移動物體檢測與跟蹤算法的實(shí)現(xiàn)

1、移動物體檢測與跟蹤算法的實(shí)現(xiàn)移動物體檢測算法已經(jīng)在帶LCD 的Intel XScale 270平臺上實(shí)現(xiàn)，效果如下圖所示。這個界面是在Linux操作系統(tǒng)下利用QT庫采用C+開發(fā)的。如果在MicroBlaze上移植Linux成功的話，可能會出現(xiàn)不能支持QT的情況，那我們將舍棄用QT做出來的控制界面，而將圖像視頻直接顯示在VGA顯示器上。接下來我將介紹一下實(shí)現(xiàn)這個效果我們所采用的算法和程序的流程：一、算法1、基于灰度圖像的檢測算法為了完成實(shí)時目標(biāo)檢測，需要一系列的操作，所以就需要對目標(biāo)的特征進(jìn)行提取，包括目標(biāo)的形狀和顏色分布。由于人體是非剛性的，外在的障礙物和自身的噪聲可能給建立唯一的模型帶來困難

2、。為了減小這些影響我們把攝像頭觀察點(diǎn)放置在人群的正上方，這樣幾乎不會有重疊的現(xiàn)象而且每個目標(biāo)占用圖像的面積很小。我們采用基于灰度直方圖的方法簡化目標(biāo)模型，由于系統(tǒng)只需識別出有物體的存在并進(jìn)行跟蹤，所以要求的精度不需要很高，因此在該系統(tǒng)只識別人體的大體外形及所處的位置而忽略身體的細(xì)節(jié)部分，使算法更加簡化。為了突出目標(biāo)本文采用相鄰幀差法去除不變的部分（比如背景、身體的一些部分），通過分析剩下的部分我們可以定位目標(biāo)所在的位置。簡單的幀差法并不足以達(dá)到檢測的精度，這里采用相差后圖像的水平和垂直投影完成檢測功能。下面給出這個算法的過程：(1) 相鄰圖像相差后得到M*N的圖像I，如圖1所示。非零的那些像素

3、大部分是頭部的運(yùn)動邊緣，通過對差分圖的分析就可以定位運(yùn)動目標(biāo)。圖1 相鄰幀相減后的圖像(2) 求出差分圖像I的水平及垂直投影分別用H和V表示。如圖2顯示了兩相鄰幀和差分后的水平投影值的分布。水平投影的計(jì)算如下： (1)圖2 兩相鄰幀以及差分后的水平投影從圖中可以很明顯地看出，在人體頭部周圍跟隨兩個峰值。這里我們利用這個特征來檢測定位目標(biāo)。為了最小化噪聲的擾動和攝像機(jī)抖動的影響我們采用對V進(jìn)行中值濾波來保持邊緣并濾除孤立脈沖噪聲和胡椒噪聲。(3) 如果運(yùn)動物體存在，那么在向量V中肯定存在具有足夠多的灰度值大于分割閾值的像素點(diǎn)的段。我們將圖像I分成n個域（n就是段數(shù)），每一個域都位于相應(yīng)段的中心并

4、且具有一定的寬度。那么這就檢測出具有n個運(yùn)動目標(biāo)。(4) 假設(shè)每個域有一組縱向目標(biāo)。對每個域進(jìn)行水平投影得到然后進(jìn)行中值濾波，如果在第i個域中存在m個目標(biāo)，那么在中一定具有m個顯著的值（峰值）。再進(jìn)行中值濾波并且利用另外一個閾值將域中的一組目標(biāo)分割開。這樣就得圖3 目標(biāo)分割到了當(dāng)前幀中可能的目標(biāo)的坐標(biāo)值，然后用外接矩形畫出運(yùn)動目標(biāo)的邊界，如圖3所示。以上使用的閾值具有很大的范圍，但是它們的成分大體是固定的。通過系統(tǒng)訓(xùn)練和結(jié)果分析我們發(fā)現(xiàn)了閾值T和圖象的平均灰度值之間具有如圖4所示的關(guān)系。因此，系統(tǒng)引進(jìn)通過連續(xù)幀的平均灰度值表述的閾值自適應(yīng)模型。圖4 閾值與平均灰度值的關(guān)系2、基于一個新的評價函

5、數(shù)的跟蹤算法在圖像幀中可能發(fā)生目標(biāo)的出現(xiàn)和消失，這就需要將最近檢測到的目標(biāo)和以前檢測過的目標(biāo)進(jìn)行匹配?；谀０迤ヅ涞乃惴ū粡V泛采用但是它們的搜索空間會隨圖像大小和模板的增大而急劇增大。所以較難達(dá)到實(shí)時處理的目的，而且也不可能在人群中提取到所有的模板。這里采用一種新的基于顏色直方圖的算法，認(rèn)為同一物體的直方圖是在幀間是相對不變的。但是這種方法忽視了自身的誤差，因此還需要做相應(yīng)地處理來盡可能減小誤差的影響。該系統(tǒng)采用改進(jìn)的一種新的評估函數(shù)來解決匹配問題。此算法將最近相鄰算法、速度相關(guān)性和單一化灰度直方圖結(jié)合在一起。由于幀間的時間間隔很短，所以人體特征如質(zhì)心、邊界矩形和速度不會發(fā)生突然地變化，在實(shí)驗(yàn)

6、中我們得到了質(zhì)心位移的上限。假設(shè)分別表示某物體水平方向和垂直方向的速度，那么用分別表示在第K幀的第C個目標(biāo)和第K+1幀的第S個目標(biāo)。兩向量規(guī)格化的關(guān)系定義為(2)其中表示內(nèi)積，。、分別表示向量的模。根據(jù)施瓦茲不等式有。幀間物體的彩色直方圖相對穩(wěn)定而且在檢測處理過程中本文關(guān)注的是加了邊界的那些區(qū)域，然后計(jì)算它們的灰度直方圖。這里關(guān)心的是所有灰度值的一小部分而其中的大部分都不關(guān)心，于是為減輕處理的負(fù)擔(dān)簡化后的直方圖H是必須的。這里采用了第K幀的第C個目標(biāo)和第K+1幀的第S個目標(biāo)灰度直方圖的相似度計(jì)算，匹配程度的計(jì)算公式如下： (3)設(shè)d(C,S)表示它們之間的歐幾里得距離，建立一個新的評價函數(shù)如下

7、： (4)其中表示兩幀間任意兩目標(biāo)之間的歐幾里得距離，的取值都在0到1之間。這樣就將三個重要特征聯(lián)合在一起作為匹配規(guī)則對運(yùn)動目標(biāo)進(jìn)行跟蹤。下面給出跟蹤算法的流程：(1) 所有在第一幀中出現(xiàn)的目標(biāo)都標(biāo)記為新目標(biāo)，并且為了以后的匹配為每個目標(biāo)建立一條空鏈。(2) 當(dāng)接收到第k幀圖像時，計(jì)算當(dāng)前幀第j個可能目標(biāo)(,m表示當(dāng)前幀中出現(xiàn)的目標(biāo)數(shù))和以前檢測過的第i個目標(biāo)(,n表示以前檢測過的總的目標(biāo)數(shù))之間的G(k,S,C)和。 如果第j個可能目標(biāo)具有最大的G(k,S,C)且滿足，就把這個目標(biāo)認(rèn)為時第i個目標(biāo)的后續(xù)，它們屬于同一個物體，并且將它添加到相應(yīng)的鏈中同時標(biāo)記為已匹配。 如果所有以往檢測到的目標(biāo)

8、都滿足，那么就認(rèn)為第i個目標(biāo)在第k幀沒有后續(xù)。這暗示這個目標(biāo)已經(jīng)在視窗范圍之外或者暫時靜止不動。如果鏈的長度超過給定的值就進(jìn)行一次統(tǒng)計(jì)。被噪聲淹沒的目標(biāo)即使在視窗范圍內(nèi)可能也會檢測不到，但我們不能停止對它的跟蹤，這里我們采用名為“等待N幀重新匹配”的算法：如果在當(dāng)前幀沒有發(fā)現(xiàn)以前檢測到的目標(biāo)，我們不立即將它丟棄，接著處理接下來的N幀，如果該目標(biāo)在接下來的N幀中都沒有檢測到，那么就放棄對它的跟蹤，并且清除相應(yīng)的鏈表同時進(jìn)行計(jì)數(shù)，否則，恢復(fù)跟蹤處理。(3) 如果所有的目標(biāo)都匹配并且都做過已匹配標(biāo)記，意味著所有可能的目標(biāo)都和以前檢測到的目標(biāo)有聯(lián)系。如果存在沒有做過已匹配標(biāo)記的目標(biāo)，那么為該目標(biāo)新建一

9、條空鏈。(4) 接收第K+1幀圖像，重復(fù)第(2)(3)步，直到圖像采集結(jié)束。二、 程序流程(1) 系統(tǒng)類圖系統(tǒng)實(shí)現(xiàn)由前臺界面顯示、后臺的圖像處理、目標(biāo)檢測和跟蹤計(jì)數(shù)部分組成，完成這一系統(tǒng)本文定義了MainWin、Process、Tracker、Target四個類：MainWin類：如圖5所示，該類利用Qt圖形庫繪制主界面，在控件img(QImage)上實(shí)時顯示處理后的視頻。主界面如下圖所示。Qt中消息映射是通過“消息槽”的機(jī)制實(shí)現(xiàn)，在這里時間信號每50毫秒觸發(fā)timeoutslot() 函數(shù)，timeoutslot調(diào)用Process的InputNewFrame方法檢測和跟蹤目標(biāo)，也就是說每秒處

10、理20幀圖像。主界面的布局如圖4所示。圖5 MainWin類圖6 Process類Process類：如圖6所示，該類實(shí)現(xiàn)圖像處理和目標(biāo)檢測。目標(biāo)檢測的核心算法在ProcessNewFrame()方法中實(shí)現(xiàn)，主要包括相鄰幀作差、計(jì)算水平方向和垂直方向的閾值、分割并標(biāo)記目標(biāo)等操作。Tracker類：如圖7所示，該類實(shí)現(xiàn)了對運(yùn)動目標(biāo)的跟蹤和計(jì)數(shù)。目標(biāo)跟蹤的核心算法在InputNewPosition()方法中實(shí)現(xiàn)，主要包括計(jì)算距離、判別新目標(biāo)等操作。圖7 Tracker類圖8 Target類Target類：如圖8所示，該類主要是描述圖像中的運(yùn)動目標(biāo)的屬性、判別目標(biāo)是否消失等操作。(2) 程序流程與框架系統(tǒng)采用C+語言實(shí)現(xiàn)，程序的流程與框架及調(diào)用過程如圖9所示。圖中給出了系統(tǒng)實(shí)現(xiàn)的每個類中的函數(shù)執(zhí)行過程。MainWin類執(zhí)行攝像頭初始化，繪制圖形界面，從攝像頭中讀取圖像幀交給Process類進(jìn)行處理，然后將處理后的結(jié)果繪制出來。Process類執(zhí)行RGB圖轉(zhuǎn)換成灰度圖之后，計(jì)算算法中說明的動態(tài)閾值，根據(jù)水平和垂直的閾值計(jì)算出目標(biāo)的個數(shù)和所處的位置，然后用紅色矩形框進(jìn)行標(biāo)記，登記存在的Target，然后交