基于圖像處理的運(yùn)動(dòng)目標(biāo)跟蹤算法研究

張萌 黃珍

摘 要：本文應(yīng)用高斯混合背景模型，通過(guò)運(yùn)動(dòng)目標(biāo)檢測(cè)算法根據(jù)背景動(dòng)態(tài)自適應(yīng)調(diào)整匹配目標(biāo)顏色特征，對(duì)監(jiān)控場(chǎng)景中出現(xiàn)的背景運(yùn)動(dòng)分開等問(wèn)題進(jìn)行建模與運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤處理，提高目標(biāo)關(guān)聯(lián)算法的實(shí)時(shí)性和準(zhǔn)確率。

關(guān)鍵詞：多攝像機(jī)；無(wú)重疊視野域；目標(biāo)跟蹤；目標(biāo)匹配

近年來(lái)，圖像處理技術(shù)及各種傳感器技術(shù)的快速發(fā)展，智能監(jiān)控在我國(guó)大多數(shù)城市社區(qū)、大型公共場(chǎng)所及重要設(shè)施獲得了廣泛應(yīng)用。本文提出了一種新的目標(biāo)關(guān)聯(lián)算法，實(shí)現(xiàn)沒有重疊的視界，具有較強(qiáng)的實(shí)用性。

1 研究基礎(chǔ)

1.1運(yùn)動(dòng)目標(biāo)檢測(cè)方法

運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要有幀差法、背景差分法和光流法。

幀差法的基本思想是相鄰的兩個(gè)或多個(gè)視頻圖像幀做減法。幀差法原理簡(jiǎn)單，易于編程，一般將其應(yīng)用于具有靜態(tài)背景的監(jiān)控環(huán)境中。幀差法前景圖像如果出現(xiàn)了明顯的空洞和斷裂，將對(duì)目標(biāo)的檢測(cè)和后續(xù)的分類識(shí)別工作將會(huì)帶來(lái)困難。

背景差分法的基本思想是對(duì)當(dāng)前幀圖像和參考背景圖像進(jìn)行微分運(yùn)算，然后設(shè)置一定的閾值來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。簡(jiǎn)單的兩幀差分法容易在目標(biāo)內(nèi)產(chǎn)生空洞現(xiàn)象，幀間差分會(huì)產(chǎn)生明顯的背景輪廓。

光流法是一種基于光流特征的目標(biāo)檢測(cè)方法，不利于高速運(yùn)動(dòng)目標(biāo)圖像信息的實(shí)時(shí)處理。光流法對(duì)圖像中的每個(gè)像素轉(zhuǎn)換為靜態(tài)背景，再用傳統(tǒng)的目標(biāo)檢測(cè)方法進(jìn)行檢測(cè)，有效地解決了相同顏色干擾的問(wèn)題。光流法對(duì)于突然停止運(yùn)動(dòng)的目標(biāo)很難檢測(cè)出來(lái)。

1.2目標(biāo)跟蹤技術(shù)

在改進(jìn)基礎(chǔ)上改善TLD（Tracking Learning Detection）目標(biāo)跟蹤方法，可實(shí)現(xiàn)在復(fù)雜環(huán)境下對(duì)地面目標(biāo)的長(zhǎng)時(shí)間跟蹤。通過(guò)利用相似度函數(shù)計(jì)算目標(biāo)模板與候選區(qū)域的相似性，將學(xué)習(xí)的結(jié)果作為下一幀的分類器，可以設(shè)計(jì)高效的多通道視頻目標(biāo)跟蹤系統(tǒng)。

1.3多攝像機(jī)目標(biāo)跟蹤技術(shù)

（1）目標(biāo)匹配

目標(biāo)匹配是相機(jī)目標(biāo)跟蹤的關(guān)鍵技術(shù)，依靠全局特征在某些情況下可能無(wú)法完成對(duì)目標(biāo)的準(zhǔn)確識(shí)別，必須使用智能運(yùn)動(dòng)目標(biāo)跟蹤算法，才可以實(shí)現(xiàn)不重疊攝像機(jī)連續(xù)匹配的目標(biāo)跟蹤。

（2）拓?fù)潢P(guān)系估計(jì)

自動(dòng)攝像機(jī)之間的拓?fù)潢P(guān)系是視頻監(jiān)控和跟蹤的重要內(nèi)容之一。在視頻監(jiān)控系統(tǒng)中，監(jiān)督學(xué)習(xí)和監(jiān)控系統(tǒng)一般適用于小的，只有少量的訓(xùn)練目標(biāo)。無(wú)監(jiān)督學(xué)習(xí)方法是對(duì)獲得的拓?fù)潢P(guān)系的自動(dòng)監(jiān)控，更適合于更大的多攝像頭視頻監(jiān)控系統(tǒng)。通過(guò)無(wú)監(jiān)督與監(jiān)督學(xué)習(xí)，對(duì)攝像機(jī)的拓樸關(guān)系進(jìn)行自動(dòng)估計(jì)。

（3）數(shù)據(jù)關(guān)聯(lián)方法

為了得到一個(gè)更精確的跟蹤效果，非重疊的相機(jī)連續(xù)跟蹤算法較多，需要對(duì)攝像機(jī)拓?fù)渑c目標(biāo)表達(dá)模型匹配算法整合。需要在分析目標(biāo)匹配算法與攝像機(jī)拓?fù)浜螅M(jìn)行點(diǎn)特征和區(qū)域特征的融合，將目標(biāo)運(yùn)動(dòng)形狀和相機(jī)等信息數(shù)據(jù)的拓?fù)潢P(guān)系協(xié)同，從而實(shí)現(xiàn)在整個(gè)監(jiān)測(cè)區(qū)域連續(xù)跟蹤目標(biāo)。

2 基于背景差法的雙向匹配多目標(biāo)跟蹤算法

2.1背景差法運(yùn)動(dòng)檢測(cè)

（1）背景模型初始化

該算法在背景模型建立時(shí)，只使用第一個(gè)信息框。在初始化過(guò)程中，使用第一幀圖像作為背景模型，對(duì)下一幀中的目標(biāo)位置進(jìn)行預(yù)測(cè)，在第一幀中為每個(gè)像素建立高斯模型，對(duì)圖像進(jìn)行不同尺度的高斯模糊。建模過(guò)程如下：設(shè)I1（X.Y）為第一幀圖像上（X.Y）處的像素點(diǎn)，當(dāng)像素為移動(dòng)目標(biāo)時(shí)，為像素點(diǎn)建立一個(gè)新的單高斯模型，以取代原像素中權(quán)重最小的單高斯模型。

（2）模型學(xué)習(xí)匹配

假設(shè)已經(jīng)為背景圖像的每一個(gè)像素建立K個(gè)高斯模型。首先提取目標(biāo)區(qū)域的特點(diǎn)，確定區(qū)域特征。當(dāng)目標(biāo)顏色塊符合顏色特征時(shí)，可以利用色塊之間的空間位置來(lái)改進(jìn)整體模型的匹配。

（3）背景模型的更新

對(duì)于實(shí)際的場(chǎng)景，背景是一個(gè)實(shí)時(shí)動(dòng)態(tài)變化，所以移動(dòng)物體檢測(cè)時(shí)需要更新背景模型。背景模型容易受到噪聲和前景誤差識(shí)別等外部因素的干擾。

2.2基于顏色分布熵的目標(biāo)匹配方法

（1）HSV顏色空間的量化

圖像中有數(shù)千種顏色，可以通過(guò)顏色直接檢測(cè)和分割對(duì)象。HSV（Hue，Saturation， Value）空間模型更適合于人的視覺感知及其亮度和色度特征。兩個(gè)HSV顏色的相似性取決于它們的HSV顏色空間距離。

（2）基于顏色分布熵的特征提取

顏色背景模型是通過(guò)回顧圖像中每個(gè)像素的像素值進(jìn)行建模。將目標(biāo)HSV顏色空間與RGB顏色空間相匹配，清晰地展示圖像中顏色的構(gòu)成分布。在原有顏色特征的基礎(chǔ)上，增加圖像空間結(jié)構(gòu)信息，使每個(gè)像素根據(jù)其空間分布提供目標(biāo)顏色特征信息。

（3）基于顏色特征的表現(xiàn)模型

如何在相機(jī)上找到目標(biāo)形狀，是解決目標(biāo)跟蹤的一個(gè)重要問(wèn)題。如果場(chǎng)景中存在多個(gè)攝像頭，攝像機(jī)需要提取不同顏色特征下的目標(biāo)。

3 系統(tǒng)總體設(shè)計(jì)及模擬實(shí)現(xiàn)

3.1系統(tǒng)應(yīng)用場(chǎng)景

在實(shí)際應(yīng)用場(chǎng)景中，需要在多目標(biāo)跟蹤系統(tǒng)中建立多通道視頻平臺(tái)。本文采用三個(gè)固定角度的鏡頭，通過(guò)相機(jī)1-3，場(chǎng)景中的目標(biāo)運(yùn)動(dòng)被描述為多個(gè)目標(biāo)。

3.2系統(tǒng)實(shí)現(xiàn)功能

（1）圖像采集

本文采用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法與其他三種算法相比能更好地檢測(cè)目標(biāo)，目標(biāo)的檢測(cè)的前景相對(duì)完整，背景干擾較少。本文設(shè)計(jì)了OpenCV（Open Source Computer Vision Library）多攝像機(jī)目標(biāo)跟蹤系統(tǒng)，利用OpenCV的顏色轉(zhuǎn)換函數(shù)將其轉(zhuǎn)換為RGB色彩空間，便于后續(xù)移動(dòng)目標(biāo)的檢測(cè)和跟蹤。

（2）目標(biāo)跟蹤

移動(dòng)目標(biāo)跟蹤可以實(shí)現(xiàn)連續(xù)視頻圖像幀檢測(cè)，對(duì)視頻圖像序列中運(yùn)動(dòng)目標(biāo)實(shí)現(xiàn)跟蹤。合理地設(shè)置相機(jī)的位置，直到兩個(gè)模型之間的距離函數(shù)最小為止。

3.3系統(tǒng)總體設(shè)計(jì)實(shí)現(xiàn)方案

（1）系統(tǒng)總體結(jié)構(gòu)

基于以上系統(tǒng)應(yīng)用場(chǎng)景，本文在目標(biāo)跟蹤算法的基礎(chǔ)上加入特征點(diǎn)的判斷機(jī)制，采用正負(fù)樣本集組成訓(xùn)練集合進(jìn)行監(jiān)督訓(xùn)練。在每一幀圖像中進(jìn)行不同尺度的窗口掃描來(lái)確認(rèn)目標(biāo)的位置，樣本數(shù)量隨著目標(biāo)狀態(tài)的變化不斷更新，保證了特征匹配的隨機(jī)性和完整性。

（2）系統(tǒng)硬件選型

圖像信號(hào)質(zhì)量將影響整個(gè)系統(tǒng)，攝像機(jī)是系統(tǒng)的最前端裝置。本文選擇索尼CCD相機(jī)，支持最大分辨率712 x 582，紅外夜視和支持。圖像采集卡完成圖像采集與數(shù)字化，本文選擇DH - VT142采集卡。

（3）系統(tǒng)設(shè)計(jì)方案

系統(tǒng)硬件平臺(tái)由相機(jī)、傳輸線路、圖像采集卡、中心服務(wù)器共同構(gòu)成。圖像采集卡需要負(fù)責(zé)多通道圖像信號(hào)處理和分析。系統(tǒng)的軟件平臺(tái)主要由中心服務(wù)器實(shí)現(xiàn)，服務(wù)器使用 Linux 操作系統(tǒng)作為 Open CV 庫(kù)運(yùn)行的軟件環(huán)境，增加目標(biāo)的相應(yīng)的攝像機(jī)ID和目標(biāo)信息。如果一個(gè)相機(jī)在系統(tǒng)中存在感興趣的目標(biāo)，可以用鼠標(biāo)選擇目標(biāo)，然后攝像機(jī)初始化，并記錄目標(biāo)數(shù)據(jù)表示格式。由于在戶外使用模擬攝像頭，需要考慮風(fēng)或固定搖搖晃晃的屏幕抖動(dòng)等因素。

3.4系統(tǒng)實(shí)現(xiàn)驗(yàn)證

（1）圖像采集

多通道視頻目標(biāo)跟蹤系統(tǒng)是一個(gè)連接攝像頭的圖像采集系統(tǒng)。將攝像機(jī)采集到的圖像直接送給中心服務(wù)器進(jìn)行處理。用戶可以設(shè)置視頻區(qū)域來(lái)實(shí)時(shí)采集參數(shù)，可以選擇目標(biāo)，將對(duì)識(shí)別到的目標(biāo)進(jìn)行實(shí)時(shí)跟蹤。

（2）目標(biāo)跟蹤實(shí)現(xiàn)

本文在固定場(chǎng)景中驗(yàn)證了系統(tǒng)設(shè)計(jì)的可行性。平臺(tái)也能夠勝任后期的實(shí)時(shí)圖像處理要求。在三個(gè)運(yùn)動(dòng)目標(biāo)的跟蹤過(guò)程中，通過(guò)中心服務(wù)器上的程序進(jìn)行目標(biāo)識(shí)別與跟蹤。結(jié)果顯示，跟蹤算法對(duì)運(yùn)動(dòng)目標(biāo)跟蹤效果良好，無(wú)論使用一個(gè)攝像機(jī)跟蹤還是三個(gè)攝像頭連續(xù)跟蹤，系統(tǒng)依然可以穩(wěn)定地定位到目標(biāo)。

4 研究結(jié)論

移動(dòng)目標(biāo)自動(dòng)跟蹤檢測(cè)和識(shí)別，以及基于計(jì)算機(jī)視覺和運(yùn)動(dòng)行為分析的智能視頻監(jiān)控應(yīng)用越來(lái)越廣泛。本文的研究成果應(yīng)用于實(shí)際場(chǎng)景中，可以減少了閉路電視攝像頭的數(shù)量，節(jié)省成本，因此在監(jiān)測(cè)領(lǐng)域有著巨大的市場(chǎng)前景。

參考文獻(xiàn)：

[1]左軍毅，梁彥，潘泉，趙春暉，張洪才.基于多個(gè)顏色分布模型的Camshaft跟蹤算法[J].自動(dòng)化學(xué)報(bào).2015（07）