基于DM642目標(biāo)跟蹤與目標(biāo)統(tǒng)計(jì)的實(shí)現(xiàn)

李 坤，李 榕，林樹濤

(華南師范大學(xué)物理與電信工程學(xué)院，廣東廣州510006)

視頻監(jiān)控中目標(biāo)跟蹤［1］與統(tǒng)計(jì)是機(jī)器視覺、圖像處理、模式識別領(lǐng)域中的熱點(diǎn)問題．智能監(jiān)控系統(tǒng)被廣泛應(yīng)用于目標(biāo)的檢測、跟蹤以及統(tǒng)計(jì)［2］．邱宇等［3］運(yùn)用背景差分法和目標(biāo)匹配跟蹤法對行人動態(tài)檢測和統(tǒng)計(jì)．MASOUD等［4］基于灰度圖像運(yùn)用擴(kuò)展的卡爾曼濾波器實(shí)現(xiàn)了對行人跟蹤和統(tǒng)計(jì)．LIU等［5］提出一種虛擬門方法，對行人進(jìn)行檢測和計(jì)數(shù)．ZHANG等［6］提出了彩色圖像的行人跟蹤計(jì)數(shù)算法，有效地解決了目標(biāo)物被遮擋的問題．

本文對高位靜止攝像頭的視頻圖像進(jìn)行采集和濾波，應(yīng)用自適應(yīng)背景差分［7］與幀間差分相結(jié)合的綜合算法，對目標(biāo)進(jìn)行高精度檢測［8］，采用形態(tài)學(xué)處理進(jìn)一步去噪，運(yùn)用多點(diǎn)定位跟蹤算法對特定區(qū)域的人體目標(biāo)進(jìn)行識別與統(tǒng)計(jì)．

1 系統(tǒng)原理

系統(tǒng)結(jié)構(gòu)框圖所示(圖1)，當(dāng)系統(tǒng)加電初始化后，將FLASH中的數(shù)據(jù)與程序加載到SDRAM中，通過CCD攝像機(jī)捕捉視頻序列，TVP5150BS解碼器將模擬視頻信號轉(zhuǎn)換為數(shù)字視頻信號，經(jīng)DSP處理之后，傳送到SAA7121H編碼器進(jìn)行編碼，輸出至LCD顯示．

根據(jù)數(shù)據(jù)流的走向及處理過程(圖2)，攝像頭獲取的圖像序列經(jīng)中值濾波去噪后，程序?qū)σ曨l中的目標(biāo)進(jìn)行檢測并更新背景，如果目標(biāo)存在，則跟蹤，并提取目標(biāo)的特征量，識別出行人與物體;如果行人進(jìn)入特定區(qū)域，對目標(biāo)進(jìn)行統(tǒng)計(jì);如果物體進(jìn)入特定區(qū)域，則不統(tǒng)計(jì)，最終實(shí)現(xiàn)目標(biāo)的跟蹤與統(tǒng)計(jì)功能．

圖1 系統(tǒng)結(jié)構(gòu)框圖Figure 1 System structure diagram

圖2 算法流程圖Figure 2 Algorithm diagram

2 目標(biāo)的處理

2．1 圖像的預(yù)處理

圖像采集在圖像傳感器、傳輸信道和解碼處理等環(huán)節(jié)易產(chǎn)生椒鹽噪聲，使圖像數(shù)據(jù)的質(zhì)量和精度降低．因此采用中值濾波算法進(jìn)行去噪預(yù)處理．

中值濾波法是一種非線性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值．

常規(guī)窗口尺寸有3×3、5×5等．考慮到圖像的清晰度以及運(yùn)算量，選用3×3的窗口做預(yù)處理．

2．2 目標(biāo)的檢測

采用背景差分與幀間差分相結(jié)合的目標(biāo)檢測算法，形成互補(bǔ)，既能減小光線變化等環(huán)境因素帶來的影響，又能檢測視頻中靜止的非背景目標(biāo)，提高實(shí)時(shí)數(shù)據(jù)處理的精確度．

采用自適應(yīng)背景差分算法，使運(yùn)動區(qū)域的背景保持不變，而非運(yùn)動區(qū)域的背景則用當(dāng)前幀數(shù)據(jù)進(jìn)行更新，經(jīng)過迭代便可提取背景．定義如下:

對BW進(jìn)行判斷，如果BW(x，y)=1，則保持原背景;如果BW(x，y)=0，則更新背景．?為背景更新速度，其大小取決于幀間光照變化量．經(jīng)過迭代求得背景 B(x，y)．

2．3 形態(tài)學(xué)處理

目標(biāo)檢測算法雖然能有效減少環(huán)境的影響，但仍然存在小部分干擾和噪聲．為了更好地提取運(yùn)動目標(biāo)，避免背景被誤認(rèn)為前景，對提取的目標(biāo)物進(jìn)行腐蝕、膨脹、開運(yùn)算和閉運(yùn)算等形態(tài)學(xué)處理．

腐蝕可消除邊界點(diǎn)，使邊界向內(nèi)收縮，以消除小且無意義的物體，A被B腐蝕定義為:

膨脹是將邊界處的背景點(diǎn)并入物體中，使邊界向外部擴(kuò)張，以填補(bǔ)物體中的空洞，A被B膨脹定義為:

對二值化圖像首先進(jìn)行開運(yùn)算，以去除目標(biāo)區(qū)域以外因小物體抖動或光線變化引起的小顆粒噪聲;然后進(jìn)行閉運(yùn)算，對易出現(xiàn)斷層位置(如頭和脖子相連處、膝蓋骨處等)的小面積缺口進(jìn)行修復(fù)，使目標(biāo)的二值化圖像具有連貫性，目標(biāo)圖像更清晰，目標(biāo)特征值的提取更準(zhǔn)確．

2．4 目標(biāo)的跟蹤與統(tǒng)計(jì)

采用多點(diǎn)定位跟蹤算法計(jì)算目標(biāo)的上、下、左、右4個(gè)坐標(biāo)，并在每幀圖像中繪出目標(biāo)的跟蹤框．當(dāng)目標(biāo)靜止后，采用背景差分算法檢測目標(biāo)，實(shí)施有效地跟蹤．

預(yù)先設(shè)定一矩形區(qū)域，結(jié)合攝像頭的角度，提取目標(biāo)物的高寬比、面積、質(zhì)心等特征量，識別行人與物體，并對行人進(jìn)行跟蹤與統(tǒng)計(jì)．

3 結(jié)果與分析

采用TMS320DM642作為系統(tǒng)的主處理芯片，時(shí)鐘最高為700 MHz，8個(gè)并行運(yùn)算單元處理能力為5 760 MIPS(兆指令/秒)．平臺支持4路PAL/NTSC標(biāo)準(zhǔn)模擬視頻輸入(CVBS或Y/C可選)和1路PAL/NTSC標(biāo)準(zhǔn)模擬視頻輸出(CVBS+Y/C)．

在TMS320DM642平臺上對同一背景下運(yùn)動目標(biāo)的圖像進(jìn)行分析(圖3)．在經(jīng)形態(tài)學(xué)處理的運(yùn)動目標(biāo)二值化圖像(圖3A)中，由于干擾引起目標(biāo)物周圍出現(xiàn)了較多小亮點(diǎn)．經(jīng)過形態(tài)學(xué)處理后這些小亮點(diǎn)基本消失(圖3B)，使目標(biāo)的提取更加精準(zhǔn)．

圖3 形態(tài)學(xué)處理前后的效果圖Figure 3 The images of object before(A)and after(B)morphology processing

當(dāng)運(yùn)動目標(biāo)停止并靜止3 s，仍能保持跟蹤，而未丟失(圖4)．

圖4 目標(biāo)靜止3 s后的跟蹤Figure 4 Target tracking after stopping for 3 s

圖5中豎線右側(cè)為預(yù)先設(shè)定的區(qū)域．對進(jìn)入視頻的目標(biāo)進(jìn)行識別、跟蹤和計(jì)數(shù)．如果目標(biāo)為行人且進(jìn)入特定區(qū)域后，人流量(圖5中左上角顯示)計(jì)數(shù)加1．如果目標(biāo)是物體，則不作統(tǒng)計(jì)．

利用實(shí)驗(yàn)場景對系統(tǒng)進(jìn)行測試(表1)．上午的光線明亮，光照柔和，檢測效果最好，準(zhǔn)確率為95．0%．在中午太陽光直射和墻面反射引起不同位置的光線強(qiáng)度差異性較大，檢測效果最差，準(zhǔn)確率為84．6%．在午后光線暗，不同位置的光線強(qiáng)度差異性較小，所以準(zhǔn)確率(88．9%)高于中午．

圖5 特定區(qū)域的跟蹤和計(jì)數(shù)Figure 5 Specific area tracking and counting

表1 目標(biāo)跟蹤的準(zhǔn)確率分時(shí)段統(tǒng)計(jì)結(jié)果Table 1 Statistics results of target tracking accuracy in different time periods

4 結(jié)語

針對單目標(biāo)跟蹤與統(tǒng)計(jì)，采用了背景差分與幀間差分相結(jié)合的檢測算法，以減少光線對圖像的影響，避免了跟蹤目標(biāo)靜止時(shí)的丟失現(xiàn)象，提高了目標(biāo)跟蹤與統(tǒng)計(jì)的準(zhǔn)確率．運(yùn)用多點(diǎn)定位跟蹤算法，對提取的特征量進(jìn)行判斷，有效識別人與物體，并對特定區(qū)域進(jìn)行人數(shù)統(tǒng)計(jì)．實(shí)驗(yàn)表明，該系統(tǒng)適應(yīng)性強(qiáng)，準(zhǔn)確率高，對于單目標(biāo)的統(tǒng)計(jì)有很好的效果．本系統(tǒng)尚未對行人重疊或分開進(jìn)行處理，此類問題將是后續(xù)研究的重點(diǎn)．

［1］田茜，何鑫．基于DSP/FPGA的嵌入式實(shí)時(shí)目標(biāo)跟蹤系統(tǒng)［J］．計(jì)算機(jī)工程，2005，31(15):219-221．

［2］YILMAZ A，JAVED O，SHAH M．Object Tracking:A Survey［J］．ACM Computing Surveys，2006，38(4):45-50．

［3］邱宇，黃山，魏宇．視頻監(jiān)控中的行人檢測與計(jì)數(shù)［J］．微計(jì)算機(jī)信息，2010，26(10-1):187-188．

［4］MASOUD O，PAPANIKOLOPOULOS N P．A Novel Method for Tracking and Counting Pedestrains in Real-Time Using a Single Camera［J］．IEEE Transactions On Vehicular Technology，2001，50(5):1267-1278．

［5］LIU X，TU P H．Detecting and counting people in surveillance applications［C］∥Advanced Video and Signal Based on Surveillance，IEEE Conference on Advanced Video and Signal Based on Surveillance，2005:360-311．

［6］ZHANG EW，CHEN F．A Fastand robustpeople counting method in video surveillance［C］∥ Computational Intelligence and Security，2007 International Conference on Computational Intelligence and Security，2007:339-343．

［7］FANG S，XUE F Z，XU X H．Moving object detection based on self-adaptive background modeling［J］．J Syst Simulation，2005，17(1):159-165．

［8］CUCCHIARA R，GRANA C，PICCARDIM，et al．Detectingmoving objects，ghosts and shadows in video streams［J］．IEEE Trans．on Pattern Analysis＆ Machine Intelligence(S0018-9340)，2003，25(10):1337-1342．