凱邁（洛陽）測控有限公司　馮嬋娟

?

視頻中運(yùn)動(dòng)目標(biāo)檢測與跟蹤方法研究

凱邁（洛陽）測控有限公司馮嬋娟

在當(dāng)前的計(jì)算機(jī)視覺研究中，運(yùn)動(dòng)目標(biāo)的檢測與跟蹤是較為重要的研究課題。自運(yùn)動(dòng)目標(biāo)檢測跟蹤技術(shù)出現(xiàn)以來，就一直受重視和研究并且應(yīng)用在社會(huì)各個(gè)方面。本文通過對視頻中的運(yùn)動(dòng)目標(biāo)檢測跟蹤進(jìn)行研究，對主要的幾種檢測跟蹤方法進(jìn)行了分析。

視頻；運(yùn)動(dòng)目標(biāo)；檢測；跟蹤；方法研究

一、運(yùn)動(dòng)目標(biāo)檢測跟蹤工作的現(xiàn)狀

（一）視頻中運(yùn)動(dòng)目標(biāo)檢測跟蹤簡述

計(jì)算機(jī)視覺和視頻信息處理的一個(gè)重要的部分是運(yùn)動(dòng)目標(biāo)檢測跟蹤，運(yùn)動(dòng)目標(biāo)檢測跟蹤技術(shù)是一項(xiàng)綜合性的研究課題，包含圖像處理、人工智能、模式識別、自動(dòng)控制等不同的學(xué)科領(lǐng)域。

運(yùn)動(dòng)目標(biāo)的檢測跟蹤自今已經(jīng)有多年的研究歷史，主要是對運(yùn)動(dòng)目標(biāo)對象進(jìn)行實(shí)時(shí)的觀測和分類，并對運(yùn)動(dòng)目標(biāo)的行為進(jìn)行分析研究。這種技術(shù)能夠?qū)⒛繕?biāo)在圖像信號中實(shí)時(shí)的自動(dòng)識別出來，并對目標(biāo)位置和運(yùn)動(dòng)進(jìn)行提取和自動(dòng)跟蹤。

（二）運(yùn)動(dòng)目標(biāo)檢測跟蹤工作的難點(diǎn)

由于我國對于視頻的運(yùn)動(dòng)目標(biāo)檢測跟蹤的研究相對于發(fā)達(dá)國家來說發(fā)展較晚，在對目標(biāo)進(jìn)行檢測跟蹤研究時(shí)還會(huì)面臨很多的難題。

1.背景較復(fù)雜

實(shí)際的目標(biāo)檢測跟蹤受到背景的影響比較大，特別是一些顏色與目標(biāo)相近的背景，對于基于顏色特征的目標(biāo)檢測跟蹤來說有較大的難度。

2.初始化

完整的目標(biāo)跟蹤系統(tǒng)包含檢測和跟蹤兩部分，一般采用人機(jī)交互的方式進(jìn)行目標(biāo)初始化，用鼠標(biāo)點(diǎn)擊目標(biāo)進(jìn)行目標(biāo)的檢測和識別。此時(shí)目標(biāo)跟蹤系統(tǒng)無法跳過目標(biāo)檢測步驟直接跟蹤。

3.光照的變化

在室外室內(nèi)光線差別較大的情況下，雖然可以用不同的顏色系統(tǒng)減輕光照變換對算法的影響，但是光照的變化問題依舊會(huì)對目標(biāo)的跟蹤造成不可避免的影響。

4.陰影問題

實(shí)際的檢測跟蹤系統(tǒng)中的運(yùn)動(dòng)目標(biāo)常會(huì)伴隨有運(yùn)動(dòng)陰影，很容易造成運(yùn)動(dòng)目標(biāo)的變形、合并、丟失。目前對陰影的檢測與消除是研究人員對運(yùn)動(dòng)目標(biāo)進(jìn)行有效分割的研究難題。

5.遮擋問題

運(yùn)動(dòng)目標(biāo)在被跟蹤的過程中，會(huì)出現(xiàn)被非目標(biāo)物體部分或全部遮擋的情況，有些時(shí)候被更跟蹤的目標(biāo)之間也會(huì)相互遮擋，解決遮擋問題也是目標(biāo)跟蹤研究中急需解決的問題。

二、視頻中運(yùn)動(dòng)目標(biāo)檢測跟蹤的常用方法

對運(yùn)動(dòng)目標(biāo)進(jìn)行檢測跟蹤，首先要進(jìn)行對運(yùn)動(dòng)目標(biāo)的檢測，在監(jiān)控場景中實(shí)時(shí)的檢測提取運(yùn)動(dòng)目標(biāo)，之后就是同等重要的運(yùn)動(dòng)目標(biāo)跟蹤環(huán)節(jié)。接下來對目標(biāo)的檢測與跟蹤方法中比較常用的幾種進(jìn)行分析，不難發(fā)現(xiàn)目前所用的方法在中有一些缺陷和比較難攻克的難題。

（一）視頻中運(yùn)動(dòng)目標(biāo)檢測方法

1.幀間差分法

幀間差分法具有實(shí)現(xiàn)簡單，運(yùn)算量小，噪點(diǎn)較少，對光照不敏感的優(yōu)點(diǎn)。兩幀相鄰的圖像時(shí)間較短，可以在背景變化比較平緩穩(wěn)和的時(shí)候，對比前后兩幅圖像的差值判斷目標(biāo)的運(yùn)動(dòng)特性。但不足是在檢測過快或過慢的目標(biāo)時(shí)會(huì)顯示為兩個(gè)前景區(qū)域或物體內(nèi)部空洞。

2.背景差分法

背景差分法也是比較常用的運(yùn)動(dòng)目標(biāo)檢測算法。背景差分法首先從視頻序列中選定一個(gè)背景圖像當(dāng)做參考模型，之后對視頻序列的當(dāng)前幀和背景圖像做差分運(yùn)算，選定合適的閾值對差分圖像進(jìn)行二值化處理，從而把運(yùn)動(dòng)目標(biāo)從圖像中分離出來。但是該算法的其中一個(gè)局限性是只能在靜態(tài)背景下使用。

3.光流法

光流法是假定對每一幀視頻序列中的每個(gè)像素點(diǎn)都定義了一個(gè)速度矢量，如果在檢測中每個(gè)像素點(diǎn)的速度矢量變化連續(xù)、平滑時(shí)，說明圖像中沒有運(yùn)動(dòng)的物體。反之畫面中像素點(diǎn)的矢量變化是離散的，則說明物體發(fā)生相對運(yùn)動(dòng)。這種方法適用于背景不斷變換的情況，不過抗噪能力比較差，也容易受光照的影響。

（二）視頻中運(yùn)動(dòng)目標(biāo)跟蹤方法

運(yùn)動(dòng)目標(biāo)跟蹤是在目標(biāo)檢測的基礎(chǔ)上，對視頻圖像序列中運(yùn)動(dòng)目標(biāo)的位置、運(yùn)動(dòng)軌跡、速度和加速度等參數(shù)進(jìn)行分析，采用合適的匹配算法對目標(biāo)的有效特征進(jìn)行特征點(diǎn)匹配，從而獲得目標(biāo)的運(yùn)動(dòng)軌跡。運(yùn)動(dòng)目標(biāo)跟蹤方法可以分為如下幾類。

1.基于目標(biāo)輪廓的跟蹤算法

在視頻序列背景較為簡單時(shí)，可以直接利用灰度分割或者圖像梯度來獲得運(yùn)動(dòng)對象的輪廓。但是，當(dāng)背景較為復(fù)雜或與目標(biāo)顏色相近時(shí)，這種算法就容易產(chǎn)生錯(cuò)誤匹配。

2.基于模型的跟蹤算法

該算法是對整個(gè)運(yùn)動(dòng)目標(biāo)所在的區(qū)域進(jìn)行匹配，所以在運(yùn)動(dòng)目標(biāo)沒有被遮擋的情況下，該算法的效果最好，跟蹤也非常穩(wěn)定。缺點(diǎn)是區(qū)域匹配比較耗時(shí)，運(yùn)算量很大，實(shí)時(shí)性差，并且要求目標(biāo)不能被遮擋并且不能發(fā)生很大的形變，否則跟蹤的準(zhǔn)確度將嚴(yán)重下降。

3.基于頻率域的跟蹤算法

與空間域算法相比，頻率域算法有其自己的優(yōu)點(diǎn)：首先圖像的亮度變化對該算法基本沒有影響，其次該算法定位精度高，抗干擾能力強(qiáng)，對外界環(huán)境變化不敏感。但是，該算法也有一定的缺點(diǎn)，就是只能對單個(gè)運(yùn)動(dòng)物體進(jìn)行跟蹤，這也是該算法的局限性所在。

4.基于區(qū)域匹配的跟蹤算法

該算法是對整個(gè)運(yùn)動(dòng)目標(biāo)所在的區(qū)域進(jìn)行匹配，所以在運(yùn)動(dòng)目標(biāo)沒有被遮擋的情況下，該算法的效果最好，跟蹤也非常穩(wěn)定。缺點(diǎn)是區(qū)域匹配比較耗時(shí)，運(yùn)算量很大，實(shí)時(shí)性差，并且要求目標(biāo)不能被遮擋并且不能發(fā)生很大的形變，否則跟蹤的準(zhǔn)確度將嚴(yán)重下降。

三、視頻中運(yùn)動(dòng)目標(biāo)檢測跟蹤方法的改進(jìn)

在現(xiàn)有目標(biāo)跟蹤方法中經(jīng)常會(huì)出現(xiàn)目標(biāo)丟失的情況時(shí)，可以引入RANSAC提純的SURF算法對運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行重新定位實(shí)現(xiàn)持續(xù)跟蹤。當(dāng)使用傳統(tǒng)Camshift算法對目標(biāo)跟蹤失敗時(shí)，可以采用RANSAC提純的SURF算法對運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行特征點(diǎn)匹配，找到跟蹤失敗的目標(biāo)，然后再回到Camshift算法，從而實(shí)現(xiàn)對目標(biāo)的持續(xù)跟蹤。

改進(jìn)的算法使用Bhattacharyya系數(shù)對目標(biāo)的丟失情況進(jìn)行判斷。在實(shí)際情況下Bhattacharyya系數(shù)很難達(dá)到最大值1，因此這里設(shè)置閾值為0.8。當(dāng)Bhattacharyya系數(shù)小于0.8時(shí)，就認(rèn)為目標(biāo)丟失。改進(jìn)后的算法的具體步驟如下：

第一步，分析運(yùn)動(dòng)目標(biāo)檢測的結(jié)果，確定視頻序列起始幀的初始目標(biāo)區(qū)域，即搜索窗口的大小和初始位置。

第二步，采用傳統(tǒng)的Camshift目標(biāo)跟蹤算法對運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，獲得候選目標(biāo)區(qū)域的準(zhǔn)確位置，并實(shí)時(shí)的對搜索窗的位置和尺寸進(jìn)行更新。

第三步，利用公式計(jì)算出得到的候選目標(biāo)區(qū)域和目標(biāo)區(qū)域的Bhattacharyya系數(shù)，即候選目標(biāo)區(qū)域和目標(biāo)區(qū)域的相似度；利用得到的Bhattacharyya系數(shù)來判斷目標(biāo)是否丟失，如果Bhattacharyya＞=0.8，判斷當(dāng)前候選目標(biāo)區(qū)域即為目標(biāo)區(qū)域，返回第二步繼續(xù)跟蹤。如果Bhattacharyya＜0.8，那么判定目標(biāo)出現(xiàn)丟失，然后通過RANSAC提純的SURF特征點(diǎn)匹配算法重新對目標(biāo)區(qū)域進(jìn)行定位，找到跟蹤跟蹤目標(biāo)后返回第二步繼續(xù)跟蹤。

四、結(jié)語

運(yùn)動(dòng)目標(biāo)檢測與跟蹤是目前計(jì)算機(jī)視覺研究的重點(diǎn)內(nèi)容之一，在視頻監(jiān)控、交通路況、軍事醫(yī)療等方面都有重要的作用和發(fā)展前景。本文對視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測跟蹤的技術(shù)方法上提出了一些改進(jìn)的建議，有一定的幫助作用。對目前檢測跟蹤方法的發(fā)展和研究更需要研究人員進(jìn)行深入的分析和實(shí)踐，使目標(biāo)檢測跟蹤的方法更加簡化，提高算法的實(shí)時(shí)性和適用性。

［1］施雪梅.運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究［D］.北京交通大學(xué)，2010.

［2］胡明合.基于雙目視覺的運(yùn)動(dòng)目標(biāo)檢測與跟蹤［D］.河南科技大學(xué)，2011.

［3］張毅.視頻圖像的運(yùn)動(dòng)分析［J］.有線電視技術(shù)，2012.

馮嬋娟（1986-），女，陜西渭南人，大學(xué)本科，助理工程師，研究方向：電子，儀器儀表。