摘  要： 首先對大型超市變風量中央空調(diào)系統(tǒng)進行總體設(shè)計，并將視頻圖像處理技術(shù)運用到大型超市中央空調(diào)節(jié)能控制的研究中，提出了一種基于幀間差分與背景差分結(jié)合的運動目標檢測算法計算局部區(qū)域的人流密度，根據(jù)局部區(qū)域的人流密度利用PLC來控制溫度和新風量，實現(xiàn)了系統(tǒng)節(jié)能，達到了“風跟人走”的效果。

　　關(guān)鍵詞： 中央空調(diào)；視頻圖像處理；運動檢測；可編程控制器

　　大型綜合超市中央空調(diào)在設(shè)計時一般都是根據(jù)超市的面積和空調(diào)單位面積的冷熱負載量來設(shè)計其最大負荷?？紤]到季節(jié)等氣候因素，中央空調(diào)負荷設(shè)計的原則是按照一年中最大負荷來設(shè)計，并留有5%~10%的余量，運行中根據(jù)季節(jié)變化人為決定水泵的運行臺數(shù)，水泵和風機轉(zhuǎn)速一旦工作不會因局部溫度或CO2濃度變化而改變轉(zhuǎn)速，一方面造成能源浪費嚴重，另一方面降低了顧客購物的舒適度。本文將視頻圖像處理技術(shù)引入到大型超市中央空調(diào)節(jié)能控制中，提出一種基于幀間差分法和背景差分法結(jié)合的運動目標檢測算法分析各個區(qū)域的視頻圖像，獲得各個區(qū)域的人流密度，根據(jù)人流密度來控制局部區(qū)域的溫度和新風量，既實現(xiàn)了良好的節(jié)能效果，又為顧客營造了舒適的購物環(huán)境。

1 系統(tǒng)總體設(shè)計

　　整個中央空調(diào)系統(tǒng)由空調(diào)機組、新風機組以及監(jiān)控系統(tǒng)組成，新風機組實現(xiàn)與外界的空氣流通，降低CO2濃度從而改善超市內(nèi)空氣舒適度，空調(diào)機組實現(xiàn)制冷從而降低超市內(nèi)溫度。新風機組主要由新風閥門、回風閥門、排風閥門、送風風機、回風風機和各個區(qū)域送風風機組成。通過對新風閥門、回風閥門兩個風門的開度進行控制以調(diào)節(jié)新回風比例，增大新風比例可提高室內(nèi)空氣品質(zhì)和舒適程度，提高回風比例可起到節(jié)能的效果，但新風比例不得少于15%，根據(jù)管壓或者各區(qū)域的需求風量來控制送回風風機轉(zhuǎn)速?？照{(diào)機組主要由變頻水泵和末端風機盤管組成，可以通過調(diào)節(jié)水泵轉(zhuǎn)速和末端風機盤管風機轉(zhuǎn)速來控制制冷量[1]。

　　該控制系統(tǒng)運用可編程控制器技術(shù)、多變量控制理論、變頻調(diào)節(jié)技術(shù)，對中央空調(diào)多變量系統(tǒng)進行集散控制，通過超市內(nèi)各區(qū)域的溫度傳感器、CO2濃度傳感器、圖像傳感器，將前端溫度變化、空氣質(zhì)量、人流情況等多個變量對新風機組以及空調(diào)機組的水泵和風機進行變頻控制。

　　首先，在超市模型出入口安裝光電傳感器（或漫反射傳感器），利用可編程控制器內(nèi)脈沖計數(shù)器計算出超市內(nèi)的總購物人數(shù)，計算出中央空調(diào)系統(tǒng)總的冷熱負荷，根據(jù)總的冷熱負荷確定超市內(nèi)所需新風量，控制新回風風門的開度從而調(diào)節(jié)超市內(nèi)各個區(qū)域CO2濃度。

　　同時在生鮮水果區(qū)等人流量多的區(qū)域安裝CO2濃度和溫度傳感器，PLC根據(jù)現(xiàn)場采集到的溫度與CO2濃度數(shù)據(jù)對末端風機及水泵轉(zhuǎn)速進行PID控制從而調(diào)節(jié)局部新風量和制冷量[2]；在日用品區(qū)等人流量少的區(qū)域嘗試安裝溫度傳感器和高清攝像頭，通過采集視頻圖像并配合視頻圖像采集卡采集區(qū)域視頻流數(shù)據(jù)，利用C++視頻圖像處理技術(shù)中的運動目標檢測技術(shù)對視頻流進行分析得到該區(qū)域內(nèi)人流密度，利用C++中MScomm控件實現(xiàn)串口通信將數(shù)據(jù)按照自定義通信協(xié)議傳送至PLC，通過PLC控制末端風機和水泵轉(zhuǎn)速來調(diào)節(jié)新風量和制冷量。

2 目標檢測

　　高清攝像機采集到的視頻流數(shù)據(jù)是基于靜止背景的圖像序列，目前在靜止背景下常用的目標檢測方法有幀差法、背景差分法和光流法等。幀差法和背景差分法計算簡單，實時處理效率高，因此是最常用的運動目標檢測方法[3]。本系統(tǒng)根據(jù)幀間差分法和背景差分法的優(yōu)缺點，提出了一種在運動區(qū)域內(nèi)結(jié)合使用兩種方法來提取運動目標的方法，這種方法首先根據(jù)幀間差分圖像確定運動區(qū)域，然后在確定的運動區(qū)域內(nèi)對背景差分圖像和幀間差分圖像進行運動目標檢測，最后得到區(qū)域內(nèi)運動目標占整個圖像的百分比。

　　2.1 建立背景模型

　　目前常見的建立背景模型方法是假定像素服從某種分布模型（如高斯分布），通過一段時間的訓練獲得其參數(shù)并不斷更新其分布參數(shù)，就可得到較好的背景更新方法[4]。首先對背景的每個像素點的灰度分布建立高斯模型，用高斯分布的混合模型去模擬，公式為：

　　其中，D為偏差門限，取值范圍為2~3，本文取D=2.5。如果像素值為Xt，屬于第n個高斯分布，在t+1時刻的高斯分布參數(shù)更新為：

　　2.2 變化區(qū)域的檢測

　　幀間差分法能夠檢測出相鄰兩幀間發(fā)生變化的區(qū)域，設(shè)fk（i，j）和fk+1（i，j）為視頻序列中連續(xù)的兩幀圖像，將這兩幀圖像進行差分處理，檢測規(guī)劃為：

　　fk+1（i，j）=Bk+1（i，j） |fk+1（i，j）-fk（i，j）|<TMk+1（i，j） |fk+1（i，j）-fk（i，j）|≥T（5）

　　其中，T為檢測的閾值，由于變化區(qū)域需要與背景圖像進行進一步的處理來分割出運動物體，在此取T=5；Bk+1（i，j）表示差分后確定為背景的區(qū)域；Mk+1（i，j）表示差分后確定為運動變化的區(qū)域。

　　2.3 運動目標的檢測

　　區(qū)分出圖像中變化和非變化區(qū)域之后，針對當前幀圖像，只對變化區(qū)域中圖像與背景圖像作差分來檢測運動的物體。

　　Dk+1（i，j）=fk+1（i，j）-Bk（i，j），（i，j）|∈Mk+1（i，j）0，               其他（6）

　　當前幀圖像與背景圖像作差分之后，還需要進行閾值分割，將差分圖像變成二值圖像，閾值的選取是閾值分割的關(guān)鍵[5]。

　　2.4 形態(tài)學過濾

　　形態(tài)學過濾用來從圖像中提取對于表達和描繪區(qū)域形狀有用處的圖像分量，在二值圖像中，所有黑色像素的集合是圖像完整的形態(tài)學描述。形態(tài)學基本運算有膨脹和腐蝕，先腐蝕后膨脹為開操作，先膨脹后腐蝕為閉操作。

　　開操作能使目標區(qū)域輪廓變得光滑，斷開狹窄的間斷和消除毛刺，定義為：

　　閉操作能消除狹窄的間斷和小的孔洞，并填補輪廓線中的空隙，起到平滑邊界的作用，定義為：

　　經(jīng)過開操作和閉操作，能消除圖像中孤立的點、干擾形成的小碎塊和物體邊界點，也可使腐蝕后的圖像中的目標區(qū)域面積有所補償，然后用3×3的矩形窗口對圖像進行中值濾波，進一步消除圖像噪聲[5]。

3 目標檢測算法的實現(xiàn)

　　靜態(tài)背景目標檢測程序類為CStaticDetect，建立目標檢測類CStaticDetect后接收到一幀視頻圖像，調(diào)用對象的圖像幀接收函數(shù)ReceiveFrame。在函數(shù)中包括兩個參數(shù)，一個參數(shù)是圖像幀數(shù)據(jù)，另一個參數(shù)是當前幀數(shù)量。達到閾值以后ReceiveFrame函數(shù)會自動建立背景模型。最后進行目標檢測，檢測結(jié)果利用差分圖像函數(shù)m_pDiffImage的成員函數(shù)輸出。目標檢測類CStaticDetect的定義過程如下：

　　#define BACK_ALL_NUM 100//計算背景所需幀數(shù)

　　#define BACK_SEQ_NUM 3//計算背景循環(huán)數(shù)目

　　#define THRESHOLD 20//設(shè)置差分閾值

　　Class CstaticDetect

　　{

　　Public：

　　CstaticDetect（int nwidth，int nheight）；

　　Virtual~CstaticDetect（）；

　　Void ReceiveFrame（int index，BYTE* sBuf，DETECT_METHOD sMethod）；

　　Public：

　　BYTE*m_pCurImage；//當前圖像

　　BYTE*m_pDetectImage；//檢測結(jié)果圖像

　　Int m_nFrame，count；

　　Int WIDTH，HEIGHT，IMAGESIZE；

　　Short int*m_pBackHistgram；//背景顏色統(tǒng)計

　　BYTE*m_pGrayImage；//當前灰度圖像

　　BYTE*m_pBackground；//背景估計圖像

　　BYTE*m_pDiffImage；//差分圖像

　　UINT*m_pTemplate；//存取多幀數(shù)據(jù)

　　Private：

　　Void RGBTOGRAY（BYTE*sRGB，BYTE*sGray，int nWidth，int nHeight）；

　　Void DiffImage（BYTE*sRGB，BYTE*pGray，int nWidth，int nHeight，int nThreshold）；

　　Void GetMultidata（BYTE*sGray，int nWidth，int nHeight）；

　　Void GetBgimage（）；

　　}；

4 實驗結(jié)果

　　實驗采用PC和?？低旸S4004HC視頻采集卡。搭建一個大型超市中央空調(diào)模型，將其劃分為兩個區(qū)域，其中一個區(qū)域安裝高清攝像頭，通過攝像頭感知該區(qū)域人流量的變化，將視頻流數(shù)據(jù)分析結(jié)果通過PLC來控制現(xiàn)場的步進電機帶動電磁閥門開合模擬新回風閥門開度變化，小風機變頻控制來模擬風機轉(zhuǎn)速的變化。模型內(nèi)鋪設(shè)軌道，玩具小火車模擬區(qū)域內(nèi)人流變化。視頻采集卡負責采集區(qū)域內(nèi)視頻流數(shù)據(jù)。在VC++6.0開發(fā)環(huán)境下編寫程序?qū)σ曨l流數(shù)據(jù)進行運動目標檢測，對攝像機輸出的視頻流圖像進行8幀/s的采集分析，每幀圖像大小為320像素×240像素，檢測結(jié)果利用MScomm控件進行串口通信，按照自定義協(xié)議及PLC自帶的232串口通信模塊傳送至PLC。視頻流數(shù)據(jù)分析結(jié)果如圖1所示，其中圖1（a）為任意抓取的某一幀圖像，圖1（b）為利用簡化的混合高斯模型提取出的背景圖像，圖1（c）為利用背景差分與幀間差分結(jié)合的方法檢測到的運動目標，圖1（d）為經(jīng)過形態(tài)學過濾后的運動目標

　　在大型超市中視頻系統(tǒng)已經(jīng)很完善，將視頻圖像處理技術(shù)引入到該中央空調(diào)節(jié)能控制中，利用幀間差分與背景差分相結(jié)合的運動目標檢測算法分析局部區(qū)域人流密度，可以根據(jù)區(qū)域內(nèi)的人流密度來控制局部制冷量和新風量，進行局部區(qū)域的精確控制，既對整個暖通空調(diào)系統(tǒng)的節(jié)能起到了重要的作用，又能給超市內(nèi)顧客營造一個舒適的購物環(huán)境，真正達到“風跟人走”的節(jié)能效果。該系統(tǒng)已經(jīng)應用在三江學院地源熱泵中央實驗室中，根據(jù)運行效果來看，節(jié)能效果較佳；該控制方案入圍在德國菲尼克斯總部舉行的“2012菲尼克斯電氣全球自動化應用大獎賽”總決賽。

　　參考文獻

　　[1] 周洪煜，陳小健，陳孜虎.變水量與變風量的中央空調(diào)節(jié)能控制策略[J].控制工程，2011，18（3）：474-478.

　　[2] 林利瓦，徐小勇，張軍，等.中央空調(diào)變流量PLC控制系統(tǒng)的設(shè)計[J].自動化儀表，2009，32（9）：234-236.

　　[3] 李寧，黃山，張先震，等.基于背景差分的人體運動檢測[J].微計算機信息，2009，25（7）：257-258.

　　[4] 董王崇，王天珍，許剛.視頻圖像中的運動檢測[J].武漢理工大學學報（信息與管理工程版），2004，26（4）：1-3.

　　[5] SPAGNOLO P， DO RAZIO T， LEO M， et al. Moving object segmentation by background subtraction and temporal analysis[J]. Image and Vision Computing， 2006， 24（5）： 411-423.

　　[6] CUCCHIARA R， PICCARDI M， PRATI A. Detecting moving objects， ghosts， and shadows in video streams[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence， 2003， 25（10）：1337-1342.