基于帧间差分图像处理技术在电梯门系统应用

基于帧间差分图像处理技术在电梯门系统应用

摘要：电梯门系统作为电梯中的门户，其更好的安全性，智能性一直是研究人员追求的。本文采用ARM 处理器，运用图像处理技术对动态目标进行检测，跟踪和简单的预测，从而实时得检测需要使用电梯的人的情况，快速响应。实验结果证明，所设计的系统能实时性，适应性都基本满足要求，具有较大的实用价值。

关键词：电梯门；帧间差分；图像处理

中图分类号：TP273.5

Application of elevator door system based on inter-frame difference

image processing technology

XING Hai-xiao, ZHAO Guo-jun,Wangfei ,ZENG Guo-wei, LU Xin-sen (College of Mechanical Engineering, Zhejiang University of Technology, Hangzhou 310014, China) Abstract:As a gateway to elevator, door system’s security, inte lligence has always been pursued by researchers. In this paper, the use of ARM processors and the image processing technology for dynamic target detection, tracking and predicting easily, so get real-time detection of people who need to use the elevator, then rapid response. Experimental results show that this system real-time performance, adaptability to meet all basic requirements, greater application value. Keywords: elevator door; Inter-frame Difference; image processing

0. 引言

随着现代化城市的高速发展，高层建筑的日益增多，电梯需求量越来越大，同时，人们对电梯的要求也越来越高。作为进出电梯轿厢安全保证，门保护装置一直是用户最关心的产品之一，也是衡量电梯质量的一个重要指标。目前，电梯门保护装置主要分2大类：机械门保护，光电门保护。

1. 本课题研究的主要内容

随着图像识别技术的日新月异，提出了基于ARM的嵌入式图像识别智能电梯门安全保护系统。通过硬件的设计和运用，以及算法的研究，开发出一套智能的通过图像识别的电梯门安全保护系统（以下简称系统）。主要实现两大功能：（1）在电梯门即将关闭时有人在一定角度走向电梯门时，本系统能通过这个人的运动轨迹识别其是要乘电梯还是仅仅路过，从而控制电梯门的开启或关闭，达到“闻香识客”功能。（2）在电梯门关闭时，通过拍摄电梯轿厢门间的图像，判断门间是否有物体，当有物体挡住时，则电梯门开启；反之，则关闭。

2. 系统的组成

本系统总体设计思路是用CMOS摄像头采集转换视频信号，用ARM作主控芯片进行采集图像的缓存控制，并用动态检测算法对图像进行判别，识别有无运动目标出现，并进行轨迹分析。

主要以S3C2440为核心构建主板的硬件系统和软件。硬件系统包括基于CMOS摄像头OV9650的图像采集模块，存储模块，图像处理模块，通信模块，电源模块等子模块。

CMOS 摄像头

镜头

S3C2440ARM9 SOC SRAM 数据

IIC 控制

地址

数据

控制

PC 上位机调试

FLASH

串口

调试接口

控制

数据

地址

电梯控制

电梯门机

LCD

数据图1 基于ARM 图像采集处理的电梯门安全控制系统

3．系统对目标检测算法的研究

3.1 几种常见的运动检测算法

动态目标的检测是智能识别控制系统的第一步，在整个处理中占有很重要的地位，它的准确性直接关系到后继工作的难易程度，以至于整个系统的成败。其目的就是把运动目标从背景中分离出来以便进一步分析。在视频图像处理中，运动目标的检测和估计主要有背景差分法、帧间差分法和光流场法这几种比较常用的方法。

3.2 基于帧间差分背景建模的运动目标检测

在解决电梯门控制实际问题中，考虑到实时性及可靠性的要求，要求算法不能太复杂，不能太费时，采用了帧间差分和背景差相融合的方法实现对运动目标的分割。主要包括背景模型建立、动态目标的检测等步骤。

3.2.1 背景模型的建立

背景模型是背景差分法运动检测的基础。为了在视频序列中得到干净的背景帧，本系统提出了一种新的背景建模方法。首先在包含运动目标及背景的视频图像中，用帧间差分法将一段时间里采集的视频序列图像两两进行差分运算，对各个像素点沿时间轴的变化规律进行统计分析，从而把各帧中属于背景的像素点检测出来，再将这些背景像素点重组出背景帧。

这种算法采用一种较为简单的背景模型方案。背景模型中每个像素由该点处的三个值来模型化：相继帧间的平均像素灰度值(A)，最大(M)最小(N)灰度值。这三个模型参数通过在较少运动情况下经一段时间(一般为几秒)来训练获得。

定义图像序列中第k 帧第x 行第y 列像素的灰度值为(,,)I x y k ,则第k 帧图像可以表示为：

(1,1,) (,1,)() (,1,) (,,)I k I k n I k I m k I m n k ⎛⎫ ⎪= ⎪ ⎪⎝⎭

（3.1）

(,,)d x y k 为相继帧差，反映了相邻帧间的灰度变化：

(,,)(,,)(,,1)d x y k I x y k I x y k =-- (3.2) 1 (,,)0 if d T

D x y k if d T

>⎧=⎨

≤⎩ (3.3)

其中阈值T 被用来除噪声，对固定的坐标位置(,)x y ，(,,)D x y k 表示为帧数k 的函数，它记录了位置(,)x y 处像素随时间的变化。在连续m 帧内如果(,,)D x y k 恒等于零，则该点为背景，如是不为零则继续训练。

(,,)0if D x y k ≡ (1,2

)k i i i m =+++