基于區(qū)域跟蹤的俑體劣化圖像監(jiān)測方法

摘 要：針對秦始皇帝陵兵馬俑本體監(jiān)測需求，設計了一種區(qū)域內多特征點跟蹤的俑體劣化圖像監(jiān)測方法。該方法在俑體圖像中需要監(jiān)測的位置劃定區(qū)域并提取特征，之后通過多點匹配的方法跟蹤前后圖像同區(qū)域的位移變化，結合其多個點位變化結果，在不需要破壞文物遺存環(huán)境的情況下，可判斷俑體傾倒、剝落和裂隙變化等情況。通過其安置在俑體的傾角傳感器數(shù)據(jù)配合實驗證明：該方法操作簡單、易于實施、不破壞文物本體，適用于多種文物和復雜環(huán)境下的本體監(jiān)測。

關鍵詞：文物保護；預防性保護；圖像處理；本體監(jiān)測；彩繪陶俑；裂隙變化

中圖分類號：TP39；TN911.73 文獻標識碼：A 文章編號：2095-1302（2024）12-0-04

0 引 言

我國是歷史悠久的文明古國，約1億件（套）可移動文物主要存放于5 300余家博物館中。同時，我國又是世界上遭受地震災害最嚴重的國家之一，超過70%的國家一級、二級博物館位于7度及以上高烈度抗震設防區(qū)。將可移動文物集中到博物館保存有利于文物保護、修復和管理，但也增加了強震下批量損毀的風險，僅汶川地震就造成數(shù)以千計的國家珍貴文物損毀，對歷史的傳承造成不可逆的重大損失。

秦始皇帝陵博物院為目前中國最大的遺址博物館之一，已經(jīng)對外開放的遺址館有5處，遺址分布較廣，環(huán)境類型較全，包括遺址、普通展廳、庫房。秦始皇帝陵博物院較早使用物聯(lián)網(wǎng)進行文物保存環(huán)境監(jiān)測，自2010年開始布設監(jiān)測系統(tǒng)，建成了國內第一批博物館物聯(lián)網(wǎng)環(huán)境監(jiān)測應用示范系統(tǒng)。隨著物聯(lián)網(wǎng)技術的進步和文物預防性保護概念的建立[1-3]，經(jīng)過多年的補充完善，實現(xiàn)了博物院文物保存區(qū)域的全部覆蓋和基礎環(huán)境因子的全面監(jiān)測。對秦始皇帝陵博物院的環(huán)境監(jiān)測系統(tǒng)進行分析評價，對國內同行在該領域的應用、研究給予借鑒，以揚長避短[4]。

但是其遺址保護大廳最早建設于20世紀70年代，彼時尚無抗震規(guī)范，未進行抗震安全設計；大廳內拱圈結構頂安裝了大量非結構物件，拱圈目前服役近50年，拱腳處出現(xiàn)較大安全隱患，缺少結構檢測數(shù)據(jù)。因此在陶俑本體劣化、防震預警等方面表現(xiàn)得不盡如人意?？紤]到館藏秦兵馬俑種類繁多，存放環(huán)境復雜，特征多樣，且地震對兵馬俑的破壞作用與其材質、形體、重量、修復狀態(tài)、存放方式等密切相關，因兵馬俑外型（重心）、壁厚、修復方式等也有很大不同，以及這些文物在千百年中受到的外部侵蝕作用和材質劣化（本體劣化程度、地震易損程度千差萬別，很難用統(tǒng)一的指標量化其損傷程度），風險評估難以開展?，F(xiàn)階段，兵馬俑的動力學模擬主要集中在遺址保護大廳本身的抗震性能模擬分析，以及兵馬俑本體的有限元模擬[5]，缺少綜合考慮遺址保護大廳、土遺址和秦兵馬俑文物各自安全性及耦合動力分析模型的研究，以及基于秦兵馬俑材料特征的安全性和穩(wěn)定性指標體系的研究[6]。

隨著科技的不斷進步，計算機圖像處理技術與信息技術已經(jīng)在文物的保存、修復、數(shù)字展示等領域取得了矚目的成果，為文物保護提供了很多新的方式方法[7]。在基于圖像處理的文物本體監(jiān)測方面，文獻[8]研究了基于二維碼位置圖像識別跟蹤的文物本體裂隙監(jiān)測方法，通過固定相機拍攝附著在文物裂隙兩側的二維碼表標識，進行長期的位置跟蹤，從而監(jiān)測文物裂隙發(fā)育情況。

本文圍繞秦兵馬俑地震災害風險評估與預防，提出防震風險安全指標和保護措施，構建秦始皇帝陵遺址地震風險快速評估方法，建立可實現(xiàn)遺址地震預警的可視化在線監(jiān)測系統(tǒng)；建立基于物聯(lián)網(wǎng)的秦兵馬俑及土遺址的防震安全感知網(wǎng)絡。本文在該項目的研究過程中，以陶俑本體傾倒、裂隙發(fā)育為監(jiān)測對象，設計了一種基于區(qū)域特征點跟蹤的圖像識別方法，通過跟蹤文物本體不同部位區(qū)域的位移變化，從而監(jiān)測其病害發(fā)育情況，通過監(jiān)測報警，實現(xiàn)建立遺址地震、病害的預警系統(tǒng)。

1 方法流程

1.1 總體流程

本文利用區(qū)域跟蹤的方法對文物本體進行劣化監(jiān)測，該方法通過架設的固定攝像機定時拍攝圖像，將第一張圖像作為原始圖像，并在需要監(jiān)測的位置區(qū)域中提取SURF特征

點[9]；在后續(xù)拍攝的圖像中的相同區(qū)域提取特征點后將2幅圖像的特征點進行匹配，但為了防止文物劣化偏移導致無法跟蹤，區(qū)域將會適當放大；將匹配后的特征點進行篩選，保證特征點匹配的準確性，如果特征點匹配結果雜亂無章，無法有效篩選出有同一方向變化的多個特征點，則可判斷為該區(qū)域異常，根據(jù)監(jiān)測對象的不同，可以提醒為傾倒、表面剝落等情況；最后計算篩選后所有特征點的平均偏移量，作為該區(qū)域的變化量。劣化監(jiān)測流程如圖1所示。

1.2 圖像預處理

雖然攝像機是架設在固定位置進行定期拍攝，但攝像機有輕微的擺動或偏移時，比對采集的目標圖像與原始圖像發(fā)現(xiàn)會發(fā)生角度、裂隙等數(shù)據(jù)的變化，從而形成誤判，因此需對目標圖像進行幾何校正以避免出現(xiàn)誤差。本文利用參考圖像和目標圖像的特征點進行匹配，并用RANSAC隨機抽樣方法進行匹配對篩選，計算出體現(xiàn)兩幅圖映射關系的變換矩陣，并用該矩陣對目標圖像進行幾何校正。

1.3 區(qū)域特征點篩選及匹配

在做區(qū)域跟蹤時，本方案設計了一種基于RANSAC思想的區(qū)域匹配方法。RANSAC是一種常用的參數(shù)估計方法，全稱為Random Sample Consensus（隨機抽樣一致性）[10]。它隨機選擇數(shù)據(jù)中的一部分，然后根據(jù)這些數(shù)據(jù)擬合模型，統(tǒng)計模型與其他數(shù)據(jù)的偏差，最終篩選出符合一定閾值的數(shù)據(jù)，用于估計參數(shù)。RANSAC可以應用于很多領域，如計算機視覺、機器人和地理信息系統(tǒng)等。其優(yōu)點在于對噪聲數(shù)據(jù)和異常值有很強的魯棒性，能夠有效地估計參數(shù)。將其應用到本項目中，具體步驟如下：

（1）選取一組匹配點組（ax，ay），（bx，by），并計算其二維偏移矢量（b，a）=（bx-ax，by-ay）；

（2）遍歷其他匹配點組，計算其二維偏移矢量（b*，a*），并求（b*，a*）與（b，a）之間的幾何距離d；

（3）判斷d是否小于設定閾值D，如果小于，則表示（b*，a*）屬于本次隨機選取的數(shù)據(jù)集，并記錄數(shù)據(jù)集；

（4）計算本次隨機選取的數(shù)據(jù)集個數(shù)n在總匹配數(shù)據(jù)集中的比例t，并判斷t是否大于閾值T，其中T為設定的閾值，一般為50%～80%；

（5）如果t大于閾值T，則表示該次隨機選取的匹配點組（ax，ay），（bx，by）符合篩選條件，表示區(qū)域已經(jīng)完成匹配并且跟蹤到了原始圖像中的點位，步驟（3）中記錄的數(shù)據(jù)集為篩選后數(shù)據(jù)集，停止篩選，進行后續(xù)步驟；

（6）如果t小于閾值T，則表示該次隨機選取的匹配點不符合條件，繼續(xù)步驟（1），重新選取匹配點組。

由于本項目中采用的是不同時序圖像進行小區(qū)域的特征點提取與比對，因此本體圖像會因光照變化和晝夜明暗變化造成2幅圖像相似度降低，直接采用RANSAC匹配方法會出現(xiàn)t值過小的情況，無法匹配。

本方案基于上述問題，為保證區(qū)域匹配的連續(xù)性、穩(wěn)定性和誤差控制等同時滿足，修改了篩選步驟，不同之處在于如果沒有任何一組特征點匹配對的t值能夠滿足閾值T時，則選取含有最大t值的匹配對，計算t值乘以匹配對總數(shù)的值，及符合誤差條件的匹配對數(shù)量n，如果n大于閾值N（本方案中設定N=5），則說明區(qū)域之間匹配，并以這n條匹配的特征點之間的偏移量平均值作為區(qū)域變化的偏移量。特征點篩選流程如圖2所示。

1.4 計算區(qū)域偏移量

由于本項目應用環(huán)境為半開放環(huán)境中的長時間在線監(jiān)測，因此區(qū)域特征點會在幾百到幾千張照片中匹配跟蹤，如果在第一張原始圖像中選定一個特征點作為后續(xù)跟蹤和匹配的目標，但后續(xù)隨著光線和明暗等變化該特征點可能無法在特征點篩選后保留，從而造成該時間點拍攝的圖像無法跟蹤，出現(xiàn)數(shù)據(jù)丟失不整齊的情況，導致后續(xù)研究人員利用本體數(shù)據(jù)進行分析時無法與環(huán)境信息有利結合，成為無效數(shù)據(jù)。

基于上述問題，本項目采用區(qū)域跟蹤法，即劃定跟蹤區(qū)域后，不選定特定的特征點進行跟蹤，而是特征點匹配并完成篩選后，選擇所有篩選后的數(shù)據(jù)的平均偏移量作為該區(qū)域的偏移量，并以區(qū)域的幾何中心作為標識點進行圖像表示。

1.5 文物劣化判斷方法

當完成上述特征點篩選步驟后，會出現(xiàn)2種情況：

第一種為完成匹配并計算出該區(qū)域的偏移量。本方法利用偏移量可對傾斜、裂隙發(fā)育等多種場景下的文物本體傾斜進行監(jiān)測。當發(fā)現(xiàn)多個區(qū)域都發(fā)生偏移時，首先記錄所有特征點的水平偏移量和豎向偏移量的平均值，由于匹配特征點為通過偏移量擬合篩選過后的組合，所以無需進行擬合；利用RANSAC擬合方法計算傾斜角度，即隨機選取2組匹配的特征點組，分別算出同一圖像中2點的直線及2幅圖像中直線的夾角α，隨后繼續(xù)選取其他2組匹配的特征點組同樣進行夾角α1～αN的計算，如果|α-αN|小于閾值的數(shù)量大于一定比例，則將α定為此次計算的變化角度。

第二種為無法匹配的情況。排除設備變動、大型地質災害、遮擋等情況后，當監(jiān)測目標為裂隙、劣化發(fā)育時，該情況可視為剝落和空鼓等病害的出現(xiàn)；當監(jiān)測目標為本體傾斜發(fā)育時，該情況可視為文物傾倒、碎裂等情況。

2 實驗分析

2.1 研究目標及概況

本項目在秦始皇帝陵博物館已經(jīng)開始使用，監(jiān)測本體為秦始皇帝陵兵馬俑，監(jiān)測內容為俑體傾斜和剝落。本方案首先選取一款無線攝像頭，固定在距離兵馬俑3 m的位置，因其傾斜主要為兵馬俑面部方向變化，因此架設在其面部朝向斜45°方向；攝像頭分辨率為500萬像素，拍攝周期為每8個小時拍攝一副圖像，內置無線網(wǎng)卡并通過FTP上傳至服務器；攝像頭配備內置電池，在8小時拍攝周期的情況下，能夠正常使用2年以上，便于進行長期監(jiān)測；該攝像頭防護等級為IP67，確保其在露天環(huán)境下持續(xù)穩(wěn)定地長期工作。

通過攝像頭獲取的圖像，以第一張圖像為原始圖像，在圖像里的俑體上選取多個矩形區(qū)域，由于俑體以碎片形式拼接而成，因此在選擇一個俑體的監(jiān)測區(qū)域時，可根據(jù)專家意見，將單獨的碎片作為一個監(jiān)測區(qū)域，在碎片圖像內部選擇矩形區(qū)域，并記錄左上角和右下角坐標。在所有區(qū)域分別提取特征點并保存，以便后續(xù)匹配計算，如圖3所示。

標記點設置了5處，分別為俑體頭部、上臂、下臂、軀干和小腿，由于距離較遠，無法監(jiān)測其裂隙發(fā)育變化，本項目監(jiān)測參數(shù)為俑體傾倒數(shù)據(jù)。

本項目不僅通過圖像監(jiān)測文物本體情況，還在俑體肩膀上方安置了傾角傳感器，如圖4所示，本文選擇傾角傳感器數(shù)據(jù)作為本文方法的驗證數(shù)據(jù)。

2.2 實驗結果

在選定俑體后，本文選取2023年3月6日至2023年10月6日的監(jiān)測結果，如圖5所示，其中圖5（a）為本文方法監(jiān)測數(shù)據(jù)，圖5（b）為傾角監(jiān)測傳感器獲取的監(jiān)測數(shù)據(jù)。

從監(jiān)測結果可以看出，角度出現(xiàn)了0.01°的變動，其應為本文方案和傾角傳感器中的誤差浮動，說明目前俑體穩(wěn)定性良好，沒有傾倒的風險。同時通過2組數(shù)據(jù)的比較，說明本方案在無損本體監(jiān)測的應用上有較好的效果。

3 結 語

本文以陶俑本體傾倒為監(jiān)測對象，設計了一種基于區(qū)域特征點跟蹤的圖像識別方法，通過跟蹤文物本體不同部位區(qū)域的位移變化，利用區(qū)域跟蹤判定結果，分析其裂隙、傾倒和剝落等情況；同時基于傳感器和實時監(jiān)測預警系統(tǒng)，初步實現(xiàn)了對遺址地地震、病害等情況的預警。

本文所提出的基于區(qū)域特征點跟蹤的圖像識別方法的不足之處在于，當出現(xiàn)地震、人為移動等情況后，設備無法精確歸位，即無法保證攝像機歸位后的位置精度。雖然通過幾何校正的方法進行了圖像預處理，但無法消除誤差。另外，俑體表面由于沒有色彩紋理，因此特征點的提取較為困難，如果監(jiān)測區(qū)域較小而且攝像機位置較遠，可能無法提取足夠的特征點。后續(xù)研究將致力于探索如何使監(jiān)測方法更加智能化、多維化、穩(wěn)定化。

注：本文通訊作者為李張翼。

參考文獻

[1]鄧宏.無線傳感網(wǎng)絡技術在文化遺產保護領域的應用[J].文物保護與考古科學，2011，23（3）：60-65．

[2]吳來明，徐方圓，黃河.博物館環(huán)境監(jiān)控及相關物聯(lián)網(wǎng)技術應用需求分析[J].文物保護與考古科學，2011，23（3）：96-102．

[3]高杰.淺談文物的賦存環(huán)境及其預防性保護問題[J]. 文物鑒定與鑒賞，2021，3（10）：82-84.

[4]李華.物聯(lián)網(wǎng)技術在秦始皇帝陵博物院環(huán)境監(jiān)測中的應用[J].文物保護與考古科學，2020，32（4）：110-116.

[5]高建民，劉生培.秦俑模型的參數(shù)修正[J].振動與沖擊，1995（4）：25-28.

[6]馬伯濤，宋毛毛，吳來明，等.《館藏文物防震規(guī)范》關鍵技術—防震安全設計研究[J].文物保護與考古科學，2016，28（2）：1-6.

[7]李紅蕾.計算機圖形圖像處理技術在文物保護領域的應用分析[J].計算機產品與流通，2019（12）：9.

[8]丁飛，楊雙國.圖像處理技術在文物本體裂隙監(jiān)測中的應用[J].電子技術與軟件工程，2020（11）：149-151.

[9] BAY H， TUYTELAARS T， GOOL L V. SURF： Speeded up robust features [C]// Proceedings of the 9th European Conference on Computer Vision-Volume Part I. [S.l.]： Springer-Verlag， 2006.

[10] FISCHLER M A， BOLLES R C. Random sample consensus： a paradigm for model fitting with applications to image analysis and automated cartography [J]. Communications of the ACM， 1981， 24（6）： 381-395.

基金項目：陜西省重點研發(fā)計劃：陜西省重點產業(yè)創(chuàng)新鏈（群）—社會發(fā)展領域項目（2021ZDLSF06-02）

作者簡介：劉永波（1984—），男，工程師，研究方向為物聯(lián)網(wǎng)技術、文物科技保護。

李張翼（1989—），男，碩士，工程師，研究方向為人工智能、圖像處理、文物科技保護。