李德文（廣東南方電信規(guī)劃咨詢?cè)O(shè)計(jì)院有限公司惠州分公司，廣東　惠州　516000）

試析網(wǎng)絡(luò)視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)跟蹤方法改進(jìn)

李德文
（廣東南方電信規(guī)劃咨詢?cè)O(shè)計(jì)院有限公司惠州分公司，廣東惠州516000）

本文簡(jiǎn)單的介紹了網(wǎng)絡(luò)視屏監(jiān)控的系統(tǒng)框架，并進(jìn)一步的研究和探討了MeanShift目標(biāo)跟蹤算法及其改進(jìn)方法，希望能夠有效的促進(jìn)我國(guó)網(wǎng)絡(luò)視頻監(jiān)控目標(biāo)跟蹤的實(shí)時(shí)性和有效性。

網(wǎng)絡(luò)視頻監(jiān)控；運(yùn)動(dòng)目標(biāo)跟蹤；算法改進(jìn)；MeanShift算法

網(wǎng)絡(luò)視頻監(jiān)控主要使用的是智能處理技術(shù)對(duì)監(jiān)控領(lǐng)域進(jìn)行監(jiān)控的一項(xiàng)關(guān)鍵技術(shù)，網(wǎng)絡(luò)視頻監(jiān)控技術(shù)會(huì)將視頻中的各個(gè)幀圖像中確定運(yùn)用目標(biāo)的位置，同時(shí)會(huì)分配一致的ID號(hào)，進(jìn)而確定跟蹤目標(biāo)的運(yùn)動(dòng)軌跡，因此網(wǎng)絡(luò)視頻監(jiān)控是各種后續(xù)應(yīng)用的基礎(chǔ)，例如：目標(biāo)行為、目標(biāo)分類等等。MeanShift算法是網(wǎng)絡(luò)視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)跟蹤的一種主要算法，該項(xiàng)算法具有收斂速度快、計(jì)算量小的優(yōu)點(diǎn)，因此在網(wǎng)絡(luò)視頻監(jiān)控的運(yùn)動(dòng)目標(biāo)跟蹤中得到了廣泛的應(yīng)用，但是研究表明MeanShift算法也存在著一系列的問(wèn)題，需要進(jìn)行深入的研究與改進(jìn)，例如：當(dāng)運(yùn)動(dòng)物體被事物遮擋，或者是運(yùn)動(dòng)物體在運(yùn)動(dòng)區(qū)域進(jìn)行相互重疊等等情況就很容易造成運(yùn)動(dòng)目標(biāo)跟蹤的丟失，因此本文主要針對(duì)MeanShift算法中存在的不足對(duì)網(wǎng)絡(luò)視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)的跟蹤進(jìn)行了改進(jìn)。

一、網(wǎng)絡(luò)視頻監(jiān)控發(fā)展進(jìn)程

網(wǎng)絡(luò)視頻在我國(guó)主要經(jīng)歷了三個(gè)發(fā)展階段：

1 發(fā)展初期，由安防產(chǎn)品轉(zhuǎn)變而來(lái)的第一代模擬的視頻監(jiān)控系統(tǒng)——閉路視頻監(jiān)控系統(tǒng)，是我國(guó)最早的視頻監(jiān)控系統(tǒng)。

2 發(fā)展中期，在20世紀(jì)的90年代，基于pc機(jī)插卡式的視頻監(jiān)控系統(tǒng)逐漸的進(jìn)入人們的生活，雖然這種監(jiān)控系統(tǒng)已經(jīng)初步的實(shí)現(xiàn)了數(shù)字化，但是由于我國(guó)當(dāng)時(shí)在遠(yuǎn)程傳輸?shù)谋O(jiān)控、圖像的質(zhì)量以及穩(wěn)定性方面還存在著諸多問(wèn)題，因此第二代的視頻監(jiān)控系統(tǒng)也僅僅只能扮演著安防產(chǎn)品的角色應(yīng)用與部分特點(diǎn)的行業(yè)之中。

3 20世紀(jì)90年代末至今，隨著我國(guó)計(jì)算機(jī)信息以及網(wǎng)絡(luò)、通信技術(shù)的不斷發(fā)展和各種視頻監(jiān)控技術(shù)的不斷完善，以智能圖像分析為特點(diǎn)的網(wǎng)絡(luò)視頻監(jiān)控技術(shù)逐漸的在各行各業(yè)中得到了廣泛的應(yīng)用。

二、網(wǎng)絡(luò)視頻監(jiān)控的系統(tǒng)框架

網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)主要由網(wǎng)絡(luò)攝像機(jī)和智能分析服務(wù)器兩個(gè)部分組成，其具體的網(wǎng)絡(luò)視頻監(jiān)控處理流程圖如圖一所示，網(wǎng)絡(luò)攝像機(jī)的主要功能是對(duì)監(jiān)控區(qū)域進(jìn)行數(shù)據(jù)的采集以及對(duì)采集的錄像進(jìn)行壓縮編制，然后再將采集的視頻數(shù)據(jù)通過(guò)RTP的方式進(jìn)行發(fā)包，傳送給后臺(tái)的智能分析服務(wù)器。而智能分析服務(wù)器主要是接收網(wǎng)絡(luò)攝像機(jī)采集的視頻數(shù)據(jù)，并對(duì)接收到的RTP數(shù)據(jù)進(jìn)行幀解碼，最后再通過(guò)智能分析技術(shù)對(duì)監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行分析和處理。因?yàn)榫W(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)的數(shù)據(jù)采集和視頻的分析都是實(shí)時(shí)進(jìn)行的，因此對(duì)智能分析以及視頻解碼的正確性提出了較高的要求，并且智能分析服務(wù)器的處理速度一定要滿足實(shí)時(shí)處理的需要。

運(yùn)動(dòng)目標(biāo)的跟蹤以及運(yùn)動(dòng)目標(biāo)的檢測(cè)等等都是屬于智能分析技術(shù)的范疇，智能分析技術(shù)的目標(biāo)跟蹤的處理流程如圖2所示，從圖2中我們可以清楚的看到每一幀視頻監(jiān)控首先都必須經(jīng)過(guò)前背景檢測(cè)模塊對(duì)前像進(jìn)行提取，讓后經(jīng)過(guò)新團(tuán)塊檢測(cè)模塊對(duì)需要檢測(cè)的目標(biāo)監(jiān)理跟蹤對(duì)象，然后再進(jìn)入團(tuán)塊跟蹤模塊對(duì)跟蹤目標(biāo)在前幀的位置進(jìn)行確定，最后進(jìn)入軌跡分析模塊對(duì)跟蹤目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行分析。

三、MeanShift目標(biāo)跟蹤算法以及改進(jìn)方案

團(tuán)塊跟蹤模塊是目標(biāo)跟蹤技術(shù)的核心部分，而MeanShift跟蹤算法是應(yīng)用最為廣泛的一種目標(biāo)跟蹤算法，因?yàn)榫W(wǎng)絡(luò)視頻監(jiān)控技術(shù)對(duì)視頻監(jiān)控的準(zhǔn)確性和實(shí)時(shí)性提出了較高的要求，因此本文主要研究和探討了MeanShift算法的改進(jìn)方法。

1 MeanShift跟蹤算法。MeanShift算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤時(shí)，首先使用的使顏色直方圖對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行表示。在某一幀內(nèi)，候選目標(biāo)的初選位置均是上一幀的目標(biāo)位置，并且使用的是Bhattacharyya系數(shù)對(duì)目標(biāo)和候選目標(biāo)的相似度進(jìn)行計(jì)算，同時(shí)在目標(biāo)的附近用MeanShift算法進(jìn)行迭代搜索，進(jìn)一步的尋找相似度較大的候選目標(biāo)。雖然MeanShift算法具有收斂速度快和計(jì)算量小的優(yōu)點(diǎn)，但是利用該方法對(duì)跟蹤領(lǐng)域的目標(biāo)進(jìn)行跟蹤時(shí)，算法容易受到遮擋的影響。

圖1　網(wǎng)絡(luò)視頻監(jiān)控處理流程圖

圖2　目標(biāo)跟蹤處理流程圖

圖3　多個(gè)物體運(yùn)動(dòng)遮擋的算法比較

2 改進(jìn)的基于Kalman濾波的Mean Shift跟蹤算法。針對(duì)MeanShift跟蹤算法中存在的問(wèn)題，在Kalman的濾波狀態(tài)中引入加速度項(xiàng)，能夠更準(zhǔn)確的對(duì) 運(yùn)動(dòng)目標(biāo)在當(dāng)前幀的速度和位置進(jìn)行預(yù)測(cè)，因此能夠大幅度的掌握運(yùn)動(dòng)目標(biāo)突然轉(zhuǎn)變的情況。（1）算法設(shè)計(jì)?；贙alman濾波的Mean Shift算法主要可以分為三個(gè)步驟：①由于Kalman濾波的運(yùn)動(dòng)位置是根據(jù)上一幀的運(yùn)動(dòng)狀態(tài)對(duì)當(dāng)前視頻幀的運(yùn)動(dòng)位置進(jìn)行預(yù)測(cè)，并且將該位置作為MeanShift算法的初始搜索點(diǎn)。②通過(guò)進(jìn)行幾次MeanShift迭代，便能夠有效的得出當(dāng)前視頻幀的最優(yōu)估測(cè)位置。③以運(yùn)動(dòng)目標(biāo)的最優(yōu)估測(cè)位置作為MeanShift的觀測(cè)值，并將該值帶入到Kalman的更新階段，用于更新與其相關(guān)的參數(shù)。（2）實(shí)驗(yàn)結(jié)果分析。通過(guò)對(duì)傳統(tǒng)的MeanShift算法與基于Kalman濾波的Mean Shift算法進(jìn)行比較，得到圖3，從圖3中我們可以清楚的發(fā)現(xiàn)，利用傳統(tǒng)的Mean Shift進(jìn)行運(yùn)動(dòng)目標(biāo)的跟蹤，圖3（a）、（b）在兩個(gè)物體相遇后都出現(xiàn)了跟蹤丟失，而基于Kalman濾波的MeanShift算法并沒(méi)有因?yàn)閮蓚€(gè)物體的相遇而受到遮擋的影響，如圖3（c）、（d）所示。

結(jié)語(yǔ)

綜上所述，通過(guò)對(duì)網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究與分析，我們發(fā)現(xiàn)了MeanShift算法中存在的不足，為了有效的解決MeanShift算法中存在的不足，本文在Kalman濾波的基礎(chǔ)上研究了MeanShift算法因?yàn)檎谘诟檨G失的問(wèn)題，對(duì)傳統(tǒng)的MeanShift算法進(jìn)行了改進(jìn)，在一定的程度上有效的提高了網(wǎng)絡(luò)視頻監(jiān)控的效率與準(zhǔn)確性，并且通過(guò)實(shí)驗(yàn)證明改進(jìn)后的MeanShift算法具有實(shí)時(shí)性好、簡(jiǎn)單方便的特性，可以在網(wǎng)絡(luò)視頻監(jiān)控中進(jìn)行廣泛的使用。

[1]李勁菊，朱青，王耀南，等.一種復(fù)雜背景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法[J].儀器儀表學(xué)報(bào)，2010，31（10） .

[2]徐楊.基于視頻序列的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D].合肥工業(yè)大學(xué)，2010.

[3]焦波.面向智能視頻監(jiān)控的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D].國(guó)防科學(xué)技術(shù)大學(xué)，2009.

[4]張文杰，戚飛虎，江卓軍，等.實(shí)時(shí)視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的一種實(shí)用方法[J].上海交通大學(xué)學(xué)報(bào)，2002，36（12）.

[5]黨曉軍.復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤技術(shù)的研究與系統(tǒng)實(shí)現(xiàn)[D].國(guó)防科學(xué)技術(shù)大學(xué)，2008.

[6]盛平，倪冬瑋，張凈，等.動(dòng)態(tài)目標(biāo)跟蹤與自動(dòng)特寫(xiě)快照系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)[J].東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，41（05）.

TP391

A