賈海濤，方道恒，舒 暢

陣列攝像機(jī)測量系統(tǒng)研究與實(shí)現(xiàn)

賈海濤，方道恒，舒 暢

(電子科技大學(xué)通信與信息工程學(xué)院 成都 610054)

針對(duì)特定目標(biāo)測量的實(shí)時(shí)性和消除危險(xiǎn)性要求，設(shè)計(jì)并實(shí)現(xiàn)了基于陣列攝像機(jī)的智能圖像實(shí)時(shí)目標(biāo)測量系統(tǒng)。該系統(tǒng)綜合利用圖像預(yù)處理和圖像判讀技術(shù)，在改進(jìn)ViBe等相關(guān)算法的基礎(chǔ)上，對(duì)視頻圖像進(jìn)行連續(xù)的實(shí)時(shí)濾波、目標(biāo)檢測和定位實(shí)現(xiàn)對(duì)目標(biāo)的智能測量，同時(shí)提出基于多路視頻信息定位目標(biāo)落點(diǎn)算法。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)精度高、實(shí)時(shí)性強(qiáng)，具有較高的實(shí)用價(jià)值。

陣列攝像機(jī); 圖像判讀; 圖像預(yù)處理; 目標(biāo)檢測

測量是人類從認(rèn)知世界到精確描述世界的重要手段，也是推動(dòng)科技發(fā)展的動(dòng)力。機(jī)械式量測是最常用的方法，但由于其受限于測量工具的誤差，精度已經(jīng)難以滿足現(xiàn)代測量的要求。隨著光學(xué)、聲學(xué)和電磁波技術(shù)的發(fā)展，各種新型測試手段已經(jīng)應(yīng)用于科研生產(chǎn)的各個(gè)環(huán)節(jié)?；谝曨l的測量技術(shù)隨著光電子、圖像處理、機(jī)器視覺等技術(shù)的不斷發(fā)展而日益成熟[1]，它通過圖像傳感器形成對(duì)待測量目標(biāo)的視頻圖像，然后利用圖像處理、目標(biāo)檢測、圖像標(biāo)定等技術(shù)實(shí)現(xiàn)對(duì)檢測目標(biāo)進(jìn)行相關(guān)測量[2]。與雷達(dá)、聲波、激光等技術(shù)手段相比，視頻圖像測量系統(tǒng)是被動(dòng)式工作系統(tǒng)，具有直觀性、可呈現(xiàn)性、隱蔽性和通用性，抗干擾能力強(qiáng)，低空探測，跟蹤性能好等特點(diǎn)，同時(shí)還可進(jìn)行無人工操作，因此可用在危險(xiǎn)區(qū)域?；谝曨l的圖像測量最早出現(xiàn)在美國、德國等西方先進(jìn)國家，隨后其他國家也先后開展了該領(lǐng)域的研究[3-4]。近年來，視頻圖像測量計(jì)算快速發(fā)展，已經(jīng)成功應(yīng)用于工業(yè)生產(chǎn)、精密零件微小加工、裂紋檢測等領(lǐng)域[5]。

軍事領(lǐng)域的視頻測量技術(shù)完成軍事相關(guān)領(lǐng)域的測量，由于視頻圖像測量所具有的被動(dòng)型、抗干擾強(qiáng)等特點(diǎn)，所以其應(yīng)用更為廣泛[6]。但是考慮到實(shí)際戰(zhàn)場環(huán)境下的復(fù)雜性，采用陣列攝像機(jī)技術(shù)開展視頻圖像測量來提高系統(tǒng)的測量精度和抗打擊性是當(dāng)前一種新技術(shù)。本文構(gòu)建了整體系統(tǒng)，并通過實(shí)測驗(yàn)證了系統(tǒng)的可行性和有效性，該系統(tǒng)算法將有利于工程技術(shù)人員在該領(lǐng)域的應(yīng)用實(shí)踐。

1 總體架構(gòu)

本文設(shè)計(jì)的系統(tǒng)需要解決監(jiān)控視場內(nèi)的實(shí)時(shí)情況的回傳，同時(shí)在每個(gè)攝像機(jī)端完成對(duì)目標(biāo)的檢測與提取，形成定位信息，最后利用融合系統(tǒng)完成定位信息的融合，實(shí)現(xiàn)從二維信息到三維地理空間上的轉(zhuǎn)換。因?yàn)楸疚牟捎?個(gè)信息采集點(diǎn)組成整體系統(tǒng)，每個(gè)采集點(diǎn)都有8部相同參數(shù)的高速相機(jī)形成陣列，將采集點(diǎn)的信息傳遞到后端的信息融合處理點(diǎn)完成最終處理。

在信息融合處理模塊上完成接收各個(gè)陣列相機(jī)組塊獲得的視頻和其計(jì)算的測量信息，然后進(jìn)行最終的數(shù)據(jù)融合，從而提高系統(tǒng)的可靠性和精度。整體設(shè)計(jì)結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)總體架構(gòu)

2 視頻信息處理流程

陣列圖像采集模塊主要完成對(duì)功能圖像的預(yù)處理和對(duì)圖像內(nèi)容的判讀，最終獲得目標(biāo)位置的初始定位信息，組成模塊如圖2所示。

圖2 視頻信息處理流程

為了更好實(shí)現(xiàn)對(duì)圖像內(nèi)容的理解判讀，在預(yù)處理階段采用灰度化和直方圖均衡處理算法并結(jié)合圖像校準(zhǔn)來提高輸入圖像的信噪比和光照調(diào)節(jié)。

2.1 圖像判讀

2.1.1 基于差分圖像的關(guān)鍵幀提取

采用基于背景學(xué)習(xí)的圖像內(nèi)容解讀有利于實(shí)現(xiàn)對(duì)目標(biāo)的測量，因此如何建立適合的背景信息是系統(tǒng)的關(guān)鍵內(nèi)容[7]。目前背景學(xué)習(xí)算法主要采用非回歸和回歸遞推兩種方式來實(shí)現(xiàn)[8]，其中非回歸方法對(duì)所有像素建立一個(gè)統(tǒng)計(jì)模型來區(qū)分背景和前景[9]。這些算法并沒有深入分析所有像素的特性，統(tǒng)計(jì)模型難以滿足各種場景下的應(yīng)用，所以其魯棒性不強(qiáng)[10]。尤其是針對(duì)小目標(biāo)的應(yīng)用，不僅需要對(duì)復(fù)雜背景建模，同時(shí)要能判別噪聲與小目標(biāo)的區(qū)別[11]。本文設(shè)計(jì)的算法對(duì)ViBe算法進(jìn)行了改進(jìn)，在利用其算法有效性的情況下加入對(duì)小目標(biāo)的判別，從而有利于實(shí)現(xiàn)本文系統(tǒng)需解決的實(shí)際應(yīng)用情況。

改進(jìn)的ViBe算法利用原先算法采用的像素空間一致性進(jìn)行背景建模，同時(shí)采用Top-hat實(shí)現(xiàn)對(duì)小目標(biāo)的快速檢索，兩個(gè)過程結(jié)合實(shí)現(xiàn)對(duì)背景區(qū)域的更新操作。

視頻測量系統(tǒng)需要快速精準(zhǔn)的定位目標(biāo)，采用關(guān)鍵幀提取完成對(duì)監(jiān)視環(huán)境的建模。若目標(biāo)出現(xiàn)，則利用背景減除算法將實(shí)時(shí)目標(biāo)檢測出來。但是考慮到背景的變化，如光照，隨風(fēng)擺動(dòng)的場景等，需要更智能化的處理算法來學(xué)習(xí)背景，提取出更為合理的關(guān)鍵幀。針對(duì)本文設(shè)計(jì)系統(tǒng)所處理的目標(biāo)特性，對(duì)ViBe算法進(jìn)行了適應(yīng)性更改，利用小目標(biāo)運(yùn)行軌跡特征完成對(duì)背景學(xué)習(xí)更新算法，有利于達(dá)到目標(biāo)測量的目的。ViBe采用指數(shù)平滑衰減的方式建立目標(biāo)背景模型，可以在減少內(nèi)存需求的情況下凸顯像素變化的馬爾可夫性，其關(guān)系可表述為：

式(1)表明背景像素的變化僅與期望時(shí)間間隔t有關(guān)，與更長時(shí)間之前無關(guān)。這種思路沒有利用記憶模板，適應(yīng)場景變化頻度比較高的環(huán)境。

考慮到小目標(biāo)與噪聲點(diǎn)的區(qū)分性，利用其航跡的關(guān)聯(lián)性，在傳統(tǒng)的ViBe算法上進(jìn)行優(yōu)化，根據(jù)鄰域變化特性實(shí)現(xiàn)對(duì)當(dāng)前圖像的變化，有利于小目標(biāo)快速檢測與提取。依據(jù)上述思路，對(duì)ViBe算法所構(gòu)建的像素分類和背景模型更新進(jìn)行改進(jìn)。

ViBe算法采用區(qū)域建模的方式實(shí)現(xiàn)對(duì)背景的認(rèn)知。算法利用背景更新因子φ構(gòu)建一個(gè)小區(qū)域的背景特征。φ值一般選取為16，即圖像中16×16區(qū)域構(gòu)建一個(gè)背景模型。背景模型的定義是，ViBe算法對(duì)每個(gè)像素點(diǎn)利用二維歐幾里德色度空間進(jìn)行描述，任意像素x處的值可寫為()v x。該模型代表所觀察的φ區(qū)域內(nèi)背景所呈現(xiàn)的色度規(guī)律特點(diǎn)[12]。ViBe采用N個(gè)樣本組成背景模型M(x)，有：

式中，iv代表第i個(gè)選取的樣本值。式(2)表明模型利用所選取的N個(gè)樣本值代表對(duì)背景的認(rèn)知，即背景知識(shí)涵蓋于這N個(gè)樣本所代表的特性之內(nèi)。

ViBe算法首先進(jìn)行初始化，對(duì)任意的一個(gè)φ區(qū)域，隨機(jī)選取N個(gè)樣本處的色度空間值y構(gòu)成，有：

式中，上標(biāo)0代表初始時(shí)刻信息；0()vy則代表第一幀圖像上y像素點(diǎn)的色度值。

隨后的圖像上需要按照背景模型對(duì)每個(gè)像素值進(jìn)行分類，即分為背景像素和前景像素(目標(biāo)像素)。分類原則為對(duì)每個(gè)像素x在歐幾里德色度空間以其色度值v(x)建立一個(gè)半徑為R的圓形區(qū)域，然后計(jì)算背景模型中M(x)在該圓形區(qū)域出現(xiàn)的樣本個(gè)數(shù)，圓形區(qū)域用SR(v( x))表示，則有：

式中，#代表所計(jì)算的個(gè)數(shù)。該計(jì)算實(shí)際上制定了兩個(gè)閾值進(jìn)行搜索。

1) 什么范圍是兩個(gè)像素點(diǎn)的色度空間距離的可接受范圍，該值表現(xiàn)了圖像傳感器對(duì)所成像的穩(wěn)定程度。如果成像穩(wěn)定則該距離可以設(shè)定的比較小，如不穩(wěn)定則需要設(shè)置較大閾值。但是較大閾值會(huì)增加圖像誤判的概率。2) 落在有效范圍內(nèi)的個(gè)數(shù)，該參數(shù)比較難確定。設(shè)定該參數(shù)的主要因素有：所形成背景區(qū)域的變化特性，如背景是白墻則比較穩(wěn)定，相應(yīng)獲得的樣本值較集中；類似樹林、天空云彩等環(huán)境變化比較大，所以樣本分散程度較大。

傳統(tǒng)的ViBe算法采用一個(gè)固定閾值counti進(jìn)行判斷，如選擇為2，若樣本與像素色度的歐式距離偏差小于半徑閾值，則計(jì)數(shù)，當(dāng)達(dá)到所設(shè)定的閾值后，可停止計(jì)算。如果像素與背景模型中的樣本匹配個(gè)數(shù)達(dá)到閾值，則該像素被判斷為背景，反之則為前景目標(biāo)。該過程的示意圖如圖3所示。

圖3 當(dāng)前各點(diǎn)像素值與歐幾里德色度空間樣本值集合內(nèi)的像素值對(duì)比圖

ViBe算法中另一個(gè)重要部分是更新背景模型，從上面的分析可以看出，ViBe算法的準(zhǔn)確程度與背景模型是否滿足背景統(tǒng)計(jì)規(guī)律緊密相關(guān)。所以對(duì)背景模型進(jìn)行更新是ViBe算法對(duì)環(huán)境變化適應(yīng)的重要體現(xiàn)。為體現(xiàn)對(duì)各種背景的適應(yīng)性，采用混合更新的方式對(duì)不同背景進(jìn)行更新。無記憶更新主要在前后背景之間沒有太大的相關(guān)性時(shí)采用，該方法對(duì)所有的背景模型樣本值按照1/N概率值隨機(jī)選取背景區(qū)域當(dāng)前像素值進(jìn)行替換。

考慮到背景區(qū)域一般在一個(gè)小區(qū)域內(nèi)具有相似性，可以利用繁殖的方式進(jìn)行樣本更新。對(duì)于一個(gè)16×16區(qū)域每一個(gè)像素按照空間八鄰域進(jìn)行特性分析，如果所選擇的色度值在空間八鄰域很穩(wěn)定，則可作為一個(gè)候選點(diǎn)，然后在所有的候選點(diǎn)內(nèi)隨機(jī)選擇N個(gè)樣本作為背景模型。

上述算法為常規(guī)的ViBe算法，考慮到本文的測量目標(biāo)為小目標(biāo)，所以需要利用小目標(biāo)與噪聲的區(qū)分增加對(duì)小目標(biāo)的檢測。同時(shí)常規(guī)算法在對(duì)像素進(jìn)行分類時(shí)所采用的counti閾值是按照經(jīng)驗(yàn)進(jìn)行判斷，該方法是一種普適方案，但是其效果對(duì)于各種環(huán)境不是最佳方案?？紤]到counti是基于背景模型的認(rèn)知而進(jìn)行設(shè)定的(背景的特性有兩種基本情況，一是背景比較均勻，大部分色度具有比較相似的值；而另外一種背景比較復(fù)雜，色度分散比較大)，針對(duì)環(huán)境和所需檢測的小目標(biāo)，本文對(duì)ViBe算法進(jìn)行優(yōu)化，以適應(yīng)所要達(dá)到的關(guān)鍵幀的提取目的。

優(yōu)化首先設(shè)定像素分類的counti閾值，采用自適應(yīng)的方式進(jìn)行選取。該優(yōu)化方案利用對(duì)背景模型中的隨機(jī)樣本進(jìn)行聚類分析產(chǎn)生所需要的閾值counti。如果所獲得的背景模型中的隨機(jī)樣本比較分散，則counti可以設(shè)為較??；反之，counti設(shè)定為較大閾值。定義聚類公式為：

式中，v為背景樣本的均值，有：

利用式(5)可以計(jì)算出背景樣本的聚集情況。如果Mcluster大于1，則表明該像素所在背景區(qū)域比較聚集，所以選擇大的閾值作為icount；反之則選擇小的閾值作為icount。

利用上述改進(jìn)方法可以實(shí)現(xiàn)自適應(yīng)的像素分類閾值的自適應(yīng)選擇。在此基礎(chǔ)上，針對(duì)小目標(biāo)本文提出采用基于Top-hat的小目標(biāo)記憶模板來增加小目標(biāo)與噪聲的區(qū)分性。Top-hat算法是一種適應(yīng)背景抑制的形態(tài)學(xué)濾波算子，利用與目標(biāo)結(jié)構(gòu)比較相似的結(jié)構(gòu)元素b進(jìn)行小目標(biāo)檢測，其公式為：

式中，(,)f x y是原始圖像；fb?是利用結(jié)構(gòu)元素b對(duì)原始圖像進(jìn)行開運(yùn)算。小目標(biāo)記憶模板利用目標(biāo)運(yùn)行的連續(xù)性，記錄在連續(xù)m幀內(nèi)Top-hat內(nèi)出現(xiàn)目標(biāo)的位置，如果在當(dāng)前圖像上進(jìn)行的Top-hat檢測出的目標(biāo)與之前記錄的小目標(biāo)記憶模板在時(shí)間上形成航跡，則可判斷當(dāng)前Top-hat檢出目標(biāo)為前景目標(biāo)區(qū)域，反之則進(jìn)行ViBe算法的背景像素分類。

依據(jù)上述分析，本文提出的改進(jìn)關(guān)鍵幀提取算法流程為：1) 輸入第一幀，初始化背景模板，進(jìn)行Top-hat形成小目標(biāo)記憶模板。2) 輸入當(dāng)前幀，首先進(jìn)行Top-hat運(yùn)算，新檢測的區(qū)域結(jié)合之前的小目標(biāo)記憶模板如果滿足航跡特征，則檢出區(qū)域?yàn)樾∧繕?biāo)區(qū)域。3) 如果當(dāng)前區(qū)域不滿足小目標(biāo)記憶條件，計(jì)算當(dāng)前區(qū)域背景模板內(nèi)樣本之間的聚類特性，由該特性選擇像素分類閾值。然后按照色度空間與背景模型的樣本進(jìn)行歐式距離計(jì)算，計(jì)算在半徑閾值內(nèi)的樣本個(gè)數(shù)。如果大于之前有聚類特性選擇的閾值則該像素定義為背景，否則為前景目標(biāo)。4) 按照像素分類形成背景區(qū)域，對(duì)背景區(qū)域進(jìn)行膨脹運(yùn)算，形成較為完整的關(guān)鍵幀區(qū)域，降低高頻噪聲影響。

上述過程為本文提出的改進(jìn)關(guān)鍵幀提取算法，該算法更適應(yīng)小目標(biāo)測量計(jì)算的要求。

2.1.2 基于領(lǐng)域灰度特征的濾波

“天哪?！笨死锼沟倌润@呼道，她臉部瘀青，拖著腳跟在我們身后，看得出，她在努力像正常人一樣走路?？吹綄?duì)陣名單，她把握在手中的松餅包裝紙攥成一團(tuán)，有些不平地驚呼：“什么？他們是認(rèn)真的嗎？他們真的安排你和皮特格斗？”

雖然關(guān)鍵幀提取過程采用形態(tài)學(xué)濾波降低噪聲對(duì)后期處理的影響，但是還是會(huì)存在一定的噪聲，使圖像具有一定的失真信息。由于圖像測量需要高精度，所以要進(jìn)行多次濾波，矯正圖像獲得的目標(biāo)檢測失真結(jié)果。

基于鄰域灰度特征的濾波方法利用大區(qū)域范圍的灰度特征進(jìn)行圖像濾波，再結(jié)合所需要檢出目標(biāo)的特性來進(jìn)行處理。該方法采用高頻像素的連通性進(jìn)行計(jì)算，對(duì)高頻像素在八鄰域方向進(jìn)行梯度計(jì)算。如果在一個(gè)方向上具有連續(xù)性，則可判斷該點(diǎn)具有邊界特性，反之如果八鄰域的梯度不具有連續(xù)特性，則可認(rèn)為該點(diǎn)為高斯特性的噪聲點(diǎn)。采用基于鄰域灰度特征的濾波算法結(jié)合關(guān)鍵幀提取算法，對(duì)實(shí)際獲得的圖像進(jìn)行測試，可以得到更好的目標(biāo)檢出率，同時(shí)降低虛假目標(biāo)對(duì)系統(tǒng)測量精度的影響。

2.2 目標(biāo)方位角及落點(diǎn)位置計(jì)算

利用2.1節(jié)方法檢出目標(biāo)后，可實(shí)現(xiàn)對(duì)目標(biāo)信息的計(jì)算。首先計(jì)算目標(biāo)的方位。

1) 利用GPS差分信號(hào)計(jì)算攝像機(jī)與兩個(gè)參考標(biāo)相對(duì)于中心坐標(biāo)的偏差；2) 通過人工點(diǎn)擊方式在攝像機(jī)圖像上精確獲得參考標(biāo)的橫坐標(biāo)(兩個(gè)參考標(biāo)的橫坐標(biāo)分別為u1和u2)。設(shè)檢出目標(biāo)的位置橫坐標(biāo)為x，則可由(u2?u1)/α=(x?u1)/β計(jì)算攝像機(jī)、參考標(biāo)和目標(biāo)之間的夾角β，即為目標(biāo)的方位角。

按照?qǐng)D像測量原理，對(duì)目標(biāo)位置的計(jì)算需要至少兩個(gè)攝像機(jī)信息來進(jìn)行解算。采用的攝像機(jī)數(shù)據(jù)越多，攝像機(jī)清晰度越高，目標(biāo)檢出算法越準(zhǔn)確，則融合獲得的精度更高。但是在實(shí)際系統(tǒng)設(shè)計(jì)過程中還要考慮系統(tǒng)需要完成視頻的實(shí)時(shí)傳輸、目標(biāo)檢出和位置解算等多個(gè)過程保持實(shí)時(shí)性，所以必須進(jìn)行優(yōu)化設(shè)計(jì)來解決上述矛盾。

1) 固定觀測攝像機(jī)，利用GPS差分信號(hào)計(jì)算其坐標(biāo)，在檢出目標(biāo)后計(jì)算目標(biāo)方位角β，則計(jì)算大地坐標(biāo)下目標(biāo)落點(diǎn)與觀察相機(jī)之間的直線方程為：

2) 設(shè)當(dāng)前具有N個(gè)觀測點(diǎn)，每個(gè)觀測點(diǎn)都獲得式(8)的直線方程。對(duì)直線方程按照式(9)進(jìn)行兩兩相交計(jì)算，可求解出誤差最小的CN2個(gè)交匯點(diǎn)(由于存在測量誤差，很多直線不能直接相交，所以只能選擇誤差最小的交匯點(diǎn))：

因?yàn)槟繕?biāo)具有航跡運(yùn)動(dòng)特性，可以從運(yùn)動(dòng)方向上去除一些虛假的交匯點(diǎn)。設(shè)經(jīng)過運(yùn)動(dòng)方向判斷后還存在K個(gè)交匯點(diǎn)Li( i=1,2,…,K)。

3) 對(duì)剩余的交匯點(diǎn)，利用距離函數(shù)d(?)和代價(jià)函數(shù)F(?)尋找最佳的交匯點(diǎn)所構(gòu)成的凸多邊形，最終的落點(diǎn)則選擇凸多邊形最優(yōu)化的方法獲得，有：

3 實(shí)測系統(tǒng)分析

采用本文設(shè)計(jì)的算法，實(shí)現(xiàn)了利用陣列攝像機(jī)完成對(duì)小目標(biāo)的測量系統(tǒng)。該系統(tǒng)可以在3臺(tái)攝像機(jī)同時(shí)進(jìn)行采集時(shí)完成對(duì)小目標(biāo)實(shí)時(shí)落點(diǎn)的計(jì)算。圖4為本文所構(gòu)建系統(tǒng)實(shí)際獲得的目標(biāo)圖像。

圖4分別顯示了3臺(tái)攝像機(jī)同時(shí)拍攝的圖像。攝像機(jī)之間的同步信號(hào)利用GPS系統(tǒng)的授時(shí)信息完成。由于具有一定的噪聲，所以在攝像機(jī)2和攝像機(jī)3中檢出的目標(biāo)落點(diǎn)具有一定的誤差，該誤差如果不能用其他信息進(jìn)行校正，則為后續(xù)計(jì)算引入誤差。攝像機(jī)1檢出的目標(biāo)精度較高。利用2.2節(jié)的陣列攝像機(jī)目標(biāo)位置融合計(jì)算公式可對(duì)3臺(tái)攝像機(jī)計(jì)算的偏差進(jìn)行糾正，最終獲得的落點(diǎn)結(jié)果如圖5所示。

圖5顯示了本文設(shè)計(jì)系統(tǒng)計(jì)算的目標(biāo)落點(diǎn)，為了便于觀察，在該結(jié)果圖上也顯示了3臺(tái)拍攝的陣列攝像機(jī)的位置。在實(shí)際設(shè)計(jì)過程中，如果能預(yù)測出目標(biāo)的落點(diǎn)，則將3臺(tái)攝像機(jī)進(jìn)行分布放置，其計(jì)算結(jié)果滿足落在3臺(tái)攝像機(jī)中心位置，則能獲得最好精度解算。本文構(gòu)建的實(shí)際系統(tǒng)在具體實(shí)踐過程中進(jìn)行測試表明，在測量半徑高的情況下能獲得可接受的解算結(jié)果。同時(shí)該系統(tǒng)可實(shí)現(xiàn)實(shí)時(shí)成對(duì)目標(biāo)的檢出和落點(diǎn)估計(jì)，滿足了實(shí)際系統(tǒng)的需要。

圖4 3個(gè)陣列相機(jī)目標(biāo)落點(diǎn)

圖5 陣列攝像機(jī)和目標(biāo)落點(diǎn)示意圖

4 結(jié) 論

為構(gòu)建能滿足實(shí)時(shí)性和精度要求的圖像測量系統(tǒng)，本文設(shè)計(jì)了陣列攝像機(jī)組成的智能圖像目標(biāo)測量系統(tǒng)。該系統(tǒng)針對(duì)所需要完成的任務(wù)在ViBe算法難以實(shí)現(xiàn)的小目標(biāo)檢出難題上提出了背景模型聚類分析自適應(yīng)閾值選取和Top-hat小目標(biāo)記憶模板判決改進(jìn)方案，使整體系統(tǒng)在滿足實(shí)時(shí)性要求下具有更好的目標(biāo)檢出效果。所搭建的3臺(tái)陣列攝像機(jī)目標(biāo)測量系統(tǒng)經(jīng)過實(shí)際測量滿足了系統(tǒng)技術(shù)指標(biāo)，達(dá)到實(shí)用性要求，從而實(shí)現(xiàn)了其社會(huì)及經(jīng)濟(jì)價(jià)值。

[1] 王吉林, 趙力. 基于圖像處理的電纜護(hù)套厚度精密測量[J]. 電子器件, 2013, 36(6): 849-853. WANG Ji-lin，ZHAO Li. Cable sheath materials thickness precision measurement based on image processing[J]. Chinese Journal of Electron Devices, 2013, 36(6): 849-853.

[2] LUO Gang, CHEN Zhi-yuan, FEI Zhi-gen. The research on autofocus system of miniature five-coordinate image measuring machine[J]. Applied Mechanics and Materials, 2012, 121-126: 1286-1290.

[3] TANIGUCHI M, KANAZAWA M. Application of digital image measuring system (DIMS) and shadow image processing technique (SIPT) to damage analysis of electrical sliding contact surface[J]. IEICE Transactions on Electronics, 1998, E81-C(3): 377-383.

[4] SUN Y D, XU W Q, ZHOU B Q, et al. Design and research on touch-sensitive image measuring instrument with high precision[J]. Advanced Materials Research, 2011, 215: 397-400.

[5] ZHOU Ning, LI Xiao-feng, LI Zai-ming. Dim target detection based on spatio-morphological and wavelet transform clutter suppression[J]. Opto-Electronic Engineering, 2009, 36(11): 163-168.

[6] FU Zhi-zhong, LIU Ling-qiao, XIAN Hai-ying. Human computer interaction research and realization based on leg movement analysis[C]//ICACIA 2010. [S.l.]: IEEE, 2010: 124-127.

[7] FU Zhi-zhong, XIAN Hai-ying, XU Jin, et al. Evaluation of motion blur parameter based on cepstrum domain of the intentional restored image[C]//ICCP2010. [S.l.]: [s.n.], 2010: 95-101.

[8] KIANI A, EBADI H, AHMADI F F, et al. Design and implementation of an expert interpreter system for intelligent acquisition of spatial data from aerial or remotely sensed images[J]. Journal of the International Measurement Confederation, 2014, 47(1): 676-685.

[9] ROY S, BROWN M S, SHIH G L. Visual interpretation with three-dimensional annotations (VITA): Three-dimensional image interpretation tool for radiological reporting[J]. Journal of Digital Imaging, 2014, 27(1): 49-57.

[10] CUCCHIARA R, GRANA C, PICCARDI M, et al. Detecting moving objects, ghosts, and shadows in video streams[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25: 1337-1342.

[11] LI Q, SHAO C F, YUE H, et al. Real-time foregroundbackground segmentation Based on improved codebook model[C]//International Conference on BioMedical Engineering and Informatics. [S.l.]: IEEE, 2010(1): 269-273.

[12] HARITAOGLU I, HATWOOD D, DAVIS L W. Real-time surveillance of people and their activities[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 22(8): 809-830.

編 輯 漆 蓉

Research and Implementation of Array Cameras Measuring System

JIA Hai-tao, FANG Dao-heng, and SHU Chang

(School of Communication and Information Engineering, University of Electronic Science and Technology of China Chengdu 610054)

In this paper, a video image based array camera target measurement system is designed and realized to meet the real-time and hazardous area restricting requirements for specific targets. Image preprocessing and interpretation techniques are employed in the proposed system. Based on the improved algorithms such as ViBe algorithm, the goal of intelligent measurement is achieved by conducting image filtering, target detection and locating on the input video sequences. Moreover, the algorithm of positioning point of target fall is presented based on multichannel tele-camera. Experimental results show that the proposed system has high precision with better real-time performance, and therefore is promising in future applications.

array cameras; image interpretation; image preprocessing; target detection

TP391.41

A

10.3969/j.issn.1001-0548.2015.06.007

2014 ? 04 ? 14；

2014 ? 11 ? 18

賈海濤(1977 ? )，男，博士，主要從事信號(hào)與信息處理方面的研究.