白 瑞，姜明新

（大連民族學(xué)院 信息與通信工程學(xué)院，遼寧 大連 116600）

在圖像序列中進(jìn)行目標(biāo)的跟蹤一直是計(jì)算機(jī)視覺、圖像處理和模式識(shí)別領(lǐng)域非?；钴S的課題。運(yùn)動(dòng)目標(biāo)的的識(shí)別就是對(duì)包含運(yùn)動(dòng)信息的視頻序列運(yùn)用適當(dāng)?shù)募夹g(shù)進(jìn)行處理，把于背景存在相對(duì)于運(yùn)動(dòng)的區(qū)分開的過程。這也是計(jì)算機(jī)視覺處理的一個(gè)重要問題，也是目標(biāo)檢測(cè)[1]和跟蹤的基礎(chǔ)。

1 系統(tǒng)流程圖

在此介紹質(zhì)心跟蹤法[2]對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤，以下基于Opencv實(shí)現(xiàn)的系統(tǒng)的流程。

圖1 運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的流程圖Fig.1 Flow chart of detect and track the moving target

2 控制界面

為了更適合管理者進(jìn)行隨時(shí)的調(diào)整，設(shè)計(jì)了控制界面如圖2所示，該控制界面[3]方便管理者隨時(shí)進(jìn)入和退出系統(tǒng)，來完成開始和結(jié)束目標(biāo)的檢測(cè)和跟蹤，而且管理者可以實(shí)時(shí)觀測(cè)到跟蹤車輛的信息。

圖2 控制界面Fig.2 Control interface

3 背景提取

系統(tǒng)輸入的是視頻序列，而檢測(cè)運(yùn)動(dòng)物體需要無運(yùn)動(dòng)物體作為背景圖像[4]，然而視頻序列的每一幀圖像都用運(yùn)動(dòng)物體，因此需要提取在視頻圖像序列中靜止不動(dòng)的景物。因?yàn)橐曨l檢測(cè)器不動(dòng)，所以圖像中的每一個(gè)象點(diǎn)都有一個(gè)對(duì)應(yīng)的背景值，這個(gè)值在一段時(shí)間內(nèi)是比較固定的，所以背景圖可以作為參考圖。

背景差分法是選用視頻或者攝像機(jī)的第一幀作為背景，再將后面的幀與背景做差分，雖然后續(xù)也會(huì)進(jìn)行背景的更新，但是如果第一幀中有運(yùn)動(dòng)目標(biāo)的話，那么該運(yùn)動(dòng)目標(biāo)將會(huì)成為背景，而后面的幀中原位置上的背景將會(huì)成為運(yùn)動(dòng)目標(biāo)被檢測(cè)，這樣就會(huì)使后續(xù)的背景差分失去準(zhǔn)確度，為了不使初始的背景圖失真，于是本文采用多幀圖像統(tǒng)計(jì)求平均值的方法，這樣大大的避免因第一幀有運(yùn)動(dòng)而導(dǎo)致背景檢測(cè)出現(xiàn)錯(cuò)誤的物體。為此我們提取前30幀的圖像求的像素的平均值。公式為：

其中N為重建圖像序列的幀數(shù)，Bk為重建的背景圖像，Ik為第K幀圖像，背景圖中每一個(gè)像素點(diǎn)的值為該像素點(diǎn)N幀圖像灰度的累加平均值。

對(duì)索取的圖像需要灰度化處理。圖像灰度化就是將提取的彩色圖像種的彩色信息踢出，只包含亮度信息，計(jì)算機(jī)表示灰度圖是把亮度值進(jìn)行量化等分成0～255共256個(gè)級(jí)別，0表示最暗（全黑），255最亮（全白），而在RGB模式中，如果R=G=B，則顏色（R，G，B）就表示灰度值?；叶然^程就是使圖像的RGB分量取相等的值，圖像由原來的三圍特征降到灰度化以后的一維特征必然會(huì)丟失部分信息?？紤]的人眼的視覺感知的效果，本文選擇的灰度轉(zhuǎn)化的公式為：

其中Gray表示圖像中的像素灰度值，R表示該圖像的紅色分量，G表示綠色分量，B表示藍(lán)色分量：0.299，0.587，0.114分別表示為前人實(shí)驗(yàn)和理論證明得出的最合理灰度圖像的權(quán)值。在Opencv函數(shù)庫中，圖像的灰度化處理通過cvCvtColor（const*src，CvArr*dst，int code）函數(shù)[5]實(shí)現(xiàn)，其 中src為元彩色圖像，dst為處理后的圖像，code為彩色空間轉(zhuǎn)化方式，其中code定義為CV_RGB2GRAY。由此可以得到視頻道路的背景圖如圖3所示。

圖3 檢測(cè)視頻序列的背景圖Fig.3 Background detection in video sequences

4 運(yùn)動(dòng)目標(biāo)質(zhì)心跟蹤

為了便于計(jì)算，把視頻頭是掃描的范圍固定在一個(gè)矩形內(nèi)作為運(yùn)動(dòng)目標(biāo)選擇區(qū)域，在選擇區(qū)域內(nèi)檢測(cè)運(yùn)動(dòng)目標(biāo)，當(dāng)運(yùn)動(dòng)目標(biāo)被鎖定后，目標(biāo)窗口和背景窗口也被確定下來。當(dāng)然，運(yùn)動(dòng)目標(biāo)選擇區(qū)距離真實(shí)的目標(biāo)越近，實(shí)驗(yàn)的結(jié)果應(yīng)該是越好，應(yīng)用質(zhì)心跟蹤法需要滿足一定的條件，即需要滿足一些假設(shè)。

假設(shè)1 背景圖和運(yùn)動(dòng)目標(biāo)的的對(duì)比度比較大，也就是說目標(biāo)和背景之間可以明顯的區(qū)分。

假設(shè)2 提取的目標(biāo)周圍的背景灰度近似的均勻。

這樣，如果跟蹤的運(yùn)動(dòng)目標(biāo)的灰度分布滿足假設(shè)的話，質(zhì)心跟蹤算法不會(huì)受大小，旋轉(zhuǎn)變化一影響，穩(wěn)定性、可靠性和精度都會(huì)較高。因?yàn)橐曈X系統(tǒng)會(huì)把目標(biāo)物體看出輪廓影像，忽略目標(biāo)的內(nèi)部結(jié)構(gòu)，于是當(dāng)前的檢測(cè)的目標(biāo)輪廓成了主要的信息來源，當(dāng)監(jiān)測(cè)目標(biāo)和視覺視覺系統(tǒng)之間存在相對(duì)運(yùn)動(dòng)時(shí)，便可以獲得序列的二值圖像形成景物中目標(biāo)輪廓的三維描述。當(dāng)然，二值圖像中目標(biāo)質(zhì)心可用公式：

求出，式中

是二值圖像，（i，j）是圖像中像素的坐標(biāo)，m和n是圖像的行數(shù)和列數(shù)。當(dāng)目標(biāo)和視覺系統(tǒng)之間發(fā)生相對(duì)運(yùn)動(dòng)時(shí)，只要重復(fù)計(jì)算式（2），每一幀圖像都進(jìn)行質(zhì)心的移動(dòng)記錄，就可以實(shí)現(xiàn)目標(biāo)質(zhì)心的搜索和跟蹤[6-7]。

5 實(shí)驗(yàn)結(jié)果

根據(jù)上述算法思想和實(shí)現(xiàn)過程，使用VS2008和opencv 2.1實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的識(shí)別和跟蹤。該系統(tǒng)處理每幀圖像的速度可滿足實(shí)時(shí)性的監(jiān)測(cè)要求。使用該算法對(duì)一段交通視頻序列進(jìn)行運(yùn)動(dòng)目標(biāo)的識(shí)別和跟蹤，結(jié)果如圖4所示。其中圖4（a）是當(dāng)前幀的圖像，圖中的大矩形為運(yùn)動(dòng)目標(biāo)的選擇區(qū)域，小的矩形為跟蹤的運(yùn)動(dòng)目標(biāo)。圖4（b）是運(yùn)用質(zhì)心跟蹤法的結(jié)果。

圖4 運(yùn)動(dòng)目標(biāo)的識(shí)別和跟蹤結(jié)果圖Fig.4 Moving target identification and tracking results in figure

6 結(jié) 論

文中應(yīng)用多幀圖像取平均值的算法，避免了第一幀圖像有運(yùn)動(dòng)目標(biāo)而影響實(shí)驗(yàn)結(jié)果，由此基礎(chǔ)上，可以在應(yīng)用質(zhì)心跟蹤算法得到由實(shí)驗(yàn)結(jié)果看出，本系統(tǒng)可以比較準(zhǔn)確的得到視頻圖像序列的背景圖像，并且能夠?qū)崿F(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。

系統(tǒng)還需要改進(jìn)的是要對(duì)目標(biāo)的邊緣的檢測(cè)不夠清楚，若能加入對(duì)運(yùn)動(dòng)目標(biāo)邊緣的檢測(cè)和陰影的去除，系統(tǒng)的檢測(cè)結(jié)果會(huì)更好。

[1]李恩科，劉上乾，麻顏軒，等.一種新的運(yùn)動(dòng)目標(biāo)自適應(yīng)圖像分割算法[J].西安電子科技大學(xué)學(xué)報(bào)，2008，35（3）:491-494.LI En-ke，LIU Shang-qian，MA Yan-xuan，et al.Novel algorithm for adaptive image segmentation of moving targets[J].Journal of Xidian University，2008，35（3）:491-494.

[2]劉雪.基于圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D].濟(jì)南：山東大學(xué)，2007.

[3]仇巍，邢建國(guó).基于MFC的產(chǎn)品結(jié)構(gòu)樹管理系統(tǒng)的實(shí)現(xiàn)[J].中國(guó)制造業(yè)信息化，2012，41（3）:11-13.QU Wei，XING Jian-guo.The development of product structure tree management system based on MFC[J].Manufacture Information Engineering of China，2012，41（3）:11-13.

[4]丁忠孝.視頻監(jiān)控圖像的運(yùn)動(dòng)目標(biāo)方法綜述 [J].電視技術(shù)，2008，32（5）:72-76.DING Zhong-xiao.Survey on moving object detection methods for video surveillance imanges[J].TV technology，2008，32（5）:72-76.

[5]于仕琪，劉瑞禎.學(xué)習(xí)Opencv（中文版）[M].北京：清華大學(xué)出版社，2010.

[6]梁曦.一種基于視頻序列的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].空間電子技術(shù)，2011（4）:29-31.LIANG Xi.A motion detection method based on video sequence[J].Space Electronic Technology，2011（4）:29-31.

[7]江捧岳.圖象跟蹤算法分析[J].火力與指揮控制，1998，23（2）:48-52.JIANG Peng-yue.Analysis of target tracking algorithms[J].Fire Control&Command Control，1998，23（2）:48-52.