基于視頻的內(nèi)河船舶檢測與跟蹤方法研究

江晗

【摘要】為了準(zhǔn)確檢測出內(nèi)河中的運(yùn)動船舶并實時跟蹤船舶，提出了一種改進(jìn)的Vibe算法和Camshift算法組合的多目標(biāo)跟蹤方法。首先，通過Vibe算法得到運(yùn)動的前景目標(biāo)，再運(yùn)用圖像形態(tài)學(xué)處理和連通域標(biāo)記進(jìn)行多目標(biāo)分離，準(zhǔn)確地提取各目標(biāo)區(qū)域，最后利用Camshift算法跟蹤多個目標(biāo)船舶。采用了一種基于鄰域背景區(qū)域直方圖與前景區(qū)域直方圖匹配程度的決策方式來解決Vibe算法中的鬼影問題。實驗結(jié)果表明，改進(jìn)后的算法在運(yùn)動目標(biāo)檢測的準(zhǔn)確率和識別率上均有所提高，且組合算法對多目標(biāo)跟蹤的運(yùn)算速度較快、效率較高。

【關(guān)鍵詞】Vibe算法 船舶檢測Camshift算法 多目標(biāo)跟蹤Opencv

0引言

內(nèi)河航運(yùn)在我國經(jīng)濟(jì)中扮演著極其重要的角色，它具有輸送量大、成本低、排污小、耗能省等優(yōu)點，是一種較為環(huán)保的運(yùn)輸方式，在運(yùn)輸大規(guī)模貨物上有著無與倫比的作用。內(nèi)河水域航道窄、彎道多、支流多，內(nèi)河船舶船型雜亂、船載設(shè)備設(shè)施參差不齊，為在這些復(fù)雜環(huán)境下提高內(nèi)河航道的監(jiān)管效率，高度整合水文氣象、全球定位系統(tǒng)（ Global Positioning System，GPS）、船舶自動識別系統(tǒng)（Automatic Identification System.AIS）、電子江圖、管道閉路電視系統(tǒng)（Closed Circuit Television，CCTV）、雷達(dá)、船舶業(yè)務(wù)等信息系統(tǒng)，已成為內(nèi)河航道監(jiān)管的發(fā)展趨勢。而CCTV系統(tǒng)作為航道監(jiān)管的關(guān)鍵部分，如何從繁雜的視頻中獲取盡可能多的有用信息提高水上交通安全監(jiān)管的工作效率，實現(xiàn)航道監(jiān)控、船舶檢測、船舶實時跟蹤等目的成為研究熱點。基于內(nèi)河航道船舶監(jiān)控視頻的多目標(biāo)檢測和跟蹤的主要問題是來自于復(fù)雜背景的干擾、天氣變化、目標(biāo)外觀變化和光照強(qiáng)度等問題。

對視頻中的內(nèi)河船舶進(jìn)行檢測和跟蹤主要分為運(yùn)動目標(biāo)檢測和跟蹤檢測出的目標(biāo)兩個部分。運(yùn)動目標(biāo)檢測目前國內(nèi)外常用的算法有光流法、背景差分法和幀間差分法。其中光流法的計算量較大，易受光照變化影響，不適用于實時監(jiān)控系統(tǒng)，幀間差分法雖然計算量小、原理簡單，但是檢測到的目標(biāo)不完整，所以本文采用的是由Olivier Bamich和Marc Van Droogenbroeck提出的可視化背景提取（Visual Background Extractor）算法，即Vibe算法。Vibe算法用鄰域像素來建立背景模型，再經(jīng)過比較當(dāng)前輸入像素值和背景模型來得到運(yùn)動前景。初始化只需要一幀，且樣本的更新是隨機(jī)替換的，能確保樣本值在一個周期內(nèi)平滑的指數(shù)衰減，從而會增強(qiáng)背景模型對視頻場景變化的適應(yīng)性，將會使檢測效果更好。但該算法還有一些待改進(jìn)的地方，如鬼影問題。為了從Vibe算法檢測出的目標(biāo)中找到鬼影區(qū)域，文中采用了一種根據(jù)鄰域背景區(qū)域直方圖與前景區(qū)域直方圖匹配程度來決策的方式，確定鬼影區(qū)域，消除鬼影。

現(xiàn)在常用的目標(biāo)跟蹤算法有基于Camshift算法的跟蹤、基于Kalman濾波的跟蹤、基于粒子濾波的跟蹤等。其中在Meanshift算法基礎(chǔ)上改進(jìn)的Camshift目標(biāo)跟蹤算法能夠適應(yīng)目標(biāo)的大小變化來自動調(diào)節(jié)搜索窗口大小，且魯棒性好、計算簡單，十分適合實時跟蹤。

1、Vibe算法的改進(jìn)方法

Vibe算法的背景建模方法會出現(xiàn)鬼影問題。如圖1所示，因為Vibe算法是初始背景模型是利用視頻的初始幀來建立的，則當(dāng)?shù)谝粠瑘D像中含有運(yùn)動目標(biāo)的情形下（如圖1（a）所示），就會產(chǎn)生鬼影，如圖1（c）所示。出現(xiàn)鬼影的原因主要有兩種：（1）原本靜止的目標(biāo)狀態(tài)轉(zhuǎn)變?yōu)檫\(yùn)動，背景變化的速率和背景模型的更新速率達(dá)不到同步，就會產(chǎn)生鬼影;（2）運(yùn)動目標(biāo)存在于背景模型的第一幀中。 為了解決和改善前景中的鬼影問題，接下來對Vibe算法進(jìn)行了改進(jìn)。如圖2所示：

如圖2（b）所示，用A代表含有運(yùn)動目標(biāo)的最小外接矩形區(qū)域，用Af代表Vibe檢測到的目標(biāo)，用Ab代表矩形框內(nèi)的背景區(qū)域，則Ab=A-Ai。

算出Af的直方圖Hf和Ab的直方圖Hb，對比Hf和Ab這兩個直方圖的匹配度，若該區(qū)域是運(yùn)動目標(biāo)，由于Af和Ab的顏色排列差別很大，所以Hf和Hb匹配度低;如果該區(qū)域是鬼影，則Af和Ab的顏色排列相接近，Hf和Hb的匹配度高。

即鬼影判別標(biāo)準(zhǔn)如下：

其中Dist（Hf，Hb）代表相鄰背景與前景的直方圖匹配度，T代表閾值。運(yùn)動目標(biāo)的前景與背景的顏色直方圖差別較大，由此可以鑒別出運(yùn)動目標(biāo)和鬼影。

2、運(yùn)動目標(biāo)檢測與跟蹤算法

首先對改進(jìn)后的Vibe算法檢測到的前景目標(biāo)進(jìn)行去噪、形態(tài)學(xué)處理，提取連通分量和區(qū)域填充，獲得較為完整的跟蹤目標(biāo)。然后再用Camshift算法對提取到的前景目標(biāo)進(jìn)行跟蹤，運(yùn)動目標(biāo)跟蹤流程如圖3所示。

3、實驗結(jié)果及分析

本文算法的實驗發(fā)平臺是Qt5.7.O+VS2015，同時還結(jié)合了Opencv3.1提供的庫函數(shù)。

為了驗證Vibe算法改進(jìn)后的運(yùn)動目標(biāo)檢測效果，本文分別對Vibe算法和改進(jìn)后的Vibe算法進(jìn)行了實驗。

如圖4（a）所示，視頻的第一幀圖像就存在運(yùn)動船舶，即背景模型的初始幀存在運(yùn)動目標(biāo)，如圖4（c）所示，當(dāng)視頻運(yùn)行到第274幀，采用原來Vibe算法，檢測到的前景目標(biāo)產(chǎn)生了鬼影。而如圖4（d）所示，采用改進(jìn)后的Vibe算法，得到的運(yùn)動目標(biāo)檢測結(jié)果中，成功的去除了原來的鬼影。

為了驗證本文跟蹤算法的性能，下面用本文的目標(biāo)跟蹤算法分別對單運(yùn)動目標(biāo)跟蹤（圖5）和多運(yùn)動目標(biāo)跟蹤（圖6）進(jìn)行實驗。

采用本文的檢測和跟蹤方法，進(jìn)行多組實驗，統(tǒng)計實驗結(jié)果并整理實驗數(shù)據(jù)后，可知單目標(biāo)跟蹤比多目標(biāo)跟蹤的準(zhǔn)確度要高，之所以有這樣的結(jié)果，主要是因為在多目標(biāo)跟蹤的過程中運(yùn)動目標(biāo)會相互遮擋。

本文算法雖然在單目標(biāo)跟蹤上準(zhǔn)確度較好，多目標(biāo)跟蹤上略差一些，但是算法的處理速度很快，跟蹤速率平均為0.120s/幀，能滿足實時跟蹤的需求。

4、結(jié)語

提出了一種改進(jìn)的Vibe算法和Camshift算法組合的多目標(biāo)跟蹤方法。采用了一種基于鄰域背景區(qū)域直方圖與前景區(qū)域直方圖匹配程度來決策的方式對Vibe算法進(jìn)行了改進(jìn)，且與Camshift算法結(jié)合的目標(biāo)跟蹤算法魯棒性高，運(yùn)算簡單。實驗結(jié)果表明，改進(jìn)的Vibe算法在運(yùn)動船舶檢測的準(zhǔn)確性上得到了提高，而且目標(biāo)跟蹤的運(yùn)算效率較高能滿足實時跟蹤的要求。而如何提高多目標(biāo)跟蹤的準(zhǔn)確率，解決多目標(biāo)跟蹤中運(yùn)動目標(biāo)相互遮擋的問題，是下一步繼續(xù)研究的方向。

參考文獻(xiàn)：

[1]楊光偉，肖廣貞.水上交通智能管理系統(tǒng)在內(nèi)河海事的應(yīng)用[A].中國航海學(xué)會內(nèi)河海事專業(yè)委員會、武漢內(nèi)河交通安全法規(guī)研究所.中國航海學(xué)會2014年海事管理學(xué)術(shù)年會優(yōu)秀論文集[C]，中國航海學(xué)會內(nèi)河海事專業(yè)委員會、武漢內(nèi)河交通安全法規(guī)研究所：，2014：6.

[2]Wei p，Lu X，TangT，et al.A highway vehicledetectionmethod based on the improvedvisual background extractor[C].InternationalConferem：e on hzzy SystenIs and XnofvledgeDiscovery.IEEE，2018（1）：1519-1524.