王銘明，陳 濤，王建立，陰玉梅

(1.中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林長(zhǎng)春130033;2.中國(guó)科學(xué)院大學(xué)，北京100049)

1 引言

光電跟蹤系統(tǒng)是典型的光、機(jī)、電、控制和信號(hào)處理一體化的集成裝置，廣泛應(yīng)用于實(shí)時(shí)監(jiān)控、導(dǎo)彈導(dǎo)引、激光通信、武器火控系統(tǒng)等領(lǐng)域［1-2］。

光電跟蹤系統(tǒng)的光學(xué)傳感器捕捉到運(yùn)動(dòng)目標(biāo)后，將圖像信號(hào)傳送至圖像處理系統(tǒng)，圖像處理系統(tǒng)利用圖像跟蹤算法跟蹤運(yùn)動(dòng)目標(biāo)，得到運(yùn)動(dòng)目標(biāo)相對(duì)視場(chǎng)中心的脫靶量，并將脫靶量發(fā)送至伺服控制系統(tǒng)，伺服控制系統(tǒng)控制電機(jī)驅(qū)動(dòng)負(fù)載，使光學(xué)傳感器光軸始終對(duì)準(zhǔn)目標(biāo)，對(duì)運(yùn)動(dòng)目標(biāo)完成自動(dòng)跟蹤。由此可見(jiàn)，圖像處理系統(tǒng)對(duì)于脫靶量的準(zhǔn)確提取是光電跟蹤系統(tǒng)能否穩(wěn)定跟蹤運(yùn)動(dòng)目標(biāo)的關(guān)鍵。

為提取運(yùn)動(dòng)目標(biāo)脫靶量，需要利用圖像跟蹤算法實(shí)時(shí)穩(wěn)定地跟蹤運(yùn)動(dòng)目標(biāo)。光電跟蹤系統(tǒng)中圖像跟蹤算法有質(zhì)心迭代法、相關(guān)跟蹤法、波門(mén)跟蹤算法、光流法和Mean-Shift跟蹤算法等。

質(zhì)心迭代法通過(guò)計(jì)算初始候選區(qū)域的質(zhì)心并反復(fù)迭代，最終獲得被跟蹤目標(biāo)的位置信息。質(zhì)心迭代法的計(jì)算復(fù)雜度低，實(shí)時(shí)性好，但跟蹤穩(wěn)定度較低，要求被跟蹤目標(biāo)的像素權(quán)值較大，背景像素對(duì)目標(biāo)跟蹤的影響也相對(duì)較大［3］;相關(guān)跟蹤算法主要是基準(zhǔn)圖像的匹配過(guò)程，是應(yīng)用較廣的一種跟蹤算法，可用來(lái)跟蹤較小、對(duì)比度較差或背景較復(fù)雜的運(yùn)動(dòng)目標(biāo)，但是相關(guān)跟蹤算法的運(yùn)算量較大，而且目標(biāo)運(yùn)動(dòng)、圖像噪聲干擾等因素會(huì)影響跟蹤算法的可靠性;波門(mén)跟蹤算法可分為矩心跟蹤算法、邊緣跟蹤算法、雙邊緣跟蹤算法和區(qū)域平衡跟蹤算法，其中矩心跟蹤算法是以閾值分割圖像預(yù)處理為基礎(chǔ)確定目標(biāo)中心位置的算法，矩心跟蹤算法計(jì)算簡(jiǎn)便、精度較高，適合背景單一的目標(biāo)穩(wěn)定跟蹤，另外幾種波門(mén)跟蹤算法穩(wěn)定度較差，在光電跟蹤系統(tǒng)中應(yīng)用較少;光流法給圖像的每一個(gè)像素點(diǎn)賦予一個(gè)速度矢量，根據(jù)各個(gè)像素點(diǎn)的速度矢量特征，可以對(duì)圖像進(jìn)行動(dòng)態(tài)分析。但光流法計(jì)算量非常大、實(shí)時(shí)性很差，對(duì)于光電跟蹤系統(tǒng)的硬件處理能力具有很高的要求［4］。

本文采用基于灰度直方圖的Mean-shift圖像跟蹤算法。Mean-shift算法是一種基于密度梯度的無(wú)參數(shù)估計(jì)方法［5-6］，在目標(biāo)跟蹤方面，Meanshift算法具有很高的穩(wěn)定性，其迭代次數(shù)少、計(jì)算量小，能夠保證目標(biāo)跟蹤系統(tǒng)的實(shí)時(shí)性和穩(wěn)定性，已經(jīng)廣泛應(yīng)用在目標(biāo)實(shí)時(shí)跟蹤系統(tǒng)中［7-16］。本文針對(duì)光電跟蹤系統(tǒng)跟蹤運(yùn)動(dòng)目標(biāo)的實(shí)際效果，對(duì)Mean-shift算法的目標(biāo)模型與候選模型的建立進(jìn)行改進(jìn)，引入了背景加權(quán)系數(shù)，抑制了目標(biāo)模型與候選模型中背景像素對(duì)目標(biāo)跟蹤產(chǎn)生的影響，實(shí)驗(yàn)結(jié)果證明了本文介紹的圖像跟蹤算法在光電跟蹤系統(tǒng)中具有較高的工程應(yīng)用價(jià)值。

2 Mean-shift算法原理

Mean-shift跟蹤算法是一個(gè)迭代過(guò)程，即先算出當(dāng)前點(diǎn)的偏移值，移動(dòng)該點(diǎn)到偏移值，計(jì)算目標(biāo)模型與候選模型的相似性函數(shù)系數(shù)，相似性函數(shù)系數(shù)越大，表示目標(biāo)模型與候選模型越匹配，然后以此點(diǎn)為新起點(diǎn)，繼續(xù)移動(dòng)，直到尋找到相似性函數(shù)系數(shù)取得最大值的點(diǎn)，這個(gè)點(diǎn)就是Mean-shift跟蹤算法得到的被跟蹤目標(biāo)的中心位置。由于被跟蹤目標(biāo)的灰度特征便于描述，且穩(wěn)定性較好，所以本算法選擇灰度空間作為特征統(tǒng)計(jì)空間。

Mean-shift跟蹤算法主要包括3個(gè)步驟:目標(biāo)模型和候選模型的建立，相似性度量，目標(biāo)定位。

2.1 目標(biāo)模型和候選模型的建立

為了完成對(duì)運(yùn)動(dòng)目標(biāo)地穩(wěn)定跟蹤，首先需要對(duì)目標(biāo)模型進(jìn)行描述，確定被跟蹤目標(biāo)模型的特征空間并計(jì)算該區(qū)域的加權(quán)灰度直方圖，通過(guò)n級(jí)核加權(quán)直方圖來(lái)表示目標(biāo)模型的灰度分布，如式(1)所示。

目標(biāo)模型建立后，運(yùn)動(dòng)目標(biāo)在第二幀和以后每幀中可能包含目標(biāo)的區(qū)域稱(chēng)為候選目標(biāo)區(qū)域。令yi(i=1，…，n)表示像素在候選目標(biāo)區(qū)域中的位置，其中心位置設(shè)為y0，與式(1)相似，以y0為中心的候選模型可表示成pu(y)，如式(3)所示。

2.2 相似性度量

在利用Mean-shift跟蹤算法跟蹤運(yùn)動(dòng)目標(biāo)時(shí)，需要相似性函數(shù)度量目標(biāo)模型與候選模型的匹配程度，即pu(y)與qu的相似程度。

本文使用Bhattacharyya系數(shù)作為相似性函數(shù)，如式(4)所示。

Bhattacharyya系數(shù)的值在0～1之間。ρ^(y)越大，表示候選目標(biāo)與模板目標(biāo)越匹配，那么對(duì)應(yīng)的中心y越有可能是被跟蹤目標(biāo)在當(dāng)前幀圖像中的位置。

目標(biāo)跟蹤的過(guò)程即是尋找最優(yōu)的y，使得Bhattacharyya系數(shù)最大。

2.3 目標(biāo)定位

Mean-shift圖像跟蹤算法目標(biāo)定位的過(guò)程是利用計(jì)算得到的均值向量反復(fù)迭代，更新核函數(shù)窗口的中心位置，直到滿(mǎn)足判斷條件，算法主要分為以下幾個(gè)步驟:

(3)判斷是否需要繼續(xù)計(jì)算

首先判斷是否‖y1-y0‖＜ε，如不等式成立，則停止計(jì)算，得到被跟蹤目標(biāo)的位置信息，否則將y1替y0返回到目標(biāo)定位過(guò)程的第一步，繼續(xù)尋找滿(mǎn)足判斷條件的候選目標(biāo)位置。由于光電跟蹤系統(tǒng)對(duì)實(shí)時(shí)性具有較高的要求，所以實(shí)際應(yīng)用中設(shè)定迭代次數(shù)最多是30次。

3 Mean-shift跟蹤算法的改進(jìn)

利用傳統(tǒng)的Mean-shift圖像跟蹤算法，在建立目標(biāo)模型區(qū)域的加權(quán)灰度直方圖時(shí)，被跟蹤目標(biāo)圖像像素與背景圖像像素都會(huì)對(duì)目標(biāo)灰度直方圖的分布產(chǎn)生影響。當(dāng)目標(biāo)模型區(qū)域中包含的背景區(qū)域像素較少時(shí)，傳統(tǒng)的Mean-shift跟蹤算法可以得到較好的跟蹤效果，但在目標(biāo)模型區(qū)域中包含背景圖像像素較多或者背景不斷變化的情況下，容易造成候選區(qū)域直方圖與目標(biāo)模型區(qū)域直方圖的最佳匹配位置有所偏差，尤其對(duì)于快速運(yùn)動(dòng)目標(biāo)的跟蹤，容易導(dǎo)致目標(biāo)丟失［17-19］。

為減少背景像素對(duì)目標(biāo)跟蹤產(chǎn)生的影響，本文對(duì)目標(biāo)模型和候選模型均采用背景加權(quán)的方法。如果某灰度特征值在背景灰度直方圖中所占權(quán)值較大，在建立目標(biāo)模型和候選模型時(shí)對(duì)此灰度特征值賦予較小權(quán)重;相反如果某灰度特征值在背景灰度直方圖中所占權(quán)值較小，則在建立目標(biāo)模型和候選模型時(shí)對(duì)此灰度特征值賦予較大權(quán)重。利用此方法可以有效抑制背景像素對(duì)目標(biāo)跟蹤產(chǎn)生的影響，實(shí)現(xiàn)了對(duì)Mean-shift算法跟蹤準(zhǔn)確性的有效改進(jìn)。具體實(shí)現(xiàn)方法如下:

3.1 計(jì)算背景區(qū)域灰度直方圖

首先計(jì)算目標(biāo)模板以外一定區(qū)域的背景灰度直方圖，如式(7)所示。

3.2 計(jì)算背景加權(quán)系數(shù)

通過(guò)Ou可以計(jì)算得到背景加權(quán)系數(shù)λu(u=1，…，m)，如式(9)所示。

式中:Omin是Ou中最小的非零值。

3.3 計(jì)算背景加權(quán)后的目標(biāo)模型和候選模型

在得到背景加權(quán)系數(shù)λu后，即可計(jì)算背景加權(quán)后重新定義的目標(biāo)模型和候選模型，如式(10)和式(11)所示。

式中:x'i(i=1，…，n)表示像素在背景區(qū)域中的位置，其中心位置為x0，令b(x'i)表示位置x'i處的像素灰度，k2(x)是核函數(shù)，此時(shí)的核函數(shù)如式(8)所示。

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證改進(jìn)后的Mean-shift圖像跟蹤算法在光電跟蹤系統(tǒng)中的應(yīng)用效果，利用光電跟蹤系統(tǒng)跟蹤民航飛機(jī)。光電跟蹤平臺(tái)實(shí)物圖如圖1所示。

圖1 光電跟蹤平臺(tái)實(shí)物圖Fig.1 Optoelectronic tracking platform picture

當(dāng)飛機(jī)飛進(jìn)光電跟蹤系統(tǒng)附近空域時(shí)，開(kāi)啟大視場(chǎng)捕獲相機(jī)，轉(zhuǎn)動(dòng)單桿控制光電跟蹤平臺(tái)，使飛機(jī)進(jìn)入大視場(chǎng)捕獲相機(jī)的視場(chǎng)中心，這時(shí)目標(biāo)飛機(jī)也將出現(xiàn)在小視場(chǎng)跟蹤相機(jī)的視場(chǎng)中，手動(dòng)選取初始跟蹤框在跟蹤相機(jī)視場(chǎng)中鎖定跟蹤目標(biāo)，進(jìn)入自動(dòng)跟蹤模式，錄像并記錄數(shù)據(jù)。

圖2 跟蹤圖像Fig.2 Tracking image

進(jìn)入自動(dòng)跟蹤模式后，每隔25 frame記錄存儲(chǔ)一張跟蹤圖像，由于跟蹤相機(jī)的幀頻是25 frame/s，所以每?jī)蓮埓鎯?chǔ)圖像的間隔約為1 s。進(jìn)入自動(dòng)跟蹤模式后的跟蹤存儲(chǔ)圖像如圖2所示，被跟蹤的飛機(jī)一直比較穩(wěn)定地處于跟蹤相機(jī)視場(chǎng)中心附近，由此可知，基于目標(biāo)灰度直方圖的改進(jìn)Mean-shift圖像跟蹤算法可以準(zhǔn)確地跟蹤飛機(jī)目標(biāo)，并將飛機(jī)距離相機(jī)視場(chǎng)中心的脫靶量實(shí)時(shí)發(fā)送至光電跟蹤系統(tǒng)的伺服控制系統(tǒng)，使飛機(jī)始終位于圖像的中心區(qū)域附近，完成對(duì)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)穩(wěn)定跟蹤。通過(guò)脫靶量換算得到的俯仰軸角偏差量如圖3所示，方位軸角偏差量如圖4所示。

圖3 俯仰軸角偏差量Fig.3 Angle deviation of pitch axis

圖4 方位軸角偏差量Fig.4 Angle deviation of azimuth axis

通過(guò)圖3和圖4記錄的角偏差量波形可以發(fā)現(xiàn)，由于飛機(jī)基本做水平飛行，因而在跟蹤過(guò)程中光電跟蹤平臺(tái)的俯仰軸轉(zhuǎn)動(dòng)范圍很小，導(dǎo)致俯仰軸方向脫靶量在較小的范圍內(nèi)浮動(dòng)，進(jìn)入穩(wěn)態(tài)后，俯仰軸角偏差量能控制在15″之內(nèi)，光電跟蹤平臺(tái)的方位軸要跟隨飛機(jī)水平飛行而不斷轉(zhuǎn)動(dòng)，加上脫靶量延遲等因素，導(dǎo)致方位軸方向的脫靶量相對(duì)俯仰軸較大，在進(jìn)入穩(wěn)定后，方位軸的角偏差量可控制在30″之內(nèi)。

改進(jìn)的Mean-shift圖像跟蹤算法是在上位機(jī)Microsoft Windows XP的Visual C++6.0軟件平臺(tái)下實(shí)現(xiàn)的。上位機(jī)的配置是Intel Celeron G550雙處理器，2.6 GHz主頻，4 G內(nèi)存和500 G硬盤(pán)。圖像大小為720 pixel×576 pixel，每幀圖像的跟蹤處理時(shí)間在25 ms以?xún)?nèi)，跟蹤相機(jī)的幀頻是25 frame/s，可以保證光電跟蹤系統(tǒng)對(duì)于圖像處理的實(shí)時(shí)性要求。

實(shí)驗(yàn)證明了改進(jìn)的Mean-shift圖像跟蹤算法的有效性，滿(mǎn)足了光電跟蹤系統(tǒng)中實(shí)時(shí)提取運(yùn)動(dòng)目標(biāo)脫靶量的實(shí)際需求，實(shí)驗(yàn)結(jié)果達(dá)到了預(yù)期效果。

5 結(jié)論

本文針對(duì)光電跟蹤系統(tǒng)中實(shí)時(shí)提取運(yùn)動(dòng)目標(biāo)脫靶量的應(yīng)用需求，設(shè)計(jì)了一種基于灰度直方圖的Mean-shift跟蹤算法，并在傳統(tǒng)算法的基礎(chǔ)上，改進(jìn)了目標(biāo)特征選取機(jī)制，重新定義了背景加權(quán)后的目標(biāo)模型和候選模型。實(shí)驗(yàn)證明:所設(shè)計(jì)的圖像跟蹤算法可以實(shí)時(shí)有效地跟蹤運(yùn)動(dòng)目標(biāo)，使穩(wěn)定后運(yùn)動(dòng)目標(biāo)脫靶量換算得到的角偏差量控制在30″之內(nèi)，保證了光電跟蹤系統(tǒng)對(duì)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)準(zhǔn)確跟蹤。

［1］ 侯志強(qiáng)，韓崇昭.視覺(jué)跟蹤技術(shù)綜述［J］.自動(dòng)化學(xué)報(bào)，2006，32(4):603-617.

HOU ZH Q，HANG CH ZH.A survey of visual tracking［J］.Acta Automatica Sin.，2006，32(4):603-617.(in Chinese)

［2］ 張秉華，張守輝.光電成像跟蹤系統(tǒng)［M］.成都:電子科技大學(xué)出版社，2003.

ZHANG B H，ZHANG SH H.Optical Imaging Tracking System［M］.Chengdu:University of Electronic Science and Technology of China Press，2003.(in Chinese)

［3］ 呂娜，馮祖仁.質(zhì)心迭代圖像跟蹤算法［J］.西安交通大學(xué)學(xué)報(bào)，2007，41(12):1387-1391.

Lü N，F(xiàn)ENG Z R.Centroid iteration image tracking algorithm［J］.J.Xi'an Jiaotong University，2007，41(12):1387-1391.(in Chinese)

［4］ 孫承志，熊天忠，吉順平，等.基于差分的光流法在目標(biāo)檢測(cè)跟蹤中的應(yīng)用［J］.機(jī)床與液壓，2010，38(14):59-62.

SUN CH ZH，XIONG T ZH，JI SH P，et al..Application of optical flow algorithms based on difference in target detection and tracking［J］.Machine Tool Hydraulics，2010，38(14):59-62.(in Chinese)

［5］ CHEN Y Z.Mean shift，mode seeking，and clustering［J］.IEEE Transactions on Pattern Analysis Machine Intelligence，1995，17(8):790-799.

［6］ 馮偉興，唐墨，賀波，等.Visual C++數(shù)字圖像模式識(shí)別技術(shù)詳解［M］.北京:機(jī)械工業(yè)出版社，2010.

FENG W X，TANG M，HE B，et al..Digital Image Pattern Recognition Programming Using Visual C++［M］.Beijing:China Machine Press，2010.(in Chinese)

［7］ 毛建國(guó)，柏方超，沈峘，等.復(fù)雜場(chǎng)景下動(dòng)態(tài)目標(biāo)視覺(jué)跟蹤方法［J］.傳感器與微系統(tǒng)，2010，29(3):23-28.

MAO J G，BAI F CH，SHEN H，et al..Vision based dynamic target tracking under complicated scenes［J］.Transducer and Microsystem Technologies，2010，29(3):23-28.(in Chinese)

［8］ 顏佳，吳敏淵，陳淑珍，等.應(yīng)用Mean Shift和分塊的抗遮擋跟蹤［J］.光學(xué) 精密工程，2010，25(6):890-895.

YAN J，WU M Y，CHEN SH ZH，et al..Anti-occlusion tracking algorithm based on Mean Shift and fragments［J］.Opt.Precision Eng.，2010，25(6):890-895.(in Chinese)

［9］ 胡明昊，任明武，楊靖宇.一種基于直方圖模式的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤算法［J］.計(jì)算機(jī)工程與應(yīng)用，2004(3):71-74.

HU M H，REN M W，YANG J Y.A real-time moving object tracking algorithm based on histogram model［J］.Computer Eng.Appl.，2004(3):71-74.(in Chinese)

［10］ 黃永梅，馬佳光，付承毓.目標(biāo)速度預(yù)測(cè)在光電跟蹤控制系統(tǒng)中的應(yīng)用［J］.紅外與激光工程，2004，33(5):477-481.

HUANG Y M，MA J G，F(xiàn)U CH Y.Application of forecast of moving target velocity in electro-optical tracking control system［J］.Infrared and Laser Eng.，2004，33(5):477-481.(in Chinese)

［11］ 薛陳，朱明，劉春香.遮擋情況下目標(biāo)跟蹤算法綜述［J］.中國(guó)光學(xué)，2009，2(5):388-394.

XUE CH，ZHU M，LIU CH X.Review of tracking algorithms under occlusions［J］.Chinese Optics，2009，2(5):388-394.(in Chinese)

［12］ 張玲，蔣大永，何偉，等.基于Mean-shift的改進(jìn)目標(biāo)跟蹤算法［J］.計(jì)算機(jī)應(yīng)用，2008，28(12):3120-3122.

ZHANG L，JIANG D Y，HE W，et al..Improved target tracking algorithm based on Mean-shift［J］.Computer Appl.，2008，28(12):3120-3122.(in Chinese)

［13］ 彭寧嵩，楊杰.Mean-Shift跟蹤算法中核函數(shù)窗寬的自動(dòng)選?。跩］.軟件學(xué)報(bào)，2005，16(9):1542-1550.

PENG N S，YANG J.Automatic selection of kernel-bandwidth for Mean-Shift object tracking［J］.J.Software，2005，16(9):1542-1550.(in Chinese)

［14］ 彭寧嵩，楊杰.Mean-Shift跟蹤算法中目標(biāo)模型的自適應(yīng)更新［J］.數(shù)據(jù)采集與處理，2005，20(2):125-129.

PENG N S，YANG J.Mean-shift tracking with adaptive model update mechanism［J］.J.Data Acquisition Processing，2005，20(2):125-129.(in Chinese)

［15］ 顏佳，吳敏淵，陳淑珍，等.跟蹤窗口自適應(yīng)的Mean Shift跟蹤［J］.光學(xué) 精密工程，2009，17(10):2606-2611.

YAN J，WU M Y，CHEN SH ZH，et al..Mean Shift tracking with adaptive tracking window［J］.Opt.Precision Eng.，2009，17(10):2606-2611.(in Chinese)

［16］ COMANICIU D，RAMESH V，MEER P.Real-time tracking of non-rigid objects using mean shift［J］.IEEE，2000，2:142-149.

［17］ 王田，劉偉寧，韓廣良，等.基于改進(jìn)Mean-Shift的目標(biāo)跟蹤算法［J］.液晶與顯示，2012，27(3):396-400.

WANG T，LIU W N，HANG G L，et al..Target tracking algorithm based on improved Mean-Shift［J］.Chinese J.Liquid Crystals and Displays，2012，27(3):396-400.(in Chinese)

［18］ 杜超，劉偉寧，劉戀.一種基于卡爾曼濾波及粒子濾波的目標(biāo)跟蹤算法［J］.液晶與顯示，2011，26(3):384-389.

DU CH，LIU W N，LIU L.Target tracking algorithm based on kalman filter and particle filter［J］.Chinese J.Liquid Crystals and Displays，2011，26(3):384-389.(in Chinese)

［19］ 劉揚(yáng)，張?jiān)品?，董月?復(fù)雜背景下抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法［J］.液晶與顯示，2010，25(6):890-895.

LIU Y，ZHANG Y F，DONG Y F.Anti-occlusion algorithm of tracking moving object in clutter background［J］.Chinese J.Liquid Crystals and Displays，2010，25(6):890-895.(in Chinese)