基于GIS的交通物流预警图像传输优化

潘翔

(1.广西经济管理干部学院;2.广西卡西亚科技有限公司，广西南宁530007)

0 引言

物联网是智慧物流应用技术的热点之一，他结合了北斗卫星导航、GPS与地理信息系统(Geographic Information System，GIS)位置信息服务、移动互联网传输等技术。交通物流预警图像是物联网技术特色应用与交通物流服务形态的延伸，对运输过程中的物品进行实时图像监测与分析，对物品状态异常情况及时发出预警，并标出位置信息，实现交通物流全过程的可视化控制。GIS位置服务和具有短报文通讯能力的北斗卫星导航系统，尤其适用于无电信信号特殊的地区和应急物流运输，使交通物流预警机制更加具有可控制行为［1］。

基于GIS位置服务的交通物流预警图像传输优化，主要针对物流过程的智能控制、物流环节过程的可视化控制，实现交通物流在复杂环境下流程再造，并提供实时决策参考。可视化预警信息包含了交通物流过程图像、拍摄时间、位置信息，以及图像的色彩、饱和度、状态变化、位移信息等，结合位置信息与GIS信息判断出实时物流状态［2］，使物流监测系统与人员看到实时状态并及时采取应对措施。因此，为了让系统能够准确及时地预警，对图像压缩处理与传输性能优化提出了很高要求。图像优化主要是图像压缩、去除冗余图像和失真处理等过程，从减少数据量的方面提高传输效率。

1 交通物流GIS位置服务与预警图像处理框架

可视化交通物流GIS位置服务(Location Based Services，LBS)，是与北斗卫星导航、GPS、GIS、移动通信网络、视频传感器结合在一起的一种具有智能决策信息的新一代物联网服务，通过定位技术获得交通物流移动终端的预警图像，并从中读取经纬度坐标数据、图像色彩、状态变化等信息，实现各种概念较为宽泛的与空间位置有关的新型服务业务。预警图像可作为交通物流可视化档案，当需要时，可以通过专用的可视化GIS预警系统还原交通物流状态与监测场景。在交通物流GIS位置服务领域中，预警图像监测是移动互联等技术相集成的产物，它的核心技术包括了北斗卫星导航、GPS定位技术、GPRS通讯技术及GIS空间数据等软件技术，主要是通过在真实交通物流场景中有机地融合图像、文字注释等虚拟信息，增强用户与智能系统对真实环境的感知，实现人与真实环境的智能交互。要实现这些智能信息的交互，对交通物流移动监测设备的图像传输就有了一定的要求，必须处理各种运动、光照度不同的图像失真，以及图像冗余、压缩等。预警图像优化与GIS处理过程包括采集定位、图像读取与地图展现等，整体框架如图1所示。

图1 预警图像传输优化框架

交通物流移动采集终端设备首先在嵌入式系统中按预定的目标状态发起信息请求，启动视频传感器进行图像的采集，然后在嵌入式系统中进行图像压缩、运动检测、失真处理等优化处理，通过GPRS网络把数据传输到后台交通物流系统。移动终端提供图像地理信息和属性数据的表示，以事件和行为触发的模式给智能系统和用户提供GIS功能的选择，后台智能系统接收数据端进行图像预处理、分析和存储以及根据请求或约定的方式提供业务服务操作数据，最后根据自己的业务逻辑进行处理和界面呈现［3］。

2 位置服务与图像优化实现

2.1 预警图像信息与GIS位置服务

物流运输过程中移动采集终端设备的摄像机传感器与北斗卫星导航芯片或GPS芯片协同工作，在图像拍摄过程中写入Exif(Exchangeable Image File，可交换图像文件)信息。Exif是一种JPEG图像数据存储文件格式，在JPEG格式头部插入了预警图像拍摄时的北斗卫星/GPS定位坐标、光圈、快门、焦距、ISO、白平衡、时间，以及实时运输物流状态光线度、色彩编码、图像信噪变化等。这些图像信息都将是交通物流智能管理系统中预警的主要组成部分，通过数据信息编码与GIS基础平台的融合，以一种可视化的预警信息呈现于系统中。

图像与GIS位置信息的结合还可以用于监测物品在运输途中是否发生位移，此时采用的是相对位置判断［4］。这部分的工作过程可以在视频传感器与嵌入式系统中设置电子围栏，并配合卫星定位数据与图像信息一起回传到车载控制中心，并在GIS地图上进行位置标注。

2.2 图像传输优化

对物流运输的实时监测最关键的是将采集到的图像和位置信息及时准确地传输到控制中心，否则将失去对现场状况的把握，耽误处理异常的最佳时期。因此，要进行合理化数据格式设计与选择合适的图像压缩、运动检测和失真处理机制，确保图像快速准确地传输到交通物流智能系统。

2.2.1 图像数据设计

根据待传输的数据特点设计数据帧格式如下:计数(1 B)、长度(1 B)、校验码(1 B)、图像和位置数据(≤80 B)。其中计数为图像分组序号，长度是计数和图像位置数据的总长度，校验码用于检查图像传输过程中是否出错。传输节点按顺序发送图像和位置的数据帧，发送成功则计数自动加1，否则重新发送。接收端收到数据后首先用校验码进行检验，若发现数据错误则及时发送带有计数的命令，要求重发该帧，否则存入临时数组。节点端在规定时间内(发送延时)没有收到重发命令，则继续发送下一帧。接收端收到最后一帧正确数据后，发送接收完成应答，并将数组中存放的数据生成完整的图像文件。

图像原始数据的优化也能大幅提升传输效率，但监测系统采集到的图像和位置数据最大的特点是采集时间密集，数据量大，而且并不是所有的图像和位置数据都是有效的，其中还包含了大量的重复和冗余。为了避免发送重复冗余数据，采用图像压缩和运动检测的方法，在传输之前初步地对原始数据进行筛选和压缩。接收到图像后再使用失真处理恢复图像中的有用信息。

2.2.2 图像采集和压缩

实验系统采用HQ7620摄像头模块作为图像监测和采集工具。这是Omnivision公司生产的CMOS图像传感器，其核心芯片是OV7620，数据格式包括YUV、YCrCb和RGB三种，满足一般应用需求。

为了提高传输效率，需要将得到的图像先进行压缩处理。系统采用哈夫曼编码进行图像压缩，根据数据出现的频率构造哈夫曼树，得到一种变长的编码［5］。解码时，每次从码流中读取前N位，只要最前面的码字长度不大于N，则读入的数据就能进行解码。为了一次性进行解码，需要建立一组查找表［6］，长度为2N，输入为读取的N位信息，输出为解码结果。

2.2.3 运动检测算法

考虑到在很短时间内采集到的图像是序列图像，且有可能所监控的物品并未发生特殊状况，即图像之间没有差异。为了节省存储空间，同时提高传输效率，可以采取运动检测的办法，将相同的图像序列进行处理:一个序列仅保留一幅图像。系统采用差值法对序列图像的运动目标进行检测。该算法简单有效，能将图像中的运动目标从背景中分割出来。换言之，若未检测到运动目标，说明图像相同，可以进行剔除操作。

运动图像检测采用帧间差分算法［7］，视频采集到的序列图像首先转换为灰度图像，求出相邻两张图像在同一个位置(以坐标点为参照依据)的像素灰度之差，与事先设定好的阀值进行对比，若大于阀值，则可以判断该像素点是运动点。其中阀值是通过大量实验分析所选定的一个较合理的取值，能够最大程度区别出运动点与静态点。算法公式如下:

其中，Δt是相邻两张图像帧的获取时间间隔，f(x，y，t)和f(x，y，t-Δt)是对应图像的灰度图表示函数;Td为阀值，求出两幅灰度图差值并取绝对值，与阀值进行比较。大于阀值则表明该像素是运动点，将对应像素灰度值设为1，否则为静态点，将其灰度值设置为0。经过反复实验，阀值设置为20能够明显将运动区域与静态区域区分开。考虑到两帧图像在序列中所占比例过小，实验采用对称差分的手段，如首先计算第一帧与第二帧的灰度差，再计算第二帧与第三帧的灰度差，分别取绝对值。

经过与阀值的对照处理后，得到的两幅图像即是像素点为0或1的二值化图像，将对应像素进行“与”运算，得到最终的二值化图像。分析运动区域的面积大小，若面积太小(小于某个阀值)，则可以忽略不计，重新将该区域的灰度设置为0。处理完毕，可以得到运动区域。

2.2.4 失真处理

在无线传输过程中有可能会存在一定的失真，因此要利用图像修复算法来处理失真的图像。本文主要采用纹理合成的方法来进行图像修复［8］。首先选择含有纹理信息的待修复块，然后在有效信息区域内按某一原则选取最佳匹配块，将其复制到待修复块上，如此反复直到修补完成。流程如下:

(1)确定修复块的优先权P(p)

C(p)为匹配块Ψp的置信度，D(p)为待修复目标点p处等照度线强度函数。

(2)确定最佳匹配块

在未失真的区域搜索最佳匹配块，满足

其中d(Ψp，Ψq)是Ψp和Ψq对应点RGB值的方差之和。

(3)信息填充。将最佳匹配块的像素逐个复制到优先权最高的待修补块中。

(4)更新置信度。及时将被修复区域内各点的置信度更新。

(5)重复步骤(1)，直到修补结束。

2.3 GIS预警图像监测实现

在交通物流智能系统中，系统的GIS模块与GIS引擎相连接，通过程序提取经由GPRS或北斗短报文传输回来的预警图像中的Exif信息，并与GIS空间数据库进行信息交互，形成文本信息和基于GIS的可视化预警信息。可视化GIS预警信息的设计屏蔽了系统访问的复杂性，主要是为LBS应用提供特定的业务如地图查询、路径搜索、位置检索、地图匹配和为移动终端生成地图等功能。在GIS预警图像监测实现中，定位目标是让LBS满足独立于具体的底层定位技术，并不依赖第三方提供的接口来从终端获取位置数据。通过GPRS或北斗短报文传输回来的预警数据是经过哈夫曼编码进行图像压缩、运动检测算法处理冗余、纹理合成的方法来进行失真修复的图像数据，不但保证了图像数据的有效性，也保障了网络传输的可靠性，实现了预警图像传输优化。

预警图像在交通物流智能系统中，不但能做到可视化的实时预警信息提示，还可以用图像作为路线监测与导航式监测回放。

3 系统测试

在系统仿真实验中，采用多系统多频率高性能SoC芯片—NebulasTM，内嵌式CPU，算法功能一体化，实现单芯片自主定位。集成北斗1基带和北斗2/GPS基带，具有北斗1短报文收发和北斗2/GPS定位功能，选取20个点的坐标数据进行matlab仿真，种群数量为50，计算100代。结果如图2所示。

图2 系统仿真情况

此外，运用仿真工具NS2来模拟GPRS网络的传输性能，实验时间是900 s，在节点9到节点17之间建立一条CBR流，设置包大小为85 B，每秒发送5个包。共需要4跳到达目的节点，测得的包交付率为97.88%，平均端到端时延为0.026 s。结果表明，该GPRS网络可以进行可靠的信息传输。

设置若干实验进行图像的实际采集与传输测试，每秒种截取1幅图像，按照5 s一个序列的最小单位进行图像采集，经过处理与传输优化后测试传输时间。所得优化前与优化后的各项数据如表1所示。

表1 图像压缩与传输优化实验数据对比

经过压缩后的图像大小为320×240，分辨率为96 DPI。将视频传感器和接收端的通信波特率设为不同的值，通过改变GPRS节点的发送延时来观察哪一项对传输速率影响最大。实验表明，发送延时对传输速率影响较大。因为采用分组传输，在传输途中和接收过程都需要时间，GPRS节点不能连续向网络发出数据，而要延迟一段时间等待接收端顺利接收数据。经过反复实验，当发送延时大于或等于20 ms时，图像和位置数据能保证较稳定地传输到接收端。经优化后的图像压缩率为74.91%，传输优化率达到75.35%，达到实时监测需求。

4 结语

交通物流智能系统中结合GIS位置服务信息监测运输物品的图像，实现了物流物联网的智能管理并把预警信息发展为可控制行为。传输网络与技术体系中运用了我国先进的北斗卫星导航定位技术，推动了现代物流技术向安全化与自主化网络建设方向发展，使物流运输的动态可视化管理、物流过程的实时控制和流程再造成为可能。在智能系统框架中优化了图像传输机制，采用运动检测算法剔除重复冗余图像数据，图像压缩和失真处理技术确保了数据的有效性，取得了良好的传输性能与效果。下一步将研究物品状态建模、图像分析、预警和应急决策机制的实现，以进一步推动物流物联网技术的发展。

［1］ 林兴志.基于物联网的物流托盘联营统一信息系统分析［J］.科技管理研究，2011(7):198-201.

［2］ Pandey A，Chowdary V M，Mal B C，et al.Remote sensing and GIS for identification of suitable sites for soil and water conservation structures［J］.Land Degradation＆Development，2011，22(3):359-372.

［3］ Randima Fernando.GPU Gems:Programming Techniques，Tips and Tricks for Real-Time Graphics［M］//Michael Bunnell.Shadow Map Antialiasing.Hong Kong:Pearson Education Asia Limited，2009:126-131.

［4］ 宋志强，周献中，王雷，等.基于ZigBee的无线图像传输的研究［J］.计算机应用与软件，2012，29(7):1-2，5.

［5］ 王防修，周康.通过哈夫曼编码实现文件的压缩与解压［J］.武汉工业学院学报，2008，27(4):46-49.

［6］ 程小雄.基于ZigBee网络的非实时图像采集［J］.实验室研究与探索，2009，28(12):81-84.

［7］ 潘翔.学习情景中序列图像的人脸检测与表情特征提取的研究［D］.北京:首都师范大学信息工程学院，2009.

［8］ 张开风.基于Zigbee的无线传感器网络图像采集系统的设计［D］.合肥:安徽大学电子信息工程学院，2011.