基于OpenCV的運動目標檢測跟蹤實驗平臺

1、基于OpenCV的運動目標檢測跟蹤實驗平臺王力超，陳熙，陸起涌(復旦大學電子工程系，上海 200433)摘 要：運動目標的檢測跟蹤在機器人視覺、監(jiān)控測量和視頻壓縮編碼等等方面有著廣泛的應用，是近年來的一個研究熱點。本文設計了一個基于OpenCV軟件的運動目標檢測跟蹤實驗平臺，對攝像頭視野中的運動目標進行實時檢測和跟蹤，并留下編程和硬件接口，為利用運動目標跟蹤而進行機器人視覺和基于計算機視覺的測量監(jiān)控研究打下基礎。關鍵詞：目標跟蹤；OpenCV；實驗平臺；編程接口中圖分類號：TP391.41 文獻標識碼：A 1 引言目前，數字圖像處理在國民生產中起到日益重要的作用，對其的研究也日益廣泛和深入。O

2、penCV程序庫作為數字圖像研究的軟件助手，具有簡單易用、功能強大、移植方便等優(yōu)越性能。本實驗設計了一個基于OpenCV的運動目標檢測跟蹤實驗平臺，對從攝像頭采集來的圖像數據進行實時的分析，從而實現(xiàn)對運動物體的檢測與跟蹤。本實驗旨在引導學生了解OpenCV的性能，學習OpenCV的使用方法；嘗試并逐漸熟悉圖像處理，特別是運動目標跟蹤方面的知識；以及進一步提高Windows操作系統(tǒng)下使用C語言和C+編程的能力。2 OpenCV簡介OpenCV是Intel開源計算機視覺庫(Open Computer Vision)的簡稱。它由一系列 C 函數和少量 C+ 類構成，實現(xiàn)了圖像處理和計算機視覺方面的很

3、多通用算法。OpenCV 擁有包括300多個C函數的跨平臺的中、高層API。它不依賴與其它的外部庫，盡管也可以使用某些外部庫。OpenCV具有以下特點：1.開放源碼2.基于Intel處理器指令集開發(fā)的優(yōu)化代碼3.統(tǒng)一的結構和功能定義4.強大的圖像和矩陣運算能力5.方便靈活的用戶接口6.支持MS-Windows和Linux操作系統(tǒng)由于有了以上性能特點，OpenCV函數庫功能強大，簡單易用，移植也很方便，不失為學生和科研人員進行數字圖像處理方面學習和研究的好工具。3 運動物體的檢測和跟蹤數字圖像處理中，運動物體的檢測和跟蹤在機器人視覺、監(jiān)控測量和視頻壓縮編碼等方面有著廣泛的應用，是近年來的一個研究

4、熱點。隨著研究的深入，應用于運動物體跟蹤的算法也越來越多：從最簡單的“幀差法”，到“背景消減法”到“模板匹配法”，到帶有預測功能的“卡爾曼濾波”和“粒子濾波”等算法，都在不斷地提高對運動目標檢測和跟蹤的準確性和高效性。本平臺在進行運動物體檢測跟蹤時所采用的算法是：首先利用“幀差法”檢測出初始的運動目標；一旦認為此目標合法，便根據目標在HSI（色調、飽和度、強度）空間中H通道的色調特性，利用“連續(xù)適應性均值移動算法（CamShift）”，對目標進行跟蹤。CamShift算法簡述如下：首先，在圖像HSI空間中計算H通道（色彩通道）分量的1D直方圖；接著，利用此1D直方圖將原圖改建成2D概率分布圖；

5、第三步，計算出目標區(qū)域的重心；第四部，利用經典的“Mean Shift”算法，不斷平移調整窗口中心到與目標重心重合；第五步，將上一幀的窗口大小和中心，作為下一幀Mean Shift算法搜索窗口的初始值，在下一幀中繼續(xù)Mean Shift運算。圖1.CamShift流程上述運動物體檢測和跟蹤的算法運算量小，跟蹤效果好。只要初始抓取目標無誤，并且在色彩空間上目標與背景有一定偏差，視頻跟蹤便能夠達到相當的準確度。更好的一點是，此算法在跟蹤同一場境內多個運動目標其中的一個時的效果，是其它同樣計算復雜度的算法所難以比擬的。4 Windows多線程編程為了達到良好的實時性能，充分利用CPU資源，本平臺采用

6、多線程并發(fā)處理模式進行編程。在Windows操作系統(tǒng)下，線程與進程調度都有著一套封裝好的方法，各線程輪流占用CPU資源。既然沒有多個CPU進行真正的程序“并發(fā)”執(zhí)行，多線程編程要做的就是如何利用線程的“休眠”事件，合理充分地使用資源，以達到提高程序運行效率的目的。本平臺中，程序由兩個線程組成：main線程和GetImage線程。Main線程作為主線程，它啟動了GetImage線程；除此之外main 圖2.GetImage線程圖3.主線程線程的主要功能就是利用OpenCV函數庫，對從攝像頭獲取的圖像數據進行分析處理；此外main線程還負責獲取用戶輸入信息。GetImage線程的主要工作就是循環(huán)地

7、從攝像頭讀取數據放到緩存中，以供main線程分析。在這當中，GetImage線程往緩存中寫數據與從緩存中讀數據將不可避免地操作同一塊緩存；為防止數據讀寫沖突出錯，兩線程在操作這塊緩存時都必須上鎖。這在本平臺程序中是通過“互斥量”來實現(xiàn)的。另外，為防止main線程重復地分析同一幀圖像，要求main線程必須等待GetImage線程的一個信號才能進行數據讀取和分析，這在平臺程序中是通過Wait/Object的方式來實現(xiàn)的。程序流程圖如圖2、圖3所示。5 實驗結果經過實驗證明，基于OpenCV的運動目標檢測跟蹤實驗平臺可以在實時顯示圖像的基礎上，實時檢測和跟蹤運動目標，并且檢測和跟蹤具有較高的魯棒性。

8、在跟蹤過程中，即時目標保持靜止，程序也不會丟失對目標的跟蹤。檢測跟蹤結果如圖4所示：圖4.檢測跟蹤結果上述穩(wěn)定的目標檢測與跟蹤結果，是實現(xiàn)基于全地圖路徑規(guī)劃的機器人算法的前提。實際上圖4也正是一種基于此平臺的視頻智能吸塵器的軟件工作界面。實踐表明，OpenCV使得在PC機上的數字圖像處理變得更加簡單便捷、優(yōu)化高效。平臺實時性的要求，使得本實驗對于引導學生學習和掌握OpenCV的性能和使用方法，讓學生熟悉圖像處理，特別是運動目標跟蹤方面的知識，提高PC機Windows操作系統(tǒng)下的C+編程能力，能夠起到相當大的作用。6 展望本實驗設計的基于OpenCV的目標檢測、跟蹤平臺，由于其較低的計算復雜度和

9、較高的魯棒性，不僅可用于智能吸塵器的控制；也可用于其它基于全地圖路徑規(guī)劃的機器人領域，比如：收割、搜救、測繪、探傷等等場合。因此本平臺具有廣泛的應用前景。參考文獻：1Hieu T.Nguyen, Arnold W.M. Smeulders, Fast Occluded Object Tracking by a Robust Appearance Filter, 2004 IEEE.2岡薩雷斯，數字圖像處理M, 電子工業(yè)出版社, 2005, 40112.3Gary R. Bradski, Microcomputer Research Lab, Santa Clara, CA, Intel Cor

10、poration, Computer Vision Face Tracking For Use in a Perceptual User Interface.4張春田，蘇育挺，數字圖像壓縮編碼M, 清華大學出版社, 2006, 2023.5Jeffery Richter, Windows核心編程M, 2000, 121287.6錢能. C+ 程序設計教程M. 清華大學出版社，1999，4，1134.7，OpenCV說明文檔.A Platform for Moving Object Tracking based on OpenCVWANG Li-chao, CHEN Xi, LU Qi-yong

11、(E. E. Department, Fudan University, Shanghai 200433, China)Abstract：As an active research area in these years, moving objects tracking is becoming more and more important in robot vision, monitoring, measurement and compressive coding of videos. A platform for moving objects tracking based on OpenCV is designed, which could perform real time moving objects detecting and tracking. There are also programming and hardware interfaces reserved, which can be used for future resea