摘  要： 首先對(duì)大型超市變風(fēng)量中央空調(diào)系統(tǒng)進(jìn)行總體設(shè)計(jì)，并將視頻圖像處理技術(shù)運(yùn)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(yùn)動(dòng)目標(biāo)檢測(cè)算法計(jì)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(lái)控制溫度和新風(fēng)量，實(shí)現(xiàn)了系統(tǒng)節(jié)能，達(dá)到了“風(fēng)跟人走”的效果。

　　關(guān)鍵詞： 中央空調(diào)；視頻圖像處理；運(yùn)動(dòng)檢測(cè)；可編程控制器

　　大型綜合超市中央空調(diào)在設(shè)計(jì)時(shí)一般都是根據(jù)超市的面積和空調(diào)單位面積的冷熱負(fù)載量來(lái)設(shè)計(jì)其最大負(fù)荷。考慮到季節(jié)等氣候因素，中央空調(diào)負(fù)荷設(shè)計(jì)的原則是按照一年中最大負(fù)荷來(lái)設(shè)計(jì)，并留有5%~10%的余量，運(yùn)行中根據(jù)季節(jié)變化人為決定水泵的運(yùn)行臺(tái)數(shù)，水泵和風(fēng)機(jī)轉(zhuǎn)速一旦工作不會(huì)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(fèi)嚴(yán)重，另一方面降低了顧客購(gòu)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(yùn)動(dòng)目標(biāo)檢測(cè)算法分析各個(gè)區(qū)域的視頻圖像，獲得各個(gè)區(qū)域的人流密度，根據(jù)人流密度來(lái)控制局部區(qū)域的溫度和新風(fēng)量，既實(shí)現(xiàn)了良好的節(jié)能效果，又為顧客營(yíng)造了舒適的購(gòu)物環(huán)境。

1 系統(tǒng)總體設(shè)計(jì)

　　整個(gè)中央空調(diào)系統(tǒng)由空調(diào)機(jī)組、新風(fēng)機(jī)組以及監(jiān)控系統(tǒng)組成，新風(fēng)機(jī)組實(shí)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(jī)組實(shí)現(xiàn)制冷從而降低超市內(nèi)溫度。新風(fēng)機(jī)組主要由新風(fēng)閥門(mén)、回風(fēng)閥門(mén)、排風(fēng)閥門(mén)、送風(fēng)風(fēng)機(jī)、回風(fēng)風(fēng)機(jī)和各個(gè)區(qū)域送風(fēng)風(fēng)機(jī)組成。通過(guò)對(duì)新風(fēng)閥門(mén)、回風(fēng)閥門(mén)兩個(gè)風(fēng)門(mén)的開(kāi)度進(jìn)行控制以調(diào)節(jié)新回風(fēng)比例，增大新風(fēng)比例可提高室內(nèi)空氣品質(zhì)和舒適程度，提高回風(fēng)比例可起到節(jié)能的效果，但新風(fēng)比例不得少于15%，根據(jù)管壓或者各區(qū)域的需求風(fēng)量來(lái)控制送回風(fēng)風(fēng)機(jī)轉(zhuǎn)速。空調(diào)機(jī)組主要由變頻水泵和末端風(fēng)機(jī)盤(pán)管組成，可以通過(guò)調(diào)節(jié)水泵轉(zhuǎn)速和末端風(fēng)機(jī)盤(pán)管風(fēng)機(jī)轉(zhuǎn)速來(lái)控制制冷量[1]。

　　該控制系統(tǒng)運(yùn)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(duì)中央空調(diào)多變量系統(tǒng)進(jìn)行集散控制，通過(guò)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(gè)變量對(duì)新風(fēng)機(jī)組以及空調(diào)機(jī)組的水泵和風(fēng)機(jī)進(jìn)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(jì)數(shù)器計(jì)算出超市內(nèi)的總購(gòu)物人數(shù)，計(jì)算出中央空調(diào)系統(tǒng)總的冷熱負(fù)荷，根據(jù)總的冷熱負(fù)荷確定超市內(nèi)所需新風(fēng)量，控制新回風(fēng)風(fēng)門(mén)的開(kāi)度從而調(diào)節(jié)超市內(nèi)各個(gè)區(qū)域CO2濃度。

　　同時(shí)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(chǎng)采集到的溫度與CO2濃度數(shù)據(jù)對(duì)末端風(fēng)機(jī)及水泵轉(zhuǎn)速進(jìn)行PID控制從而調(diào)節(jié)局部新風(fēng)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(guò)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(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)對(duì)視頻流進(jìn)行分析得到該區(qū)域內(nèi)人流密度，利用C++中MScomm控件實(shí)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(guò)PLC控制末端風(fēng)機(jī)和水泵轉(zhuǎn)速來(lái)調(diào)節(jié)新風(fēng)量和制冷量。

2 目標(biāo)檢測(cè)

　　高清攝像機(jī)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(biāo)檢測(cè)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(jì)算簡(jiǎn)單，實(shí)時(shí)處理效率高，因此是最常用的運(yùn)動(dòng)目標(biāo)檢測(cè)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(diǎn)，提出了一種在運(yùn)動(dòng)區(qū)域內(nèi)結(jié)合使用兩種方法來(lái)提取運(yùn)動(dòng)目標(biāo)的方法，這種方法首先根據(jù)幀間差分圖像確定運(yùn)動(dòng)區(qū)域，然后在確定的運(yùn)動(dòng)區(qū)域內(nèi)對(duì)背景差分圖像和幀間差分圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，最后得到區(qū)域內(nèi)運(yùn)動(dòng)目標(biāo)占整個(gè)圖像的百分比。

　　2.1 建立背景模型

　　目前常見(jiàn)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(guò)一段時(shí)間的訓(xùn)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(duì)背景的每個(gè)像素點(diǎn)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(mén)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(gè)高斯分布，在t+1時(shí)刻的高斯分布參數(shù)更新為：

　　2.2 變化區(qū)域的檢測(cè)

　　幀間差分法能夠檢測(cè)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(jìn)行差分處理，檢測(cè)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(cè)的閾值，由于變化區(qū)域需要與背景圖像進(jìn)行進(jìn)一步的處理來(lái)分割出運(yùn)動(dòng)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(yùn)動(dòng)變化的區(qū)域。

　　2.3 運(yùn)動(dòng)目標(biāo)的檢測(cè)

　　區(qū)分出圖像中變化和非變化區(qū)域之后，針對(duì)當(dāng)前幀圖像，只對(duì)變化區(qū)域中圖像與背景圖像作差分來(lái)檢測(cè)運(yùn)動(dòng)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(dāng)前幀圖像與背景圖像作差分之后，還需要進(jìn)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(xué)過(guò)濾

　　形態(tài)學(xué)過(guò)濾用來(lái)從圖像中提取對(duì)于表達(dá)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(xué)描述。形態(tài)學(xué)基本運(yùn)算有膨脹和腐蝕，先腐蝕后膨脹為開(kāi)操作，先膨脹后腐蝕為閉操作。

　　開(kāi)操作能使目標(biāo)區(qū)域輪廓變得光滑，斷開(kāi)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(bǔ)輪廓線中的空隙，起到平滑邊界的作用，定義為：

　　經(jīng)過(guò)開(kāi)操作和閉操作，能消除圖像中孤立的點(diǎn)、干擾形成的小碎塊和物體邊界點(diǎn)，也可使腐蝕后的圖像中的目標(biāo)區(qū)域面積有所補(bǔ)償，然后用3×3的矩形窗口對(duì)圖像進(jìn)行中值濾波，進(jìn)一步消除圖像噪聲[5]。

3 目標(biāo)檢測(cè)算法的實(shí)現(xiàn)

　　靜態(tài)背景目標(biāo)檢測(cè)程序類(lèi)為CStaticDetect，建立目標(biāo)檢測(cè)類(lèi)CStaticDetect后接收到一幀視頻圖像，調(diào)用對(duì)象的圖像幀接收函數(shù)ReceiveFrame。在函數(shù)中包括兩個(gè)參數(shù)，一個(gè)參數(shù)是圖像幀數(shù)據(jù)，另一個(gè)參數(shù)是當(dāng)前幀數(shù)量。達(dá)到閾值以后ReceiveFrame函數(shù)會(huì)自動(dòng)建立背景模型。最后進(jìn)行目標(biāo)檢測(cè)，檢測(cè)結(jié)果利用差分圖像函數(shù)m_pDiffImage的成員函數(shù)輸出。目標(biāo)檢測(cè)類(lèi)CStaticDetect的定義過(guò)程如下：

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

　　#define BACK_SEQ_NUM 3//計(jì)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(dāng)前圖像

　　BYTE*m_pDetectImage；//檢測(cè)結(jié)果圖像

　　Int m_nFrame，count；

　　Int WIDTH，HEIGHT，IMAGESIZE；

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

　　BYTE*m_pGrayImage；//當(dāng)前灰度圖像

　　BYTE*m_pBackground；//背景估計(jì)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(shí)驗(yàn)結(jié)果

　　實(shí)驗(yàn)采用PC和海康威視DS4004HC視頻采集卡。搭建一個(gè)大型超市中央空調(diào)模型，將其劃分為兩個(gè)區(qū)域，其中一個(gè)區(qū)域安裝高清攝像頭，通過(guò)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(guò)PLC來(lái)控制現(xiàn)場(chǎng)的步進(jìn)電機(jī)帶動(dòng)電磁閥門(mén)開(kāi)合模擬新回風(fēng)閥門(mén)開(kāi)度變化，小風(fēng)機(jī)變頻控制來(lái)模擬風(fēng)機(jī)轉(zhuǎn)速的變化。模型內(nèi)鋪設(shè)軌道，玩具小火車(chē)模擬區(qū)域內(nèi)人流變化。視頻采集卡負(fù)責(zé)采集區(qū)域內(nèi)視頻流數(shù)據(jù)。在VC++6.0開(kāi)發(fā)環(huán)境下編寫(xiě)程序?qū)σ曨l流數(shù)據(jù)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，對(duì)攝像機(jī)輸出的視頻流圖像進(jìn)行8幀/s的采集分析，每幀圖像大小為320像素×240像素，檢測(cè)結(jié)果利用MScomm控件進(jìn)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(jiǎn)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(cè)到的運(yùn)動(dòng)目標(biāo)，圖1（d）為經(jīng)過(guò)形態(tài)學(xué)過(guò)濾后的運(yùn)動(dòng)目標(biāo)

　　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(yùn)動(dòng)目標(biāo)檢測(cè)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(lái)控制局部制冷量和新風(fēng)量，進(jìn)行局部區(qū)域的精確控制，既對(duì)整個(gè)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(yíng)造一個(gè)舒適的購(gòu)物環(huán)境，真正達(dá)到“風(fēng)跟人走”的節(jié)能效果。該系統(tǒng)已經(jīng)應(yīng)用在三江學(xué)院地源熱泵中央實(shí)驗(yàn)室中，根據(jù)運(yùn)行效果來(lái)看，節(jié)能效果較佳；該控制方案入圍在德國(guó)菲尼克斯總部舉行的“2012菲尼克斯電氣全球自動(dòng)化應(yīng)用大獎(jiǎng)賽”總決賽。

　　參考文獻(xiàn)

　　[1] 周洪煜，陳小健，陳孜虎.變水量與變風(fēng)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(jì)[J].自動(dòng)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(yùn)動(dòng)檢測(cè)[J].微計(jì)算機(jī)信息，2009，25（7）：257-258.

　　[4] 董王崇，王天珍，許剛.視頻圖像中的運(yùn)動(dòng)檢測(cè)[J].武漢理工大學(xué)學(xué)報(bào)（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.