摘 要：基于ARM9处理器S3C2440芯片硬件平台，设计和开发了一种家庭视觉智能防盗监控系统。服务器以裁剪的Linux为软件平台，移植了多种设备驱动程序，综合利用多线程、socket等编程技术，通过调用OpenCV图像处理库、Libjpeg内存数据编解码库设计摄像头应用程序，着重分析了Linux下V4L的工作原理以及基于特征脸的人脸识别原理。该系统实现了在嵌入式Linux开发板上的人脸识别与身份验证主系统，实现在PC上Web浏览功能，提高了防盗系统的安全性。

关键词：嵌入式Linux；ARM9；人脸识别；OpenCV

随着智能视频监控系统的快速发展，通过对摄像机拍摄的图像序列进行自动分析，对视频图像中的运动对象进行检测、跟踪和识别，并在此基础上对其进行行为分析，从而做到预警、日常信息的管理，及在异常情况发生时发出告警，提高视频监控的效率成为可能[1]。本系统将智能视频监控系统应用于家庭防盗，实现了一个以图像处理技术为核心的家庭视觉防盗报警系统，包括摄像机图像采集分析、图像信息编码、压缩及PC端解码显示的图像处理设计、控制电路设计、GSM短信发送模块。其目标是提供一套成本低、功能全面的家庭视觉防盗系统，解决长期以来防盗系统对于机械锁的过度依赖，变传统的被动式消极防盗为报警式积极防盗，提高安全性。

1 系统构架

该系统包含一个服务端和两个客服端，服务端主要负责人脸识别图像处理、编码压缩及无线发送图像信息。一个客服端通过GSM模块实现服务端与业主手机通信，服务端通过对摄像机采集信息的一系列图像处理，对采集图像作人脸识别处理，判断是否为家庭成员并发送报警短信到业主手机。服务端将压缩图像信息打包，通过TCP协议发送到PC客户端，实现在PC端的实时显示。家庭视觉智能防盗系统结构如图1所示。

相对于传统的机械锁防盗与人工监视的传统视频监控系统，本系统在效率上有了大大的提高，并且更加智能化、自动化。本系统具有以下功能：

（1）可创建、更新家庭成员人脸头像库文件；

（2）服务端将前端设备采集图像作人脸识别图像处理；

（3）服务端判断是否发送报警短信给业主；

（4）前端设备采集图像信息在PC端实时显示；

（5）前端设备采集图像信息在服务端LCD实时显示；

（6）服务器端存储可疑人图片信息；

（7）可通过Web网络查看前端设备采集信息。

2 系统硬件设计

2.1 系统硬件平台

系统硬件结构如图2所示。硬件平台采用了ARM9嵌入式开发套件，它由核心板和底板组成，核心板上集成Samsung S3C2440处理器。该芯片采用ARM920T处理内核，主频为400 MHz，内部带有全性能MMU体系结构，支持Linux、WinCE等嵌入式操作系统，集成了外部存储器控制器、LCD控制器、一个5线异步串行口（波特率最高为115 200 b/s）、一个10 MHz网口、2个USB1.1接口（一个Host接口，一个Device接口）以及5 V电源接口[2]。

2.2 系统硬件框架

2.2.1 前端设备

在Linux下，使用开发板与摄像机相连，通过摄像机捕捉头像画面。为方便图像传送，系统采用中星微301P摄像机，其驱动需事先编译进Linux内核。中星微301P芯片采用了最先进的算法加速硬件方式，占用CPU资源一般为百分之十几，使开发板LCD显示屏在320×240模式下图像表现优异，并能达到30 f/s的速度[3]，动态画面流畅，实时还原真实场景。采集图像数据经摄像机硬件编码通过USB接口与服务端实现传输，采集图像数据为JPEG格式图片。服务端通过软件解码实现在服务端LCD上实时显示。

2.2.2 GSM模块

GSM模块是可用单片机控制的以TC35I为核心的GSM系统终端，支持数据、语言、短信传输等功能，利用信令信道传输，是GSM通信网所特有的功能，不用拨号建立连接，直接把要发送的信息加上目的地址发送到短消息服务中心，由短消息服务中心再发送给最终的信宿，短消息的收发不影响通话[4]。编码后单条短消息最大长度为140 B，可以承载160个英文字符或70个汉字；编码后每页消息长度为82 B，最大页数为15页。GSM模块短消息业务的优点在于其无需建立连接，服务费用低。

3 系统软件设计

3.1 软件系统设计框架设计

本系统软件框架分为服务器端主机控制、显示系统、GSM手机呼叫系统和PC终端显示系统。核心部分为服务端主机系统，以嵌入式Linux为基础，建立交叉编译环境，完成引导加载程序Supervivi、Linux系统内核Linux-2.6.32的编译移植，其中包括无线网卡、通用USB摄像头和LCD触摸屏等驱动的移植，最后移植通用yaffs文件系统。基于系统设计的需要，采用Framebuffer作为底层图形接口，还需要在宿主机上交叉编译Zlib、JPEG、OpenCV等多种库，这使得系统环境具有丰富的控件资源和良好的可移植性，最终形成基于ARM的嵌入式Linux平台，在此软件平台上可进行嵌入式应用程序的开发。

3.2 服务器端主机程序设计

主机程序设计采用C与C++语言相结合的方式进行开发，C部分主要用于开发视频播放程序和socket网络程序，主要内容包括初始化摄像机设备和创建线程1采集视频图像。然后主程序创建一个套接字监听，阻塞等待客户端的请求连接。连接成功后再创建线程2发送采集到的图像数据给客户端。线程1的作用是采集视频图像，线程2的作用是发送图像数据给客户端。内嵌自定义的传输协议，自行编写简易系统，在不减少功能及系统稳定的情况下，减少代码数量，精简代码，设定算法，提高系统稳定性、安全性。

当主机设备启动以后，系统进行初始化，采集前端设备摄像机一帧图像，作图像识别处理，判断是否为家庭成员。为非家庭成员时，主机与客户端建立联系，通过GSM模块发送报警短信给业主手机，并通过TCP协议发送至终端，在PC上实时显示，业主可登录Web网页查看门口监控。程序流程图如图3所示。

3.3 图像数据的编解码实现

系统在网络传输前，必须要对处理后的图像数据重新进行压缩处理。系统采用了IJG（Independent JPEG Group）提供的Libjpeg库实现在内存中图像数据的编解码，库中函数必须从文件中读取数据，再将压缩数据存成JPEG文件，增加了不必要的文件I/O操作，减慢了CPU的数据处理速度和网络传输。为克服其缺点，改写Libjpeg库内jdatasrc.c及jdatadst.c两个源文件，重新定义struct stdio_src_mgr及struct stdio_dest_mgr，并设计增加图像操作函数，实现输入和输出数据的重定向到内存中，利用修改后的Libjpeg库可以很好地实现在内存中直接对图像数据编、解码。

3.4 人脸识别与身份验证

本系统的特点是能实现人脸的检测识别与身份验证。系统所采用的人脸检测算法主要来源于Vioal等提出的基于AdaBoost的实时人脸检测算法，该方法能实现Harr-like特征表示图像。采用AdaBoost方法选择少量特征组成强分类器，引入“积分图”概念，提高对特征的计算速度，使用“cascade”策略，提高人脸检测速度，并通过预先建立家庭成员人脸头像库文件的方式，将识别后取得的人脸图像与库中图像匹配，以此判定身份[5]。该方法能取得较好的检测效果。

在此理论基础上，本文人脸检测算法的实现是基于OpenCV开源代码库，该库实现了图像处理和计算机视觉方面的很多通用算法。利用其开源性设计基础的数据类型和实现函数，借助交叉编译器等工具，在服务器主机端实现人脸检测及身份验证。系统人脸识别步骤如图4所示，人脸识别图像处理效果显示图如图5所示。

3.5 信号忽略机制算法

因本系统需实现远程PC端的网页观看视频功能，图像数据要以TCP/IP协议的形式在互联网中进行传输，因此需考虑多个远程PC端同时访问服务器端请求数据的情况，由此产生了如下问题：若目前有多个客户端正在访问服务器端，其中一个客户端关闭了与服务端的连接，但服务端依然试图发送图像数据给客户端（write to pipe with no readers），系统就会发出一个SIGPIPE信号，默认对SIGPIPE的处理是终止（terminate），此时即使还有别的客户端仍连接，负责发送图像数据的服务器端还是会被终止。这当然不是所想要的，因此本文采用了SIGPIPE信号忽略机制算法。

信号是UNIX/Linux进程间通信的一种标准方式，又称软中断信号（signal，简称为信号），是一种简单的通信方式，由于信号相对简单和有效而被广泛使用[6]。信号主要用来通知进程发生了异步事件。但信号只是用来通知某进程发生了什么事件，并不给该进程传递任何数据，收到信号的进程对各种信号有不同的处理方法，其中有一种处理方法是，忽略某个信号，对该信号不作任何处理，就像从未发生过一样，而进程是通过调用signal来指定进程对某个信号的处理行为。在本系统中，在建立一个socket时便设定好客户端的信号处理机制，设定为信号忽略。这种情况下，即使其中一个客户端关闭与服务器的连接，服务器端也不会终止，从而提高了系统的可靠性。

随着人民生活水平的日益提高，人们对居住生活的安全性愈加重视，家庭防盗系统的作用更加突出，克服家庭防盗系统对于机械锁的过度依赖，本系统变传统的被动式消极防盗为报警式积极防盗，提高了防盗系统的安全性。该系统使用简单，价格低，市场应用前景广阔，值得进行大量的探索和深入的研究。

参考文献

[1] 钟海涛.基站智能防盗监控系统视频智能分析技术的研究[D].北京：北京邮电大学，2011.

[2] 吴嘉彦.基于ARM的JPEG图像处理技术研究与应用[J].梧州学院学报，2010（6）：67-72.

[3] 宋乐，林玉池，吴颖，等.基于视觉传感的嵌入式自动读尺系统[J].传感器与微系统，2009（8）：86-88.

[4] 吴玉田，王瑞光，郑喜凤，等.GSM模块TC35及其应用[J].计算机测量与控制，2002（8）：557-560.

[5] 公衍宇，郭琦，于超.Android系统下OpenCV的人脸检测模块的设计[J].电子设计工程，2012（20）：52-54.

[6] 郑尚志，赵小龙，昌杰.Linux信号机制的分析与研究[J].科技资讯，2008（11）：98-100.

[7] 李明学，田由辉，张雅若.ARM平台嵌入式网络视频监控系统的实现[J].电子产品世界，2012（12）：62-64.

[8] 王桂林.监控领域背景下远距离人脸识别系统探究[J].信息通信，2012（6）：9.