基于專家知識的CamShift移動目標(biāo)跟蹤方法研究

米湯 袁杰

摘 要： 針對僅采用CamShift算法對目標(biāo)快速移動或者受到遮擋物干擾導(dǎo)致目標(biāo)跟蹤失敗的問題，提出一種專家知識的CamShift移動目標(biāo)跟蹤算法。構(gòu)建硬件平臺以及基于程序編寫算法設(shè)計方法，同時采用專家知識對移動機(jī)器人的運(yùn)動參數(shù)進(jìn)行控制決策。分別在移動目標(biāo)部分被遮擋及存在外界環(huán)境干擾時，該方法均能夠?qū)崿F(xiàn)可靠及高效跟蹤效果。通過試驗(yàn)，基于專家知識的CamShift算法移動目標(biāo)跟蹤方法對運(yùn)動目標(biāo)部分遮擋、目標(biāo)再現(xiàn)具有更強(qiáng)的魯棒性。

關(guān)鍵詞： 移動機(jī)器人； 目標(biāo)跟蹤； CamShift算法； 專家知識； 程序編寫； 硬件平臺

中圖分類號： TN820.4?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）22?0009?05

Abstract： As the CamShift algorithm has the problem of target tracking failure caused by the fast moving of the target or occlusion interference， an expert knowledge based CamShift algorithm is proposed for moving target tracking. The hardware platform is established， and the algorithm design method based on programming is compiled. The control decision for motion parameters of the mobile robot is made based on expert knowledge. A reliable and high effective tracking effect can be realized by the method in both of the cases that the moving target is partially occluded and there exists ambient interference. The test results show that the moving target tracking method using expert knowledge based CamShift algorithm has strong robustness for reemerging or partially occluded moving targets.

Keywords： mobile robot； target tracking； CamShift algorithm； expert knowledge； programming； hardware platform

移動目標(biāo)跟蹤技術(shù)[1]被廣泛應(yīng)用于圖像處理、模式識別、智能視頻監(jiān)控、自動控制及計算機(jī)等諸多領(lǐng)域。Mean?Shift算法[2]具有無需參數(shù)、快速模式匹配的特性，由Comaniciu等學(xué)者引入到目標(biāo)跟蹤領(lǐng)域[3]并廣泛應(yīng)用。通過改進(jìn)的快速高斯變換對多維圖像來提高M(jìn)ean?Shift算法的速度；文獻(xiàn)[4]針對尺度空間的Mean?Shift算法實(shí)現(xiàn)了核函數(shù)寬帶實(shí)時變化時對目標(biāo)跟蹤，有良好的效果。但是針對這兩種算法都缺乏一定的模型更新，當(dāng)移動目標(biāo)有一定量尺度變化時，會導(dǎo)致對目標(biāo)跟蹤失效。為了解決上述問題，提出CamShift算法[5]，其是采用一種基于視頻圖像中移動物體的顏色核的目標(biāo)特征來達(dá)到目標(biāo)跟蹤的目的，以顏色直方圖為目標(biāo)特征，結(jié)合Mean?Shift算法，有效地利用梯度方向特征來減少特征匹配時間，從而實(shí)現(xiàn)快速目標(biāo)定位[6]。針對復(fù)雜的背景環(huán)境，結(jié)合專家知識[7]的CamShift算法可以很好地實(shí)現(xiàn)目標(biāo)跟蹤效果，實(shí)時性高，并通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證。

1 Mean?Shift算法

Mean?Shift算法是指一個迭代計算均值漂移的步驟，通過計算出第一個點(diǎn)的均值漂移，并以此值為漂移的起點(diǎn)，計算出下一點(diǎn)的均值漂移，以此類推直到滿足所要求的停止條件，利用顏色核為直方圖作為移動目標(biāo)特征的描述，采用Bhattacharyya系數(shù)作為相似性度量標(biāo)準(zhǔn)。目標(biāo)跟蹤定位算法[8]過程如下：

4） 重復(fù)式（6）的計算，直到[y1-y<ξ]，[ξ]為預(yù)設(shè)大于0的正數(shù)，最后得到在當(dāng)前幀的目標(biāo)位置。

針對圖像分割的問題，Comaniciu提出Mean?Shift算法用于發(fā)現(xiàn)空間和顏色交接點(diǎn)的簇[l，u，v，x，y]。其中[l，u，v]表示顏色，[x，y]表示空間位置。Mean?Shift算法的矢量迭代計算值到簇中心位置不再改變。在Mean?Shift算法迭代過程中，部分簇可能會產(chǎn)生合并現(xiàn)象。圖1a）為Mean?Shift算法分割前圖像。初始化時，在視頻窗口觸摸運(yùn)動目標(biāo)，可通過封閉的輪廓演變成目標(biāo)邊界，將輪廓緊緊包圍目標(biāo)區(qū)域，從而可以獲得目標(biāo)分割作用，如圖1b）所示。

2 CamShift算法

CamShift算法是一種對Mean?Shift算法的一個改進(jìn)，其優(yōu)點(diǎn)是當(dāng)目標(biāo)大小發(fā)生變化時，CamShift算法還可以繼續(xù)跟蹤目標(biāo)，而傳統(tǒng)的Mean?Shift算法幾乎做不到這點(diǎn)。CamShift算法利用目標(biāo)的顏色直方圖作為特征，在視頻圖像中找到運(yùn)動目標(biāo)所在的位置和大小，在下一幀視頻圖像中，用移動目標(biāo)當(dāng)前的位置和大小來初始化搜索窗口，重復(fù)以上過程就可以實(shí)現(xiàn)對目標(biāo)的連續(xù)跟蹤。

5） 判斷搜索窗口中心位置與移動目標(biāo)質(zhì)心位置相匹配是否收斂，若否，返回步驟4）繼續(xù)計算搜索窗口中心位置，直至收斂；若是，則得到目標(biāo)圖像當(dāng)前幀中的位置和大小，返回步驟1），重新獲取下一幀的圖像，并利用當(dāng)前所得的目標(biāo)位置和大小轉(zhuǎn)到步驟3），在新的圖像幀中再次進(jìn)行搜索。

3 專家知識

3.1 產(chǎn)生式規(guī)則知識表達(dá)

結(jié)合移動機(jī)器人所處的環(huán)境，輸入量為移動機(jī)器人距離移動目標(biāo)的距離信息，輸出量為移動機(jī)器人行走的角速度和線速度。根據(jù)移動目標(biāo)位置，可分為左，中，右3個方位，根據(jù)移動目標(biāo)的距離遠(yuǎn)近將移動目標(biāo)方位DireObjective的論域劃分為{LJ，LZ，LY，CJ，CZ，CY，RJ，RZ，RY，N}。其中：L，C，R分別表示左、中、右；N表示沒有移動目標(biāo)，取模糊論域?yàn)閇-20，20]。將輸出變量移動機(jī)器人的線速度V論域劃分為{LV，MV，HV，NV}。其中：L，M，H分別表示低速、中速、高速；NV表示停止運(yùn)行，數(shù)值范圍為[0，1]。將輸出變量機(jī)器人角速度Angle論域劃分為{LBAngle，LZAngle，CAngle，RZAngle，RBAngle，NAngle }分別表示為左轉(zhuǎn)大角度、左轉(zhuǎn)小角度、不旋轉(zhuǎn)角度、右轉(zhuǎn)小角度、右轉(zhuǎn)大角度、無轉(zhuǎn)角、數(shù)值范圍為[0°，180°]。

3.2 根據(jù)專家知識實(shí)踐獲取部分規(guī)則

對人工駕駛的實(shí)踐經(jīng)驗(yàn)和專家知識規(guī)則的理論知識進(jìn)行總結(jié)，得到移動機(jī)器人控制的4條基本思想規(guī)則：

1） IF移動目標(biāo)左偏，移動機(jī)器人角速度逆時針；

2） IF移動目標(biāo)右偏，移動機(jī)器人角速度順時針；

3） IF移動目標(biāo)較遠(yuǎn)，移動機(jī)器人速度快；

4） IF移動目標(biāo)較近，移動機(jī)器人速度慢。

移動機(jī)器人具體的左轉(zhuǎn)、右轉(zhuǎn)，速度快、速度慢，由CamShift算法得到的移動目標(biāo)位置信息決定。以下只列出部分制定的規(guī)則，如表1所示。

4 實(shí)驗(yàn)過程與分析

4.1 構(gòu)建移動機(jī)器人平臺

實(shí)驗(yàn)平臺的硬件由Andriod手機(jī)（APP）、藍(lán)牙模塊、Arduino控制板、直流電機(jī)驅(qū)動模塊、電源模塊組成，系統(tǒng)框圖如圖2所示。

Arduino控制板的主控制器采用ARRR芯片，其接口電路圖如圖3所示。

其中，藍(lán)牙模塊采用HC?05，其TX引腳與主控制器的RX引腳（0引腳）相連。Andriod控制版將Andriod手機(jī)（APP）采集的運(yùn)動目標(biāo)在視頻窗口中x和y坐標(biāo)的信息通過藍(lán)牙模塊傳輸?shù)街骺刂破髦?。獲知追蹤目標(biāo)的方位信息后，通過專家知識制定控制策略，由主控制器3，4，6，7引腳給直流電機(jī)驅(qū)動模塊5，7，10，12輸入引腳相應(yīng)的高低電平信號，再由直流電機(jī)驅(qū)動模塊2，3，13，14輸出引腳控制直流電機(jī)的運(yùn)動和停止，主控制器的10，11引腳輸入角速度和線速度（PWM信號）給直流電機(jī)驅(qū)動模塊6，1輸入引腳調(diào)節(jié)移動機(jī)器人的轉(zhuǎn)角和速度。Andriod手機(jī)（APP）部分程序如圖4所示。

4.2 實(shí)驗(yàn)跟蹤過程與分析

為了驗(yàn)證算法的實(shí)時性，本文實(shí)驗(yàn)使用網(wǎng)球進(jìn)行跟蹤試驗(yàn)。初始跟蹤時，需要對移動目標(biāo)進(jìn)行手動選擇，則相應(yīng)的移動目標(biāo)實(shí)時位置信息如圖5所示。運(yùn)動目標(biāo)在無障礙情況下，采用Mean?Shift算法、CamShift算法以及基于專家知識的CamShift算法都可以實(shí)現(xiàn)很好的跟蹤效果。

當(dāng)目標(biāo)移動過快或者受到嚴(yán)重遮擋時，如圖6a）中第47幀所示。若采用Mean?Shift算法、CamShift算法跟蹤目標(biāo)容易丟失，而基于專家知識的CamShift算法通過專家知識制定的控制策略，如表1中第1條規(guī)則針對第47幀這種情況輸出高的線速度和左轉(zhuǎn)大角速度使移動目標(biāo)始終在視頻圖像搜索窗口的范圍內(nèi)，從而得到移動機(jī)器人始終跟隨移動目標(biāo)。

當(dāng)移動目標(biāo)消失視頻窗口以外，如圖6b）中第92幀所示，若采用Mean?Shift算法、CamShift算法以及基于專家知識的CamShift算法結(jié)果都是跟蹤失敗，但是基于專家知識的CamShift算法則記錄最后一次消失點(diǎn)那一時刻幀的圖像，并將此幀圖像作為CamShift算法的輸入，等待目標(biāo)再次出現(xiàn)在視頻窗口中，根據(jù)專家知識制定的控制規(guī)則使移動機(jī)器人繼續(xù)跟蹤運(yùn)動目標(biāo)。如圖6c）中105，113，127，142幀所示，得到很好的跟蹤效果。

實(shí)驗(yàn)驗(yàn)證了對快速移動或者受到部分遮擋干擾時，通過CamShift算法得到移動目標(biāo)的運(yùn)行狀態(tài)和當(dāng)前時刻目標(biāo)方位，結(jié)合專家知識制定的控制規(guī)則對移動目標(biāo)能夠進(jìn)行有效的跟蹤。

5 結(jié) 語

CamShift算法在復(fù)雜的背景下對移動目標(biāo)進(jìn)行實(shí)時跟蹤，由Andriod手機(jī)視頻圖像搜索窗口得到移動目標(biāo)位置信息，通過藍(lán)牙模塊將移動目標(biāo)在視頻窗口x和y的坐標(biāo)實(shí)時數(shù)據(jù)傳輸?shù)紸rduino主控制器中，由專家知識控制規(guī)則控制移動機(jī)器人運(yùn)動和轉(zhuǎn)動，以實(shí)現(xiàn)移動目標(biāo)始終在視頻圖像搜索窗口內(nèi)，保證運(yùn)動目標(biāo)在運(yùn)動過程中的一致性和連續(xù)性。同時采用基于程序編寫算法，有效地克服外界環(huán)境的干擾，提高了運(yùn)動目標(biāo)跟蹤的可靠性。在一些干擾目標(biāo)和部分遮擋的情況下可以實(shí)現(xiàn)對移動目標(biāo)進(jìn)行實(shí)時跟蹤。

本文采用基于CamShift算法對移動目標(biāo)的實(shí)時追蹤。當(dāng)目標(biāo)處于全部遮擋的情況下，移動機(jī)器人沒有采集到運(yùn)動目標(biāo)的信號，從而等待目標(biāo)出現(xiàn)。在實(shí)際問題中多數(shù)不一定會再次出現(xiàn)移動機(jī)器人的視頻窗口，因此下一步需要對算法進(jìn)行進(jìn)一步的優(yōu)化設(shè)計，將對運(yùn)動目標(biāo)的軌跡進(jìn)行預(yù)測。

參考文獻(xiàn)

[1] WU Dapeng， CHENG Weiping， YU Shenglin. Camshift object tracking algorithm based on inter?frame difference and motion prediction [J]. Opto?electronic engineering， 2010， 37（1）： 55?60.

[2] WU Yanhai， XIE Xiamin， HAN Zishuo. Research on target tracking algorithm based on particle filter and mean?shift [J]. Applied mechanics & materials， 2013， 457?458： 1050?1053.

[3] KARASULU B， KORUKOGLU S. Moving object detection and tracking in videos [M]. New York： Springer， 2013： 7?30.

[4] 王麗佳，賈松敏，王爽，等.采用改進(jìn)Mean Shift算法的移動機(jī)器人行人跟蹤[J].光學(xué)精密工程，2013，21（9）：2364?2370.

WANG Lijia， JIA Songmin， WANG Shuang， et al. Person tracking of mobile robot using improved Mean Shift [J]. Optics and precision engineering， 2013，21（9）： 2364?2370.

[5] 張麗媛，梁鳳梅.改進(jìn)的Camshift目標(biāo)跟蹤算法的研究[J].科學(xué)技術(shù)與工程，2014，14（13）：231?235.

ZHANG Liyuan， LIANG Fengmei. The research of improved Camshift object tracking algorithm [J]. Science technology and engineering， 2014， 14（13）： 231?235.

[6] 曹義親，程威，黃曉生.關(guān)于視頻圖像運(yùn)動目標(biāo)跟蹤識別仿真研究[J].計算機(jī)仿真，2017，34（1）：191?196.

CAO Yiqin， CHENG Wei， HUANG Xiaosheng. Simulation research on tracking and recognition of moving objects in video images [J]. Computer simulation，2017， 34（1）： 191?196.

[7] MALYUK A， MILOSLAVSKAYA N. Information security and expert′s knowledge autoformalization [J]. Procedia computer science， 2016， 88： 288?293.

[8] 梁超，史東承.基于運(yùn)動估計的CamShift移動目標(biāo)跟蹤算法[J].吉林大學(xué)學(xué)報（工學(xué)版），2013，43（z1）：169?172.

LIANG Chao， SHI Dongcheng. An CamShift moving target tracking algorithm based on motion estimation [J]. Journal of Jilin University （Engineering and technology edition）， 2013，43（S1）： 169?172.

[9] 劉士榮，孫凱，張波濤，等.基于改進(jìn)CamShift算法的移動機(jī)器人運(yùn)動目標(biāo)跟蹤[J].華中科技大學(xué)學(xué)報（自然科學(xué)版），2011，39（z2）：223?226.

LIU Shirong， SUN Kai， ZHANG Botao，et al. Mobile robot moving object tracking based on modified Camshift algorithm [J]. Journal of Huazhong University of Science and Technology （Natural science）， 2011， 39（S2）： 223?226.

[10] 侯明正，馮子亮，劉艷麗，等.光照變動條件下基于圖切割算法的運(yùn)動目標(biāo)跟蹤[J].光電子·激光，2012，23（5）：986?992.

HOU Mingzheng， FENG Ziliang， LIU Yanli， et al. Moving target tracking based on image cutting under illumination?variant condition [J]. Journal of optoelectronics·laser， 2012， 23（5）： 986?992.

[11] 商臨峰，邢科義，甘友誼.信標(biāo)模式機(jī)動目標(biāo)跟蹤數(shù)據(jù)實(shí)實(shí)時時處理[J].控制理論與應(yīng)用，2012，29（1）：59?63.

SHANG Linfeng， XING Keyi， GAN Youyi. Real?time processing of tracking data of maneuvering target in beacon?mode [J]. Control theory & applications， 2012， 29（1）： 59?63.