遠(yuǎn)紅外小目標(biāo)的檢測(cè)與跟蹤

1、. 遠(yuǎn)紅外小目標(biāo)的檢測(cè)與跟蹤摘要：驗(yàn)證了一種基于紅外小目標(biāo)視頻圖像序列的跟蹤算法，主要研究了基于形心計(jì)算的跟蹤方法和基于最小絕對(duì)差準(zhǔn)則的匹配跟蹤方法。分別仿真驗(yàn)證，并從實(shí)現(xiàn)結(jié)果出發(fā)得出了兩種算法的適用圍和各自存在的缺乏。關(guān)鍵字：遠(yuǎn)紅外 小目標(biāo)檢測(cè)與跟蹤 0 引言隨著近十幾年信息技術(shù)的飛速開(kāi)展，計(jì)算機(jī)硬件的處理能力不斷提高，存儲(chǔ)本錢(qián)大幅下跌，一些研究人員開(kāi)場(chǎng)重點(diǎn)研究計(jì)算機(jī)視覺(jué)中有關(guān)運(yùn)動(dòng)的問(wèn)題。與處理單幅圖像相比，圖像序列引入了新的時(shí)間維以及時(shí)間相關(guān)性約束，這一額外的約束激發(fā)了人們對(duì)視頻理解的研究.視頻序列目標(biāo)跟蹤是指對(duì)傳感器攝取到的圖像序列進(jìn)展處理與分析，一旦目標(biāo)被確定，就可獲得目標(biāo)的特征參數(shù)。

2、 由于視頻跟蹤具有廣泛的應(yīng)用圍，因而引起了世界圍廣闊研究者的興趣。 在1996年至1999年間，美國(guó)國(guó)防高級(jí)研究工程署DARPA資助卡基梅隆大學(xué)、戴維SARNOFF研究中心等著名大學(xué)和公司合作，聯(lián)合研制視頻監(jiān)視與監(jiān)控系統(tǒng)VSAM，主要研究目的是開(kāi)發(fā)用于戰(zhàn)場(chǎng)及普通民用場(chǎng)景的自動(dòng)視頻理解技術(shù)。DARPA在2000年又資助了重大工程HID方案，其任務(wù)是開(kāi)發(fā)多模式的監(jiān)控技術(shù)以實(shí)現(xiàn)遠(yuǎn)距離情況下人的檢測(cè)、分類(lèi)和識(shí)別，以增強(qiáng)國(guó)防、民用等場(chǎng)合免受恐懼襲擊的保護(hù)能力。在2008年，DARPA資助了一項(xiàng)研究實(shí)時(shí)流視頻監(jiān)視的技術(shù)。 國(guó)許多研究所和大學(xué)也投入了大量的精力致力于圖像跟蹤的研究。如清華大學(xué)人機(jī)交互與媒體集

3、成研究所在人臉跟蹤、視覺(jué)監(jiān)控、等方面取得了許多科研成果；自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室在交通場(chǎng)景監(jiān)控、人體跟蹤、智能輪椅手勢(shì)導(dǎo)航等領(lǐng)域進(jìn)展了深入研究。1 設(shè)計(jì)背景視頻序列目標(biāo)跟蹤是指對(duì)傳感器攝取到的圖像序列進(jìn)展處理與分析，充分利用傳感器采集得到信息來(lái)對(duì)目標(biāo)進(jìn)展穩(wěn)定跟蹤的過(guò)程。一旦目標(biāo)被確定，就可獲得目標(biāo)的位置、速度、加速度等運(yùn)動(dòng)參數(shù)，進(jìn)而獲得目標(biāo)的特征參數(shù)。運(yùn)動(dòng)分析的目的是根據(jù)運(yùn)動(dòng)線索提醒關(guān)于環(huán)境有價(jià)值的信息，這些信息可以用來(lái)執(zhí)行更高級(jí)的視覺(jué)任務(wù)，如活動(dòng)識(shí)別、視覺(jué)檢索等。由于采集到的圖像序列通常是二維圖像，許多研究者開(kāi)場(chǎng)使用簡(jiǎn)單的二維表示處理運(yùn)動(dòng)分析問(wèn)題，防止了恢復(fù)三維世界的構(gòu)造、屬性等信

4、息。通過(guò)視頻目標(biāo)跟蹤系統(tǒng)通過(guò)對(duì)圖像的去噪、對(duì)圖像進(jìn)展灰度變換、圖像融合、圖像增強(qiáng)等處理，可以快速的篩選并提取有用的信息。在軍事上，視頻序列目標(biāo)跟蹤技術(shù)廣泛應(yīng)用于準(zhǔn)確制導(dǎo)、戰(zhàn)場(chǎng)機(jī)器人自主導(dǎo)航、無(wú)人機(jī)助降，靶場(chǎng)光電跟蹤等領(lǐng)域。在民用上，該技術(shù)主要應(yīng)用在智能視頻監(jiān)控、智能交通管制、醫(yī)療影像診斷等方面。 2 總體方案2.1常用的跟蹤算法基于特征的目標(biāo)跟蹤方法基于特征的方法利用了特征位置的變化信息,首先從圖像序列中抽取顯著特征,然后在序列圖像上尋找特征點(diǎn)的對(duì)應(yīng)關(guān)系,特征匹配算法大都引入了剛體約束條件,已有的技術(shù)包括構(gòu)造匹配、樹(shù)匹配等。之后利用序列幀圖像中目標(biāo)特征點(diǎn)的對(duì)應(yīng)關(guān)系,解算當(dāng)前幀圖像中目標(biāo)位置?；?/p>

5、于相關(guān)的目標(biāo)跟蹤方法基于相關(guān)的目標(biāo)跟蹤方法是把一個(gè)預(yù)先存儲(chǔ)的目標(biāo)樣板作為識(shí)別和確定目標(biāo)位置的依據(jù),然后用目標(biāo)樣板與實(shí)時(shí)圖像中的各個(gè)子區(qū)域圖像進(jìn)展比擬,找出和目標(biāo)模板最相似的一個(gè)子圖像位置,作為當(dāng)前目標(biāo)的位置,這就是相關(guān)跟蹤的根本思想,這種方法也叫做圖像匹配?；诒日斩鹊哪繕?biāo)跟蹤方法基于比照度的目標(biāo)跟蹤方法又稱(chēng)波門(mén)跟蹤方法,該方法適用于目標(biāo)和背景具有明顯比照度的目標(biāo)跟蹤。該方法需設(shè)計(jì)一個(gè)波門(mén),波門(mén)的尺寸略大于目標(biāo)尺寸,使目標(biāo)不受波門(mén)外的背景和噪聲干擾的影響。跟蹤波門(mén)可分為固定式和自適應(yīng)式兩種。前者在跟蹤過(guò)程中波門(mén)的大小始終不變;后者則是在跟蹤目標(biāo)的過(guò)程中波門(mén)隨目標(biāo)的大小變化而變化。波門(mén)跟蹤算法可

6、分為矩心跟蹤算法、邊緣跟蹤算法、雙邊緣跟蹤算法和區(qū)域平衡跟蹤算法等。2.2 本方案實(shí)現(xiàn)的技術(shù)難點(diǎn)要解決圖像序列的去除噪聲問(wèn)題，由于目標(biāo)過(guò)小故要選擇適當(dāng)?shù)娜コ肼暦椒?，?duì)融合了多種噪聲的圖像要選用綜合的去除噪聲方法。最終的跟蹤系統(tǒng)要實(shí)現(xiàn)自適應(yīng)濾波。要解決小目標(biāo)喪失或被遮擋后再次出現(xiàn)的問(wèn)題，要保證目標(biāo)再次出現(xiàn)后的準(zhǔn)確識(shí)別和跟蹤。3 原理描述3.1 形心跟蹤 視頻圖像序列 濾波去噪 背景提取 二值化處理 設(shè)置波門(mén) 計(jì)算形心 目標(biāo)物體跟蹤 興趣區(qū)獲取 灰度轉(zhuǎn)換攝像頭標(biāo)定物體保證在鏡頭內(nèi) 圖(2) 形心跟蹤系統(tǒng)流程圖如圖2所示，形心跟蹤首先要對(duì)圖像進(jìn)展灰度化處理，使彩色圖像轉(zhuǎn)換為8位灰度圖像以方便以后的

7、運(yùn)輸和處理過(guò)程。3.1.1濾波去噪本次所用圖像序列的噪聲課近似認(rèn)為是椒鹽噪聲，在去噪聲時(shí)可以用中值濾波法，本方法可以有效的消除椒鹽噪聲并保持圖像中的邊緣和細(xì)節(jié)。中值濾波法是把領(lǐng)域的所有像素按順序排列，然后用中間值代替中心元素的灰度值作為輸出。二維中值濾波定義為： 1其中；f(*,y)為原始圖像陣列；g(*,y) 為中值濾波后圖像陣列；Median為中值濾波算子，取中值；A為濾波窗口，大小為kl。中值濾波的缺點(diǎn)在于運(yùn)算速度隨窗口的擴(kuò)大而變慢，故為了提高檢測(cè)速度本次驗(yàn)證時(shí)采用的濾波窗口為窗口。3.1.2二值化處理二值化處理是利用同一區(qū)域具有*種共同的灰度特性進(jìn)展圖像的分割，其根本原理就是選取一個(gè)適

8、當(dāng)?shù)幕叶乳撝翟O(shè)置一個(gè)閾值，然后對(duì)每個(gè)像素進(jìn)展檢測(cè)，當(dāng)檢測(cè)的像素的灰度值小于或等于閾值時(shí)，將此像素的灰度值變?yōu)?，當(dāng)檢測(cè)的像素的灰度值大于閾值時(shí)，將此像素灰度值變?yōu)?55。 2 其中是設(shè)定的閾值；是像素原有的灰度值；是處理后的灰度值。本次設(shè)計(jì)我們所讀取的目標(biāo)跟蹤序列，其背景與目標(biāo)的灰度根本保持不變。對(duì)此類(lèi)視頻序列圖像的閾值確定可以采用直方圖分布的方法。即初步了解到所要跟蹤的目標(biāo)區(qū)域和目標(biāo)所在的背景區(qū)域各自處在一個(gè)灰度值的圍，在直方圖的表現(xiàn)上為具有雙峰分布，通過(guò)選取波分之間的低谷所對(duì)應(yīng)的灰度值作為分割閾值就可以將目標(biāo)區(qū)域的背景區(qū)域分割開(kāi)來(lái)。3.1.3形心計(jì)算對(duì)于二值化圖像在假設(shè)物體的面密度均勻分布

9、的境況下，形心就是要探測(cè)物體的幾何中心。同過(guò)形心的計(jì)算可以快速的判斷目標(biāo)物體的具體位置。當(dāng)目標(biāo)姿態(tài)改變時(shí)，形心的位置變動(dòng)較小。因此形心跟蹤比擬平穩(wěn)，同時(shí)由于系統(tǒng)效應(yīng)，算法的抗干擾能力也較強(qiáng)。對(duì)于離散的數(shù)字圖像，其形心公式可以定義為： 3其中， 、是目標(biāo)形心坐標(biāo)；是圖像函數(shù)即圖像上處像素點(diǎn)的灰度；是橫坐標(biāo)圍；是縱坐標(biāo)圍。3.1.4添加波門(mén)算法在計(jì)算出目標(biāo)形心的根底上，以形心為對(duì)稱(chēng)中心分別在上下，左右畫(huà)線，連接在一起形成一個(gè)矩形框，即跟蹤波門(mén)。波門(mén)的大小有目標(biāo)大小而定，主要目的是可以標(biāo)出目標(biāo)的位置。過(guò)大的波門(mén)有較高的容錯(cuò)性，可以減小跟蹤算法的精度不夠而產(chǎn)生的跟蹤偏差，但由于波門(mén)較大所以跟蹤精度隨之

10、降低。3.2 匹配跟蹤4仿真結(jié)果與分析1 比照度矩心跟蹤法通過(guò)對(duì)原圖像進(jìn)展圖像閾值分割、形心計(jì)算，最終實(shí)現(xiàn)目標(biāo)的跟蹤。此種算法具有簡(jiǎn)單、快速和實(shí)時(shí)性高的特點(diǎn)。但是，此種算法的實(shí)用性圍極其有限，一般來(lái)說(shuō)只適用于目標(biāo)圖像與背景圖像的灰度值相差較大的情形下才能實(shí)現(xiàn)，否則將得不到目標(biāo)的形心。除此之外，該算法受圖像成像過(guò)程中引入的噪聲的影響比擬大，在環(huán)境較為惡劣的情況下將會(huì)失去對(duì)目標(biāo)的有效跟蹤。因而，比照度矩心跟蹤法面臨背景環(huán)境的限制以及成像系統(tǒng)噪聲的限制。2 模板相關(guān)匹配法不必對(duì)原圖像進(jìn)展預(yù)處理，根本保存了圖像的全部信息，這對(duì)于目標(biāo)所在的背景區(qū)域的了解至關(guān)重要；其次，此跟蹤算法非常適合于在環(huán)境復(fù)雜多變的情況下進(jìn)展目標(biāo)的跟蹤。但缺乏之處是由于在相關(guān)匹配的過(guò)程中涉及到大量的數(shù)學(xué)運(yùn)算，因而系統(tǒng)跟蹤的實(shí)時(shí)性將大大降低，為進(jìn)一步提高系統(tǒng)的實(shí)時(shí)響應(yīng)，相應(yīng)的處理器、存儲(chǔ)器等硬件設(shè)備的性能要求較高。即使在匹配的過(guò)程中進(jìn)一步降低搜索區(qū)域，但那樣有可能得到的是局部最優(yōu)值，其最終結(jié)果是真正的目標(biāo)沒(méi)有被跟蹤到。因而，模板相關(guān)匹配法面臨實(shí)時(shí)性的提高以及快速搜索區(qū)域算法的進(jìn)一步優(yōu)化。主要參考文獻(xiàn)1 然，呂高杰， 光電目標(biāo)圖像自動(dòng)跟蹤技術(shù)研究J，電光與控制, 2008,15(9)：65-682