袁 云，侯宏錄，趙正川

(西安工業(yè)大學(xué) 光電工程學(xué)院 ，西安 710021)

高速視頻的運(yùn)動(dòng)目標(biāo)特征信息值提取算法

袁 云，侯宏錄，趙正川

(西安工業(yè)大學(xué) 光電工程學(xué)院 ，西安 710021)

為了準(zhǔn)確獲取運(yùn)動(dòng)飛碟的運(yùn)動(dòng)目標(biāo)特征值，在研究相機(jī)幀頻為100 fps基礎(chǔ)上，以采集到運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心為中心，以圖像的行、列像素為特征向量，構(gòu)建運(yùn)動(dòng)目標(biāo)的特征信息值.實(shí)驗(yàn)結(jié)果表明：運(yùn)動(dòng)目標(biāo)特征值提取算法能夠準(zhǔn)確提取出運(yùn)動(dòng)目標(biāo)的特征值，處理時(shí)間為60 ms左右.

運(yùn)動(dòng)目標(biāo)；狀態(tài)識(shí)別；高幀頻；特征向量

運(yùn)動(dòng)目標(biāo)狀態(tài)識(shí)別技術(shù)廣泛應(yīng)用于軍事、交通、體育項(xiàng)目和智能監(jiān)控等領(lǐng)域，通過(guò)實(shí)時(shí)分析運(yùn)動(dòng)目標(biāo)的狀態(tài)信息，可為相應(yīng)工作提供有價(jià)值的技術(shù)參考.運(yùn)動(dòng)目標(biāo)特征值的提取是狀態(tài)識(shí)別技術(shù)的核心部分，因此研究基于高速視頻的運(yùn)動(dòng)目標(biāo)特征值的提取尤為重要.基于圖像的目標(biāo)特征值提取算法主要包括基于目標(biāo)形狀特征的提取算法，基于目標(biāo)邊緣特征的提取算法，基于目標(biāo)分割特征的提取算法以及基于圖像紋理特征的提取算法等[1].文獻(xiàn)[2]選用了符合人類視覺特性的HSV顏色模型 (Hue Saturation Value，HSV)作為運(yùn)動(dòng)目標(biāo)的特征信息值，并且利用人對(duì)顏色的感知，將HSV空間顏色分量進(jìn)行非等間隔量化并形成特征矢量，以圖像中目標(biāo)的顏色作為其特征值.文獻(xiàn)[3]利用一種基于圓環(huán)劃分法來(lái)提取船舶的特征值，所得到的船舶特征值具有旋轉(zhuǎn)、平移及縮放(Rotate Scale Translation,RST).文獻(xiàn)[4]采用一種比例半徑法求取卟啉的特征值，通過(guò)選取合適的加權(quán)比例系數(shù)，縮放卟啉的半徑值，以縮放后的半徑值作為每個(gè)卟啉的特征信息值.本文在對(duì)運(yùn)動(dòng)目標(biāo)圖像進(jìn)行灰度處理的基礎(chǔ)上，以運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心為中心，在水平和垂直方向上分別設(shè)定像素窗口，將窗口內(nèi)的水平和垂直像素向量進(jìn)行拼接，利用拼接而成的向量組作為運(yùn)動(dòng)目標(biāo)的特征值.

1 算法原理

本文提取的運(yùn)動(dòng)目標(biāo)特征信息值包括運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心和運(yùn)動(dòng)目標(biāo)圖像的特征向量.

1.1 找矩原理

求取運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心過(guò)程即為找矩，采用圖像HSV空間的亮度(luminance)值求取圖像的平均質(zhì)心是常用的找矩算法.基本原理為：在圖像HSV空間內(nèi)亮度值的變化范圍為0～1，其值越大，表示此像素點(diǎn)的亮度值越高，由于前景圖像和背景圖像的亮度值有明顯的差異，前景圖像幾乎涵蓋了大部分的亮度值.因此，找到HSV空間亮度值的中心位置即可認(rèn)為是圖像的質(zhì)心位置.找矩過(guò)程示意圖如圖1所示.

圖1 找矩過(guò)程示意圖

一幅分辨率為M×N的圖像，其質(zhì)心坐標(biāo)表達(dá)式為

(1)

(2)

式中：M為圖像的行值；N為圖像的列值；luminance為在HSV空間求取的亮度值；a為圖像

行亮度值；b為圖像列亮度值；x為圖像的質(zhì)心橫坐標(biāo)；y為圖像質(zhì)心的縱坐標(biāo).根據(jù)式(1)和式(2)即可求出運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心坐標(biāo).

1.2 特征向量生成原理

基于灰度圖像的目標(biāo)特征向量生成原理：同一運(yùn)動(dòng)目標(biāo)在不同姿態(tài)下拍攝得到的圖像均不一致，經(jīng)過(guò)圖像增強(qiáng)處理之后的灰度圖像也不會(huì)完全相同.由此可得，不同姿態(tài)下前景圖像的行、列像素值均不一致.因此，采用圖像行、列像素向量作為運(yùn)動(dòng)目標(biāo)的特征向量可表示不同姿態(tài)下的同一運(yùn)動(dòng)目標(biāo).特征向量生成示意圖如圖2所示.

圖2 特征向量生成示意圖

一幅分辨率為M×N的灰度圖像由M行和N列組成，對(duì)圖像進(jìn)行行、列掃描，將每行的像素值累加，得到N維向量組V1；將每列的像素值疊加，得到M維向量組V2，為了縮短算法的處理時(shí)間，將兩個(gè)方向的向量進(jìn)行拼接處理，最終生成運(yùn)動(dòng)目標(biāo)的特征向量.

2 特征值求取步驟

運(yùn)動(dòng)目標(biāo)特征值的求取主要包括圖像預(yù)處理，運(yùn)動(dòng)目標(biāo)的檢測(cè)與提取和特征向量的生成三個(gè)步驟.

2.1 圖像預(yù)處理

一般的圖像處理過(guò)程如圖3所示，圖像輸入之后的第一個(gè)處理過(guò)程即為圖像預(yù)處理，在圖像預(yù)處理完畢之后才能進(jìn)行更高級(jí)別的圖像操作，如圖像分割與圖像識(shí)別.因此，對(duì)輸入圖像的預(yù)處理十分重要.在圖像預(yù)處理階段，主要涉及到圖像的灰度化處理.在本文算法中，由于彩色圖像所攜帶的有用信息與灰度圖像所攜帶的有用信息一致，但是彩色圖像采用的是RGB色調(diào)，其冗余信息較多，因此需要將采集得到的圖像先進(jìn)行灰度化處理，減少其冗余信息量.

圖像預(yù)處理中，灰度圖像只用單一的灰度值表示圖像的有用信息，而RGB圖像則需要采用紅、綠、藍(lán)三基色表示一個(gè)像素點(diǎn)的有用信息，每個(gè)基色又有255種可取值.因此，如果采用RGB三基色表示圖像的有用信息，則一個(gè)像素點(diǎn)的取值就有255×255×255種可取值，每個(gè)像素點(diǎn)的數(shù)據(jù)量相當(dāng)龐大.然而對(duì)圖像灰度化處理后，圖像的數(shù)據(jù)量和運(yùn)算時(shí)間都會(huì)減少.灰度圖像的亮度Y與R，G及B之間的轉(zhuǎn)換關(guān)系為

Y=0.3R+0.59G+0.11B

圖3 一般的圖像處理過(guò)程

2.2 運(yùn)動(dòng)目標(biāo)的檢測(cè)與提取

目前基于圖像的前景提取算法主要有背景差分法[5]、時(shí)間差分法[6]、光流法以及基于統(tǒng)計(jì)的方法[7].當(dāng)背景較為單一時(shí)，采用背景差分法來(lái)提取前景效果最理想，本文采用背景差分法求取前景.其基本原理為：首先用圖像采集裝置采集干凈的背景圖像，然后將帶有前景的圖像與背景圖像對(duì)應(yīng)像素點(diǎn)進(jìn)行差分，差分之后的結(jié)果即為提取出的前景.

背景差分法運(yùn)算公式為

前景物體=包含前景的圖像-背景圖像

(3)

用I(x,y)表示圖像中一點(diǎn)的灰度像素值，差分法提取前景物體的計(jì)算公式為

I前景(x,y)=I(x,y)-I背景(x,y)

(4)

圖4(a)～4(c)為采集系統(tǒng)連續(xù)采集運(yùn)動(dòng)乒乓球拍的第90幀、100幀和110幀圖像，圖4(d)～4(f)為通過(guò)背景差分法提取出第90幀、100幀和110幀圖像中運(yùn)動(dòng)的乒乓球拍.

2.3 特征向量的生成

運(yùn)動(dòng)特征向量生成主要分為尋找運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心和運(yùn)動(dòng)目標(biāo)特征向量的生成.

1)找矩過(guò)程

找矩過(guò)程即為求取運(yùn)動(dòng)目標(biāo)圖像質(zhì)心過(guò)程.一幅分辨率為M×N的圖像，找矩過(guò)程為

① 將圖像轉(zhuǎn)換到以色調(diào)H、飽和度S、亮度V為參數(shù)的HSV空間中.

② 在V空間求取圖像的總亮度值T，行亮度值與M/2差值的總和Xw，列亮度值與N/2差值的總和Yw.

③ 橫坐標(biāo)計(jì)算公式為Xc=Xw/T，縱坐標(biāo)計(jì)算公式為Yc=Yw/T.

2)特征向量的生成

① 分別將圖像水平和垂直方向上的像素疊加，得到N維列像素集合V1，M維行像素集合V2，計(jì)算公式為

定義：V1={V1(1),V1(2),…,V1(N)}

(5)

(6)

定義：V2={V2(1),V2(2),…,V2(M)}

(7)

(8)

② 在V1中以(Yc+N/2)為中心上下各截取a維向量，得到(2a+1)維向量組V3；在V2中以(Xc+M/2)為中心左右各截取a維向量，得到(2a+1)維向量組V4.

③ 將向量組V3和V4進(jìn)行拼接運(yùn)算，得到一個(gè)(4a+2)維的新向量組V5，則V5向量組即為所求的特征向量.計(jì)算公式為

V5=V3∪V4

(9)

截取的a維向量需包含圖像的所有有用像素值點(diǎn)，且a是個(gè)變量，其值需要根據(jù)不同運(yùn)動(dòng)目標(biāo)的圖像進(jìn)行擴(kuò)大或者是縮小等變化.例如運(yùn)動(dòng)目標(biāo)距離攝像頭1.5 m時(shí)，a取值為200維，當(dāng)運(yùn)動(dòng)目標(biāo)距離攝像頭3 m時(shí)，a取值為100維.

圖4 背景差分法提取前景物體過(guò)程及結(jié)果

3 實(shí)驗(yàn)結(jié)果與分析

3.1 找矩過(guò)程及結(jié)果分析

根據(jù)前文提出的尋找圖像質(zhì)心的原理與步驟，拍攝運(yùn)動(dòng)飛碟圖像，在Matlab R2013A開發(fā)環(huán)境下編程尋找運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心.采用德國(guó)BASLER公司的acA2000-60gc型CMOS高幀頻相機(jī)(分辨率為1 280 pixel×1 024 pixel，最高幀頻可達(dá)100 fps)拍攝運(yùn)動(dòng)中的飛碟，尋找飛碟圖像過(guò)程及結(jié)果如圖5所示.

根據(jù)圖5(b)～5(d)可知，當(dāng)把原始RGB圖像分別轉(zhuǎn)換到H、S和V空間后，只有亮度空間V能夠準(zhǔn)確的描述原始圖像的有用信息.根據(jù)圖5(e)顯示，在轉(zhuǎn)換后的V空間能夠準(zhǔn)確尋找出圖像的質(zhì)心.綜合分析可知，將RGB圖像轉(zhuǎn)換到V空間中尋找圖像的質(zhì)心，能夠有效、準(zhǔn)確地提取出運(yùn)動(dòng)目標(biāo)圖像的質(zhì)心.

3.2 特征向量提取過(guò)程及結(jié)果分析

根據(jù)前文提出的特征向量提取原理與步驟，拍攝運(yùn)動(dòng)飛碟的圖像，并在Matlab R2013A開發(fā)環(huán)境下編程提取運(yùn)動(dòng)中飛碟圖像的特征向量.特征向量提取的過(guò)程及結(jié)果如圖6～7所示.

根據(jù)圖7所示的特征向量生成結(jié)果顯示，以圖像質(zhì)心為中心，在1 280維行向量及1 024維列向量上分別各截取400維向量，經(jīng)過(guò)拼接得到802維向量，這個(gè)拼接的向量能夠完整的涵蓋圖像的所有有用信息，且在Matlab實(shí)時(shí)工具里顯示其處理時(shí)間為58 ms.

圖5 提取運(yùn)動(dòng)飛碟圖像質(zhì)心的過(guò)程及結(jié)果

圖6 特征向量生成過(guò)程

圖7 特征向量生成結(jié)果

4 結(jié) 論

采用背景差分法提取運(yùn)動(dòng)目標(biāo)能夠簡(jiǎn)單、高效地提取圖像中的前景物體；將RGB原始圖像轉(zhuǎn)換到以亮度值表示圖像有用信息的V空間，利用平均亮度的算法檢測(cè)出了圖像的質(zhì)心；在檢測(cè)出圖像質(zhì)心的基礎(chǔ)之上，通過(guò)在水平和垂直像素上設(shè)定像素窗口，將窗口內(nèi)的兩組像素進(jìn)行拼接，采用拼接而成的像素向量作為運(yùn)動(dòng)目標(biāo)的特征向量.通過(guò)實(shí)驗(yàn)驗(yàn)證，本文所使用的運(yùn)動(dòng)目標(biāo)圖像質(zhì)心檢測(cè)算法及運(yùn)動(dòng)目標(biāo)特征向量構(gòu)建算法，能夠準(zhǔn)確、高效地達(dá)到提取運(yùn)動(dòng)目標(biāo)特征值的目的.

[1] 李煒承,胡釗政,初秀民.基于圖像處理的內(nèi)河船舶目標(biāo)提取與特征值計(jì)算[J].交通信息與安全,2015,33(3):1.

LI Weicheng,HU Zhaozheng,CHU Xiuming.Vessel Object Extraction and Feature Value Calculation in Inland Waterway Based on Image Processing[J].Traffic Information and Security,2015,33(3):1. (in Chinese)

[2] 羅小剛,汪德暖,候長(zhǎng)軍,等.卟啉傳感陣列圖像特征值自動(dòng)提取算法[J].重慶大學(xué)報(bào),2014,35(4):33.

LUO Xiaogang,WANG Denuan,HOU Changjun,et al.Automatic Feature Extraction Algorithm for Porphyrin Sensor Array Images[J].Journal of Chongqing University,2014,35(4):33.(in Chinese)

[3] 章毓晉.圖像處理與分析[M].北京:清華大學(xué)出版社,1999.

ZHANG Yujin.Image Processing and Analysis[M].Beijing:Tsinghua University Press,1999. (in Chinese)

[4] 劉鵬宇.基于內(nèi)容的圖像特征提取算法的研究[D].長(zhǎng)春：吉林大學(xué),2004.

LIU Pengyu.Study on the Algorithms for Content-based Image Feature Extraction[D].Changchun：Jilin University,2004.(in Chinese)

[5] 張建華.基于灰度的模板匹配算法研究[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué),2013.

ZHANG Jianhua.Study on Template Matching Algorithm Based on Gray Value[D].Hohhot： Inner Mongolia Agriculture University,2013.(in Chinese)

[6] 唐琎,李青.一種快速的模板匹配算法[J].計(jì)算機(jī)應(yīng)用,2010,30(6):1559.

TANG Jin,LIQing.Fast Template Matching Algorithm[J].Journal of Computer Application,2010,30(6)：1559.(in Chinese)

[7] 晁志超,伏思華,姜廣文,等.單目攝像機(jī)-激光測(cè)距傳感器位姿測(cè)量系統(tǒng)[J].光學(xué)學(xué)報(bào),2011,31(3):0312001.

CHAO Zhichao,FU Sihua,JIANG Guangwen, et al.Mono Camera and Laser Rangefinding Sensor Position-Pose Measurement System[J].Journal of Optics,2011,31(3):0312001.

(責(zé)任編輯、校對(duì) 潘秋岑)

【相關(guān)參考文獻(xiàn)鏈接】

李晉惠,容慧.一種靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J].2008,28(6)：573.

侯宏錄,齊晶晶.高速數(shù)據(jù)的跨時(shí)鐘域處理方法及驗(yàn)證[J].2015,35(6)：434.

侯宏錄,杜鵑,王蓉.高幀頻CMOS相機(jī)數(shù)據(jù)傳輸系統(tǒng)設(shè)計(jì)及仿真[J].2011,31(1)：14.

王全,王長(zhǎng)元,穆靜,等.車輛行車實(shí)時(shí)目標(biāo)區(qū)域特征提取及分類訓(xùn)練[J].2015,35(11)：888.

張建生,崔紅,常洋,等.尾流特征圖像提取的數(shù)學(xué)形態(tài)學(xué)方法[J].2012,32(12)：987.

劉萍.基于圖像的產(chǎn)品缺陷特征提取方法[J].2012,32(9)：707.

姚紅革,杜亞勤,劉洋.基于小波分析和BP神經(jīng)網(wǎng)絡(luò)的圖像特征提取[J].2008,28(6)：568.

張宇萍.基于Fisher準(zhǔn)則的二次線性特征提取[J].2007,27(5)：460.

張超.正交小波變換在鉆削刀具狀態(tài)特征提取中的應(yīng)用[J].2007,27(3)：223.

Algorithm to Get the Characteristic Information Value for Moving Target Based on High Speed Video

YUANYun,HOUHonglu,ZHAOZhengchuan

(School of Optoelectronic Engineering,Xi’an Technological University,Xi’an 710021,China)

In order to obtain the characteristic value of moving targets of the flying saucer,for the camera frame rate of 100 fps,the characteristic feature of the moving target is extracted,taking the collected moving target image centroid as the center and the row and column of pixels as eigenvector of the image.The experimental results show that the proposed algorithm achieves accuracy extracting characteristic values of the moving target, and the processing time is 60 ms.

moving target;state recognition;high frame rate;feature vector

10.16185/j.jxatu.edu.cn.2016.12.003

2015-12-09

陜西省科學(xué)技術(shù)研究發(fā)展計(jì)劃(2011K06-22)

袁 云(1991-)，女，西安工業(yè)大學(xué)碩士研究生.

侯宏錄(1960-)，男，西安工業(yè)大學(xué)教授，主要研究方向?yàn)楣怆姕y(cè)試、信息融合、復(fù)雜系統(tǒng)工程建模及仿真與作戰(zhàn)效能評(píng)估. E-mail:hlhou@sina.com.

TB615

A

1673-9965(2016)12-0959-06