该系统软件部分的设计。

2 实 验

运动视频图像运动方向自动检测经过多次对实际运动方向的现场实验，对锁定后的运动目标可进行自动检测，如图4所示。

在分辨率为[256×256]的情况下，根据国内其他视频图像自动检测的标准，控制检测精度在[±2]像素以上，并在同等质量的标准下，平均帧的处理时间为20 m/s以上。

2.1 实验结果与分析

以自动检测的搜索窗口为中心，在5×5的搜索窗口内对6个运动方向进行配准，如果自动检测精度值大于正常值，需要进行第4步；如果自动检测精度值小于等于正常值，需要进行第2步，如图5a）所示。假设该系统自动检测到向东西南北运动的精度值大于等于向上下运动的精度值，如果相关值在该范围内，那么搜索窗口为5×5，根据上述内容可将搜索方式分为两种：一种是最大值出现在角落里，那么需要对这6个点进行下一步搜索，如图5b）所示；另一种是如果最大值出现在水平线或者垂直线上，那么也需要对这6个点进行下一步搜索，如图5c）所示。

如果相关值小于运动自动检测向上下方向运动的精度值，搜索方式如上，但是搜索窗口将变大为[7×7]，如图5d）和图5e）所示。

当搜索窗口缩小为3×3时，需要对窗口内的6个点距离进行计算，如图5f）所示，通过搜索该范围内的中心点进行归一化处理获取相关值的最大点，即为最佳的配准点。

通过对该配准点的搜索能够提高自动检查的精准度，且实效性较强。

为了验证该系统自动检测所耗费的时间，将运动中的踢腿方向作为检测标准，主要包括：正踢腿、屈踢腿、侧踢腿、后踢腿、跳踢腿、跑踢腿。将传统系统检测所耗费的时间与基于视频图像的运动方向自动检测系统所耗费的时间进行对比，结果如表1所示。

由表1可知，使用传统自动检测系统对于正踢腿方向进行检测所耗费的时间为58 s，与设计的基于视频图像运动方向自动检测系统耗费的时间相比较长，而对于其他踢腿方向进行检测耗费的时间都较长，远远不如本文设计系统检测的速度快。

2.2 实验结论

基于视频图像运动方向自动检测系统的设计，能够通过对配准点的搜索提高自动检测精准度，且实效性较强。使用传统自动检测系统对于正踢腿方向进行检测耗费的时间与设计的基于视频图像运动方向自动检测系统耗费的时间相比较长，而对于其他踢腿的方向进行检测耗费的时间都较长，远远不如本文设计系统检测的速度快。

3 结 语

自动检测技术是一个具有挑战性的研究范畴，采用基于微型处理器的硬件平台设计，能够利用连续自适应的平均迁移算法实现对运动方向的检测，及时将异常报告呈现给远程的户主。利用嵌入式系统能够提高该系统的可靠性與实时性，还能节约成本，对运动方向进行智能化检测。

参考文献

[1] 车益民.体育训练中的运动视频分析系统设计与实现[J].现代电子技术，2017，40（5）：70?73.

CHE Yimin. Design and implementation of moving video analysis system in sports training [J]. Modern electronics technique， 2017， 40（5）： 70?73.

[2] 陈文青，王涛.基于行为视觉的行人摔倒自动检测系统设计[J].现代电子技术，2016，39（20）：87?91.

CHEN Wenqing， WANG Tao. Design of pedestrian tumble automatic detection system based on behavior vision [J]. Modern electronics technique， 2016， 39（20）： 87?91.

[3] 方宏俊，宋利，解蓉.一种用于电视系统中的视频噪声检测的优化算法设计[J].电视技术，2015，39（14）：89?93.

FANG Hongjun， SONG Li， XIE Rong. An optimization algorithm design for video noise detection in TV system [J]. Video engineering， 2015， 39（14）： 89?93.

[4] 雷林，李乐鹏，李准，等.自动检测及放大视频中的微小运动[J].小型微型计算机系统，2016，37（9）：2120?2124.

LEI Lin， LI Lepeng， LI Zhun， et al. Automated detection and magnification of small motion in videos [J]. Journal of Chinese computer systems， 2016， 37（9）： 2120?2124.

[5] 李忠海，邢晓红，金海洋.基于视频监控的人的异常行为系统设计[J].火力与指挥控制，2017，42（4）：165?170.

LI Zhonghai， XING Xiaohong， JIN Haiyang. System design of human abnormal behavior based on video surveillance [J]. Fire control & command control， 2017， 42（4）： 165?170.

[6] 李春木，连迅.民族传统体育对抗类项目视频分析与智能诊断系统研究[J].广州体育学院学报，2016，36（1）：52?56.

LI Chunmu， LIAN Xun. Study on video analysis of the national traditional sports project and intelligent diagnosis system [J]. Journal of Guangzhou Sport University， 2016， 36（1）： 52?56.

[7] 郑冰，赵阳，葛东林.农机快速导航系统设计：基于图像边缘检测和3D深度视频帧内编码[J].农机化研究，2018，40（5）：181?184.

ZHENG Bing， ZHAO Yang， GE Donglin. Design for fast navigation system of agricultural machinery based on image edge detection and 3D depth video coding [J]. Journal of agricultural mechanization research， 2018， 40（5）： 181?184.

[8] 李和香.基于物联网视觉的旅游景区异常情况图像自动识别系统设计[J].现代电子技术，2017，40（4）：124?127.

LI Hexiang. Design of IOT vision based image automatic identification system for tourist attraction abnormalities [J]. Modern electronics technique， 2017， 40（4）： 124?127.

[9] 曹义亲，程威，黄晓生.关于视频图像运动目标跟踪识别仿真研究[J].计算机仿真，2017，34（1）：191?196.

CAO Yiqin， CHENG Wei， HUANG Xiaosheng. Simulation research on tracking and recognition of moving objects in video images [J]. Computer simulation， 2017， 34（1）： 191?196.

[10] 王霞，付晓静，王楠，等.预决策金字塔层数的欧拉视频微弱运动放大算法[J].科学技术与工程，2016，16（1）：114?118.

WANG Xia， FU Xiaojing， WANG Nan， et al. Pre?decision pyramid layers of Eulerian video magnification algorithm for subtle movements [J]. Science technology and engineering， 2016， 16（1）： 114?118.

[11] 徐济惠，祝曉东，刘翠娟，等.数字视频分析中快速边缘检测和运动估计研究[J].计算机测量与控制，2016，24（5）：242?245.

XU Jihui， ZHU Xiaodong， LIU Cuijuan， et al. Research on fast edge detection and motion estimation in digital video analysis [J]. Computer measurement & control， 2016， 24（5）： 242?245.