基于ARM的嵌入式老人异常行为监测系统

刘佳琳

（西安石油大学电子工程学院，陕西 西安 710065）

0 引言

当今社会不断朝着智能化的方向发展，嵌入式设备也以智能化的方式逐渐提高大众的生活质量。随着消费电子的智能化，嵌入式更显其重要性，例如日常生活中的手机、智能家居、无人机、汽车电子、家电控制系统、医疗仪器和航空设备等都是典型的嵌入式系统[1-3]。针对当今社会人口老龄化、老人因突发性疾病死亡等问题，本文提出基于嵌入式的老人行为异常监控系统。可有效解决独居老人突发异常后意识丧失情况下不能得到及时救治的问题，对于保障独居老人的生命健康。提升养老地产项目的智能化、舒适化，具有运行平稳，准确性高。运行速度快等诸多优势[4-5]。

1 系统设计

1.1 系统总体框图

图1 系统框图

1.2 整体思路

本系统主要运行于三星4412开发板上。共分为4个模块：图像采集模块、图像识别及跌倒检测模块、报警模块、远程网络监控模块。图像采集模块主要外接ov5640摄像头进行图像采集，通过压缩后将视频输送给ARM；跌倒检测模块中图像处理算法基于Open CV视觉库和c++实现判断老人跌倒行为的功能；报警模块将跌倒检测模块提供的图像利用GPRS传送给老人子女，实现实时通知功能；远程监控模块利用sock网络编程搭建web服务器模型，用户可远程通过网页进行当前环境的监控。

2 系统关键模块实现

2.1 视频采集模块

远程图像监控终端总体上可以分为五个部分：S3C4412控制器、存储系统、电源模块、图像采集模块和GPRS通信模块。图像采集采用USB摄像头。视频采集模块利用高速A/D转换芯片将模拟信号采集为数字信号，得到最后给用户显示的图像。视频采集模块如图2所示。

图2 视频采集模块

2.2 图像识别及跌倒检测模块

选用背景差分法和形态学算法提取目标骨架，骨架提取分为以下几步：图像灰度化，背景减除法提取人体轮廓，对图像进行预处理，中值滤波，图像二值化，canny算子进行边缘检测，形态学运算。然后用基于人体比例的方法初步判断跌倒情况，进而采用基于人体外接矩形宽高比的精准判断跌倒情况。图像识别及跌到检测模块总体框图如图3所示。

图3 图像识别及跌到检测模块总体框图

2.2.1 图像灰度化

在数字图像处理中一般将各种格式的图像转化为灰度图像以使后续的图像的计算量少一些。灰度图像的描述与彩色图像一样仍然反映了整副图像的整体和局部的色度和高亮等级的分布和特征。采用加权平均法，即按照一定权值，对R，G，B的值加权平均，由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此使用该方法将得到最好效果的较易识别的灰度图像。

2.2.2 图像预处理

（1）图像滤波。采用中值滤波对图像进行处理。中值滤波是一种典型的非线性滤波技术，对滤除脉冲干扰及图像扫描噪声非常有效，也常用于保护边缘信息。

（2）图像二值化。灰度图像大津法是按图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。

（3）边缘检测。Canny的目标是找到一个最优的边缘检测算法，分为四步：消除噪声、计算梯度幅值和方向、非极大值抑制、滞后阈值。其不容易受噪声干扰，能够检测到真正的弱边缘。优点在于使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中[6]。

2.3 形态学处理

主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质的形状特征，如边界和连通区域等。分为腐蚀和膨胀两种。

2.4 基于人体比例的初步跌倒检测判断

通过以上步骤可得到连通的人物区域，进而对目标区域按照从上到下、从左到右的方式进行行列扫描，设图像中像素值为1的像素点坐标为（Χ,Y），对其进行数目计算，从而获得x坐标的最大值Χmax和最小值Χmin，y坐标的最大值Ymax和最小值Ymin。由此可以得到运动目标人物区域的最小外接矩形框的左下角顶点的坐标为（X1,Y1），右上角顶点坐标为（Xr,Yr）。其中：

通过外接矩形的两个顶点坐标，就可以得到宽高比值用作人体的轮廓特征。

由于人体具有一定的比例关系，例如，手臂在身体的上半部分，脚在身体的下半部分。可以想象，如果在某个区域内白点数（白色像素达标目标）比较多，则说明有肢体出现在该区域。如果事先能够定义好所有可能的姿态集合，并根据每一个姿态确定其区域组合，即可实现先对姿态的判断。该算法首先需要确定人体的标准位置，用红色矩形框标出，计算出矩形框的高H和宽L，根据高宽的比例来判断人体的姿态。

2.5 报警模块

系统通过图像的检测及判断，当老人发生异常状况时，监控摄像机提取当前视频的多帧图像，通过GPRS将老人突发异常信息及当前视频图像传输给监护人，方便监护人员做出判断。

2.6 远程网络监控模块

利用socket网络编程建立套接字，搭建b/s模型，使得监护人在网络远程实时观测到室内情况，保证了老人生命财产安全。

3 实验结果与分析

对上文所提到的算法在linux平台进行实验，得到处理后的图像如下。

图4 图像处理结果

图4（a）是摄像头拍摄得到的原图，图4（b）是对图像进行灰度化得结果，对图4（b）进行中值滤波之后可以看出图像变得平滑，如图4（c），在对滤波过后的图像进行二值化得到人物轮廓，效果如图4（d）所示，再使用canny算子进行边缘检测，最后通过形态学运算采用膨胀的方式，得到图4（g），再对图4（g）中人体取得最小外接矩形，即可通过人体最小外接矩形宽高比判断人体行为。

图5 三种行为的高宽比变化过程折线图

由图5可知，从宽高比变化的幅度来分析，跌倒过程中的宽高比变化幅度是最大的，行走过程中的宽高比变化幅度是最小的，宽高比始终保持在0.7以上。而下蹲过程中的最大宽高比近似为最小宽高比的 3倍左右。从人体轮廓最小外接矩形的宽高比变化的速度来看，跌倒过程中宽高比变化持续的时间是相对比较长的，而且宽高比最后会下降至0.2以下。下蹲过程变化时间持续较短，后来又趋于平稳，最后宽高比平稳在0.25上下。通过分析不同行为过程序列的宽高比变化特征，可以得出宽高比变化的程度可以作为区分跌倒行为与其他行为的特征的结论。而判断跌倒行为只需判断其宽高比是否在0.2以下，若宽高比在0.2以下即可判断为跌倒行为[7-8]。

4 结论

本文提出了一种基于嵌入式ARM开发平台、Ope n CV视觉库和C++，针对独居老人无人照顾，跌倒无人帮助得问题，设计了一个可以实现远程视频监控、对视频中老人进行形态分析，能在老人摔倒时及时给在外工作的家人通过GPRS模块发送警报信息。而且该系统平台价格低廉，用户操作难度较低，具有良好的普适性。同时，本文提出的人体跌倒检测算法在某些情况下还是存在一定的误差，还需对该算法做出进一步优化，进一步完善跌倒检测功能，使误差概率降到最低。