楊文龍，賈敏智

（太原理工大學(xué) 信息工程學(xué)院，太原 030024）

基于自適應(yīng)PSO粒子濾波的智能跟蹤系統(tǒng)

楊文龍，賈敏智

（太原理工大學(xué) 信息工程學(xué)院，太原 030024）

0 引言

目前，通過(guò)視頻跟蹤目標(biāo)的跟蹤系統(tǒng)大多是在PC機(jī)上實(shí)現(xiàn)的，應(yīng)用C/C++、VC++等高級(jí)程序設(shè)計(jì)語(yǔ)言，采用軟件方式實(shí)現(xiàn)視頻跟蹤算法，由于算法的復(fù)雜性和不實(shí)用性，跟蹤算法只能仿真實(shí)現(xiàn)而不能應(yīng)用到實(shí)際，而PC機(jī)體積大、功耗高等特點(diǎn)限制了它在視頻跟蹤中的應(yīng)用[1]?，F(xiàn)有的粒子濾波算法是一種新提出的用于視頻跟蹤的算法，該算法在處理非線性非高斯方面具有優(yōu)越性，采用帶權(quán)重的粒子集來(lái)估計(jì)后驗(yàn)分布，一般的粒子濾波算法在目標(biāo)跟蹤時(shí)的持續(xù)性有效性存在不足，把粒子群優(yōu)化算法融入粒子濾波的算法在動(dòng)態(tài)求取最優(yōu)解時(shí)往往使最優(yōu)解陷入局部最優(yōu)[2]。針對(duì)現(xiàn)有算法的不足，對(duì)現(xiàn)有PSO粒子濾波算法進(jìn)行了改進(jìn)，提出了一種新的PSO粒子濾波算法，該算法能夠在線調(diào)整粒子數(shù)，動(dòng)態(tài)尋優(yōu)，減少運(yùn)算量，并能準(zhǔn)確估計(jì)目標(biāo)的位置狀態(tài)。基于此算法設(shè)計(jì)了智能跟蹤系統(tǒng)，該系統(tǒng)以TMS320F28335（DSP）和FPGA為主要硬件處理視頻圖像數(shù)據(jù)。TMS320F28335的串行通信對(duì)數(shù)據(jù)處理有一定影響，但FPGA具有可修改性高、功耗低、并行執(zhí)行等特點(diǎn)，使其能彌補(bǔ)DSP的不足?；贔PGA實(shí)現(xiàn)的目標(biāo)跟蹤器在硬件設(shè)計(jì)上采用并行和流水線技術(shù)，能達(dá)到圖像數(shù)據(jù)處理的速度要求，有效的實(shí)現(xiàn)目標(biāo)跟蹤。

1 系統(tǒng)整體方案

本系統(tǒng)是基于自適應(yīng)PSO粒子濾波算法的智能跟蹤系統(tǒng)，具有能自動(dòng)識(shí)別目標(biāo)并對(duì)目標(biāo)進(jìn)行有效跟蹤的功能。攝像頭模塊采集的圖像數(shù)據(jù)由FPGA先進(jìn)行預(yù)處理，然后發(fā)送到DSP。

TMS320F28335微處理器主要負(fù)責(zé)視頻圖像數(shù)據(jù)的分析與處理，根據(jù)視頻跟蹤算法識(shí)別目標(biāo)，確定目標(biāo)位置然后根據(jù)目標(biāo)的位置信息來(lái)控制小車(chē)移動(dòng)，跟蹤目標(biāo)。

1.1 系統(tǒng)硬件設(shè)計(jì)

系統(tǒng)硬件由DSP數(shù)據(jù)分析處理模塊，視頻圖像處理轉(zhuǎn)換模塊，圖像存儲(chǔ)單元，F(xiàn)PGA數(shù)字處理模塊，電機(jī)驅(qū)動(dòng)部分，觸摸屏顯示模塊，OV7670攝像頭模塊等組成。

系統(tǒng)硬件框圖如圖1所示。

圖1 系統(tǒng)硬件框圖

攝像頭模塊能自動(dòng)將視頻信號(hào)經(jīng)過(guò)模數(shù)轉(zhuǎn)換為8位數(shù)字信號(hào)輸出，并對(duì)視頻信號(hào)進(jìn)行行、場(chǎng)同步分離，驅(qū)動(dòng)地址分離器為采集的圖像分配存儲(chǔ)地址并按順序存入圖像采集存儲(chǔ)器。在擴(kuò)充外部RAM時(shí)選用IS61LV25616AL型號(hào)RAM，外部FLASH選用SST39VF800a。LCD顯示屏用來(lái)觀察跟蹤目標(biāo)的狀態(tài)。TMS320F28335執(zhí)行相應(yīng)的自適應(yīng)PSO粒子濾波的算法程序進(jìn)行圖像數(shù)據(jù)的分析與處理，確定出目標(biāo)的位置，微處理器再根據(jù)目標(biāo)狀態(tài)信息E( xt)來(lái)控制電機(jī)驅(qū)動(dòng)模塊使小車(chē)調(diào)整車(chē)速和方向?qū)崿F(xiàn)目標(biāo)跟蹤。

1.2 視頻信號(hào)預(yù)處理單元

該部分主要由FPGA來(lái)完成。采用在線可編程大容量的FPGA（EP1K100）。FPGA為系統(tǒng)的數(shù)字處理單元，具有數(shù)字濾波功能，能抑制信號(hào)中的干擾，使目標(biāo)檢測(cè)能力提高[3]。FPGA在接收到攝像頭模塊輸出的視頻信號(hào)后對(duì)其進(jìn)行預(yù)處理，再將處理后的數(shù)字圖像信息存放在圖像存儲(chǔ)器中。

1.3 圖像數(shù)據(jù)處理單元

本單元主要由TMS320F28335、圖像存儲(chǔ)器組成。對(duì)目標(biāo)的圖像信息進(jìn)行處理，分析控制中心的命令并實(shí)時(shí)進(jìn)行去噪處理、背景分離、目標(biāo)提取、粒子濾波獲取每幀的圖像信息 ( x0,y0,r0)，輸出目標(biāo)在視頻圖像中的大小和位置數(shù)據(jù)[4]。每幀圖片為320×240大小。 DSP通過(guò)FPGA配置OV7670模塊，使其直接輸出8位數(shù)據(jù)，以此來(lái)減輕DSP處理圖像信息的負(fù)荷。

1.4 主控制程序

系統(tǒng)的主控制程序控制著系統(tǒng)的有序運(yùn)行。系統(tǒng)在上電或者復(fù)位后，進(jìn)行初始化，初始化后進(jìn)入自動(dòng)跟蹤程序，主程序首先調(diào)用圖像接收程序，再調(diào)用自適應(yīng)PSO粒子濾波目標(biāo)跟蹤算法程序，然后調(diào)用圖像分析和處理程序來(lái)確定目標(biāo)，進(jìn)而獲得目標(biāo)位置信息 ( x0,y0,r0)，利用PWM調(diào)速模塊驅(qū)動(dòng)電機(jī)控制小車(chē)移動(dòng)并追蹤目標(biāo)。系統(tǒng)的主控制流程圖如圖2所示。

1.5 圖像采集

攝像頭模塊OV7670的VSYNC、HREF、PCLK各引腳信號(hào)由FPGA讀取，并將其狀態(tài)存儲(chǔ)在一個(gè)8bit數(shù)據(jù)變量SIGA中供DSP讀取，DSP根據(jù)讀取的SIGA狀態(tài)和攝像頭模塊輸出的圖像信息時(shí)序圖來(lái)采集圖像數(shù)據(jù)，根據(jù)PSO自適應(yīng)粒子濾波算法來(lái)處理圖像信息，進(jìn)而確定出目標(biāo)現(xiàn)在狀態(tài)E( xt)。圖像獲取流程圖如圖3所示。

圖2 系統(tǒng)主控制流程圖

圖3 圖像獲取流程圖

2 改進(jìn)的自適應(yīng)PSO粒子濾波算法

自適應(yīng)PSO粒子濾波算法相對(duì)于傳統(tǒng)的卡爾曼濾波、Mean—Shift算法等有很高的精度，能夠有效解決遮擋、光照和背景變化等目標(biāo)跟蹤時(shí)出現(xiàn)的問(wèn)題。傳統(tǒng)的粒子濾波算法因?yàn)榱Ｗ訑?shù)目多，所以運(yùn)算復(fù)雜，濾波時(shí)間長(zhǎng)，使得系統(tǒng)的實(shí)時(shí)跟蹤性差。改進(jìn)的自適應(yīng)PSO粒子濾波算法是一種可以動(dòng)態(tài)改變粒子數(shù)的算法，能根據(jù)各個(gè)時(shí)刻實(shí)際跟蹤情況 ，在保證一定性能的前提下，自動(dòng)擇優(yōu)改變粒子數(shù)目，可以有效的降低參與運(yùn)算的粒子數(shù)目，從而使濾波時(shí)間性能和實(shí)時(shí)性提高。本算法對(duì)行人進(jìn)行人體骨架模型簡(jiǎn)化，用三角特征來(lái)描述目標(biāo)，再通過(guò)粒子濾波估計(jì)目標(biāo)位置。

2.1 人體骨架模型

在檢測(cè)識(shí)別人體時(shí)選擇了人體骨架模型作為目標(biāo)檢測(cè)的特征值，以簡(jiǎn)單的人體模型的肢體作為局部坐標(biāo)，各個(gè)主要肢節(jié)為關(guān)節(jié)點(diǎn)，用一組線段來(lái)連接各個(gè)關(guān)節(jié)點(diǎn)。圖4所示為人體骨架模型[5]。

圖4 人體骨架模型圖

圖5 人體抽象模型

人體用三元組X=(x,y,r)來(lái)表示，x,y,r分別表示人的圖像在幀中的坐標(biāo)位置和大小，跟蹤就是在視頻幀中確定出目標(biāo)的X=(x,y,r)。

2.2 行人檢測(cè)

常見(jiàn)的行人行走姿勢(shì)如圖5所示，傳統(tǒng)的行人檢測(cè)是采用矩形特征來(lái)描述，這種方法效率低，檢測(cè)范圍具有局限性。由人的行走姿勢(shì)圖可知人的各個(gè)部位都廣泛的存在著傾斜，這種不同程度的傾斜從各個(gè)角度都能觀測(cè)到。為此，采用三角特征來(lái)代替矩形特征更符合人的行走姿態(tài)，三角特征能改善矩形特征的局限性，可以從各個(gè)部位來(lái)檢測(cè)行人，也更符合行人特征，減少了所需的特征數(shù)目，降低了誤差率，提高了目標(biāo)檢測(cè)準(zhǔn)確率[6]。

本文在Rainer Lienhart矩形特征值計(jì)算方法基礎(chǔ)上，采用一種極限思想，逐級(jí)逼近計(jì)算三角特征特征值[6]，如圖6所示。

圖6 三角特征計(jì)算示意圖

計(jì)算三角特征的特征值S為：

2.3 跟蹤算法描述

本文采用的PSO粒子濾波算法是一種自適應(yīng)的算法，該跟蹤算法描述如下[2,5]。

3）計(jì)算有效性樣本容量Neff。如果Neff

5）重采樣。

繼續(xù)跟蹤則轉(zhuǎn)入2）。

3 圖像預(yù)處理原理

采用中值濾波法來(lái)消除原始圖像噪聲，將所求點(diǎn)(i,j)像素周?chē)?個(gè)像素值進(jìn)行排列并求取中值，該中值既為所求點(diǎn)(i,j)像素值。在去噪處理過(guò)程中該方法可使目標(biāo)邊緣信息很好的保留[7]。

為降低環(huán)境對(duì)目標(biāo)提取過(guò)程中的干擾，分離目標(biāo)圖像和其當(dāng)前背景，并二值化處理目標(biāo)圖像。

在此基礎(chǔ)上通過(guò)腐蝕處理目標(biāo)圖像來(lái)進(jìn)一步減小環(huán)境噪聲干擾。用5×5的結(jié)構(gòu)元素對(duì)獲得的當(dāng)前目標(biāo)圖像的每個(gè)像素點(diǎn)進(jìn)行掃描，用該結(jié)構(gòu)元素和其覆蓋下的二值化的目標(biāo)圖像進(jìn)行邏輯“與”運(yùn)算，結(jié)果為1，則圖像像素值為1，否則為0[8]。經(jīng)過(guò)以上處理能進(jìn)一步優(yōu)化消噪效果，準(zhǔn)確標(biāo)記目標(biāo)。

圖像在經(jīng)過(guò)上述預(yù)處理后標(biāo)記出目標(biāo)所在的位置，再通過(guò)加權(quán)平均法獲得目標(biāo)在當(dāng)前圖像中的位置坐標(biāo)信息，算法如下：

其中（X,Y）為目標(biāo)所在圖像中的位置坐標(biāo)。

D為當(dāng)前圖像進(jìn)行二值化后最終的所有像素值之和，即D為跟蹤目標(biāo)占當(dāng)前圖像面積的大小，由透視原理可知遠(yuǎn)近不同物體大小也不同，所以可根據(jù)D值來(lái)通過(guò)相應(yīng)算法計(jì)算出目標(biāo)和小車(chē)之間的距離，進(jìn)而決定小車(chē)是否前進(jìn)和前進(jìn)的距離。

4 測(cè)試結(jié)果

在實(shí)驗(yàn)室環(huán)境下，取視頻幀中的兩幀為例進(jìn)行說(shuō)明。如圖7所示，圖7（a）為從目標(biāo)背后采集的圖像，圖7（b）為從目標(biāo)側(cè)面采集的圖像。不論是從后面還是側(cè)面，采集的是人體的哪個(gè)部位，該跟蹤系統(tǒng)都能準(zhǔn)確識(shí)別目標(biāo)，并進(jìn)行跟蹤。經(jīng)試驗(yàn)測(cè)試，小車(chē)能識(shí)別跟蹤人的最遠(yuǎn)距離為3m，小車(chē)的最快速度為2m/s，在此基礎(chǔ)上小車(chē)能很好的跟蹤行人。

圖7 目標(biāo)跟蹤測(cè)試結(jié)果

5 結(jié)束語(yǔ)

在算法上采用改進(jìn)的自適應(yīng)PSO粒子濾波算法，減小了運(yùn)算量，結(jié)合中值濾波，背景差分，腐蝕處理等數(shù)字圖像處理技術(shù)，成功的提取了目標(biāo)位置。硬件上通過(guò)FPGA處理攝像頭輸出的圖像信息，這樣不僅實(shí)現(xiàn)了電平轉(zhuǎn)化，還減輕了DSP獲取圖像的負(fù)擔(dān)。該跟蹤系統(tǒng)完成了算法與硬件的結(jié)合，實(shí)現(xiàn)了智能跟蹤功能，穩(wěn)定性良好。由于現(xiàn)有條件有限，該跟蹤系統(tǒng)的目標(biāo)識(shí)別距離有限，復(fù)雜環(huán)境下的跟蹤情況還有待改進(jìn)。

[1]王愛(ài)俠,李晶皎,陸振林,等.基于FPGA的粒子濾波跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].小型微型計(jì)算機(jī)系統(tǒng),2013,34(3):580-584.

[2]姚海濤,朱福喜,陳海強(qiáng).一種自適應(yīng)的PSO粒子濾波人臉視頻跟蹤方法[J].武漢大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,37(4):492-495.

[3]干戈.基于DSP+FPGA的雙通道實(shí)時(shí)圖像處理系統(tǒng)設(shè)計(jì)[J].艦船電子工程,2008,28(7):75-78.

[4]劉陵順.TMS320F28335 DSP原理及開(kāi)發(fā)編程[M].北京:北京航空航天大學(xué)出版社,2011.

[5]丁婕,汪亞明,鄭俊褒.自適應(yīng)粒子濾波在人體跟蹤過(guò)程中的應(yīng)用[J].工業(yè)控制計(jì)算機(jī),2010,23(11):59-60,63.

[6]趙春暉,潘泉,梁彥等.視頻圖像運(yùn)動(dòng)目標(biāo)分析[M].北京:國(guó)防工業(yè)出版社,2011.

[7]孫興華,郭麗.數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社,2012.

[8]許甲海,王立東,盧曉文.基于TMS320F2812的圖像識(shí)別智能跟蹤小車(chē)[DB/OL].（2012-8-4）[2013-10-21]http://wenku.baidu.com/view/b68a5736b90d6c85ec3ac6a7.html.

Intelligent tracking system based on adaptive PSO particle filter

YANG Wen-long，JIA Min-zhi

為解決現(xiàn)有跟蹤算法的復(fù)雜性和不實(shí)用性等問(wèn)題，提出了一種新的自適應(yīng)PSO粒子濾波算法。該算法能動(dòng)態(tài)調(diào)整粒子數(shù)，根據(jù)三角特征提取目標(biāo)信息，準(zhǔn)確估計(jì)目標(biāo)狀態(tài)位置。在此算法基礎(chǔ)上設(shè)計(jì)了智能跟蹤系統(tǒng)，該系統(tǒng)以DSP為視頻圖像處理的核心，由FPGA預(yù)處理視頻圖像數(shù)據(jù)，實(shí)現(xiàn)了對(duì)目標(biāo)的識(shí)別與跟蹤。

自適應(yīng)PSO粒子濾波；圖像處理；DSP；實(shí)時(shí)跟蹤

楊文龍（1988 -），男，河北石家莊人，碩士研究生，研究方向?yàn)橹悄芸刂评碚撆c應(yīng)用。

TP391.4

A

1009-0134(2014)06(上)-0011-04

10.3969/j.issn.1009-0134.2014.06(上).03

2014-01-09