鄧劍勛

摘 要截至目前，運(yùn)動目標(biāo)跟蹤已經(jīng)歷經(jīng)了幾十年的發(fā)展研究，其作為當(dāng)前社會一項(xiàng)至關(guān)重要的先進(jìn)技術(shù)，對于人們的日常工作生活以及社會經(jīng)濟(jì)、軍事政治等其他各領(lǐng)域均有著積極的幫助作用。特別是在計(jì)算機(jī)視覺技術(shù)逐漸發(fā)展成熟的今天，運(yùn)動目標(biāo)跟蹤與計(jì)算機(jī)視覺技術(shù)的融合程度也越來越高?；诖耍疚膶⑦x擇當(dāng)前比較常見的一種目標(biāo)跟蹤算法即Kalman filter算法，并以運(yùn)動的人臉作為跟蹤目標(biāo)，著重圍繞基于計(jì)算機(jī)視覺的運(yùn)動目標(biāo)跟蹤算法進(jìn)行簡要分析研究。

【關(guān)鍵詞】計(jì)算機(jī)視覺 運(yùn)動目標(biāo) 跟蹤算法

在計(jì)算機(jī)等現(xiàn)代科學(xué)技術(shù)尚未出現(xiàn)以前，人們在獲取外界信息時(shí)往往主要依賴視覺，而在我國計(jì)算機(jī)技術(shù)水平不斷發(fā)展提升的背景之下，計(jì)算機(jī)視覺技術(shù)的出現(xiàn)使得人類肉眼視覺得到了進(jìn)一步的發(fā)展延伸，尤其是在各種傳感器技術(shù)的幫助之下，使得人們能夠?qū)Ρ３诌\(yùn)動狀態(tài)的目標(biāo)進(jìn)行實(shí)時(shí)跟蹤，從而準(zhǔn)確掌握目標(biāo)的具體形態(tài)屬性。在此背景之下，本文將運(yùn)動目標(biāo)設(shè)定為運(yùn)動的人臉，通過探究基于計(jì)算機(jī)視覺的運(yùn)動目標(biāo)跟蹤算法，希望能夠?yàn)橄嚓P(guān)研究人員提供相關(guān)參考和幫助。

1 Kalman filter目標(biāo)跟蹤算法的簡要概述

Kalman filter目標(biāo)跟蹤算法是當(dāng)前眾多跟蹤算法當(dāng)中使用范圍較廣、使用頻率比較集中的一種跟蹤算法，這一算法最早可以追溯至上個(gè)世紀(jì)六十年代，人們通過將濾波理論與狀態(tài)空間模型相集合，從而得到的一種遞推估計(jì)的算法也就是卡爾曼濾波理論。其通過利用上一時(shí)刻獲取的預(yù)估值以及當(dāng)下獲取的實(shí)際觀測值，在信號與噪聲狀態(tài)空間模型當(dāng)中不斷更新狀態(tài)變量，進(jìn)而順利完成估計(jì)預(yù)測并獲得當(dāng)前時(shí)刻估計(jì)預(yù)測值。經(jīng)過不斷的發(fā)展，在計(jì)算機(jī)圖像處理以及其他運(yùn)動目標(biāo)跟蹤當(dāng)中經(jīng)常會使用Kalman filter算法。如果在k時(shí)刻系統(tǒng)下的狀態(tài)向量用xk表示，那么在t0時(shí)刻下初始化的狀態(tài)預(yù)測方程為；在tk時(shí)刻下更新系統(tǒng)狀態(tài)的具體方程為

，其中Hk、Zk分別表示測量矩陣m×n維以及轉(zhuǎn)移矩陣n×n維的狀態(tài)向量。但在跟蹤計(jì)算機(jī)視覺運(yùn)動目標(biāo)譬如說視頻目標(biāo)時(shí)，由于相鄰的兩幀視頻圖像本身時(shí)間間隔非常短，因此目標(biāo)在這一時(shí)間內(nèi)難以發(fā)生明顯的運(yùn)動狀態(tài)變化，此時(shí)我們可以通過將此間隔時(shí)間設(shè)定為單位時(shí)間，同時(shí)目標(biāo)在單位時(shí)間內(nèi)一直保持勻速運(yùn)動狀態(tài)，這時(shí)我們可以得到一個(gè)狀態(tài)轉(zhuǎn)移矩陣且

，定義系統(tǒng)觀測矩陣即為

，定義噪聲Wk以及Vk協(xié)方差矩陣則可以分別用

和表示。

如果在濾波器在經(jīng)過若干次卡爾曼濾波后仍然能夠恢復(fù)至原始狀態(tài)，則其具有較好的穩(wěn)定性，但如果在進(jìn)行運(yùn)動目標(biāo)跟蹤實(shí)驗(yàn)的過程當(dāng)中，對于處于運(yùn)動狀態(tài)的被跟蹤目標(biāo)，一旦出現(xiàn)遮擋行為則將在第一時(shí)間內(nèi)暫停估計(jì)參數(shù)，并將這一參數(shù)估計(jì)值直接代入到狀態(tài)方程當(dāng)中，使得運(yùn)動目標(biāo)無論是否被遮擋均可以對其進(jìn)行精確跟蹤。

2 基于計(jì)算機(jī)視覺的運(yùn)動目標(biāo)跟蹤算法

2.1 建立顏色概率模型

顏色囊括了諸多的信息量光柱點(diǎn)，尤其是在人類的視覺世界從本質(zhì)上來說也是一種用過感知自然界色彩以及明暗變化的世界，因此人們可以通過使用三基色原理獲得RGB顏色空間。考慮到顏色與計(jì)算機(jī)視覺場景當(dāng)中各個(gè)場景和目標(biāo)之間有著緊密的關(guān)系，同時(shí)不同于目標(biāo)的大小、形態(tài)等其他視覺特征，顏色特征鮮少會受到包括觀察視角等在內(nèi)各因素的干擾影響，從某種角度上來說基于顏色特征的運(yùn)動目標(biāo)具有較好的穩(wěn)定性。為了能夠保障目標(biāo)跟蹤既穩(wěn)定又迅速，需要選擇合適的顏色特征，否則將極有可能導(dǎo)致出現(xiàn)跟蹤失敗。在這一環(huán)節(jié)當(dāng)中人們通常使用的是RGB顏色空間以及HSI顏色空間，但由于二者均具有一定的局限性，因此本文在對人臉特征尤其是顏色特征進(jìn)行選取時(shí)，選擇了rgI顏色直方圖的方法，在解決兩種顏色空間自身缺陷的同時(shí)，盡量避免目標(biāo)人臉運(yùn)動位置以及尺寸等變化因素對目標(biāo)追蹤造成的干擾影響。在rgI顏色直方圖當(dāng)中

，，，L=r+g+I其中R、G、B就是RGB顏色空間當(dāng)中的三原色，r、g、I有著相同的取值范圍即在0到1之間。保持間隔相等的情況下劃分L值即可得到rgI顏色直方圖。雖然rgI顏色直方圖與物體相對應(yīng)，但如果目標(biāo)只是位置以及尺寸等出現(xiàn)變化，rgI顏色直方圖并不會受到任何實(shí)質(zhì)性影響，因此在理想情況下，利用rgI顏色直方圖能夠?qū)σ曨l圖像中不同運(yùn)動位置以及不同尺寸的人臉進(jìn)行目標(biāo)追蹤。

2.2 跟蹤算法

運(yùn)動目標(biāo)的不斷變化將會使得模板圖像隨之發(fā)生相應(yīng)變化，因此需要不斷更新模板圖像才能夠有效完成對運(yùn)動目標(biāo)的連續(xù)跟蹤，本文在對運(yùn)動目標(biāo)的實(shí)際運(yùn)動范圍進(jìn)行預(yù)測過程中選擇使用卡爾曼濾波，之后利用rgI顏色直方圖在預(yù)測運(yùn)動范圍之內(nèi)搜索和匹配相應(yīng)目標(biāo)，從而通過此舉獲得與目標(biāo)模板有著最小歐式距離的區(qū)域，在此過程當(dāng)中存在一個(gè)特定閾值T，如果兩者的歐氏距離在進(jìn)行相減時(shí)差值沒有超過這個(gè)特定閾值，那么此時(shí)該區(qū)域就是運(yùn)動目標(biāo)所在的實(shí)際位置，利用在這一區(qū)域當(dāng)中的rgI顏色直方圖并將其充當(dāng)下一幀運(yùn)動目標(biāo)的匹配模板，在不斷重復(fù)的過程中模板能夠?qū)崿F(xiàn)不間斷地更新。由于相鄰的兩幀視頻圖像之間，時(shí)間間隔并不長，因此目標(biāo)人臉在極短的時(shí)間間隔當(dāng)中基本上不會出現(xiàn)突然變化，此時(shí)我們可以認(rèn)為運(yùn)動目標(biāo)人臉的運(yùn)動連續(xù)性比較強(qiáng)，此時(shí)利用公式

可以進(jìn)行歐式距離的計(jì)算并用以衡量匹配的模板。其中匹配區(qū)域和模板的rgI顏色直方圖分別用l和l'表示，而rgI顏色直方圖中的維數(shù)則用n進(jìn)行表示。根據(jù)相關(guān)視頻圖像顯示，通過不斷更新模板確實(shí)可以對目標(biāo)運(yùn)動人臉進(jìn)行實(shí)時(shí)跟蹤顯示。

3 結(jié)束語

總而言之，本文通過選擇當(dāng)前比較常見的目標(biāo)跟蹤算法即Kalman filter算法，利用卡爾曼濾波以及rgI顏色直方圖完成對運(yùn)動人臉的跟蹤。事實(shí)證明，Kalman filter算法確實(shí)能夠在對各目標(biāo)之間的干擾進(jìn)行明確區(qū)分的基礎(chǔ)之上，準(zhǔn)確描述運(yùn)動人臉目標(biāo)，從而較好地跟蹤運(yùn)動目標(biāo)，但由于人臉之間本身存在一定的相似性，因此本文只是對理想狀態(tài)下的運(yùn)動人臉進(jìn)行跟蹤實(shí)驗(yàn)，日后還需要對計(jì)算機(jī)視覺技術(shù)和Kalman filter算法進(jìn)行進(jìn)一步優(yōu)化以妥善解決多人臉目標(biāo)以及相似性問題。

參考文獻(xiàn)

[1]鄭薇.基于雙目視覺的運(yùn)動目標(biāo)跟蹤算法研究及應(yīng)用[D].哈爾濱：哈爾濱工程大學(xué)，2014.

[2]李慧霞，李臨生，閆慶森，周景文.基于Mean Shift算法的目標(biāo)跟蹤綜述[J].計(jì)算機(jī)與現(xiàn)代化，2017（01）：65-70.

[3]李寰宇，畢篤彥，楊源，查宇飛，覃兵，張立朝.基于計(jì)算機(jī)視覺的運(yùn)動目標(biāo)跟蹤算法研究[J].電子與信息學(xué)報(bào)，2015（09）：2033-2039.

[4]陳曦，殷華博.基于計(jì)算機(jī)視覺運(yùn)動目標(biāo)跟蹤技術(shù)分析[J].無線電工程，2014（06）：22-24+39.

作者單位

重慶電子工程職業(yè)學(xué)院軟件學(xué)院 重慶市 401331