張芝賢，張 凱

(沈陽航空航天大學 電子信息工程學院，遼寧 沈陽 110136)

0 引言

軍事界普遍認為未來戰(zhàn)爭的主導作戰(zhàn)應當是信息戰(zhàn)，如何在現(xiàn)代軍事對抗中保持優(yōu)勢，是目前每個國家普遍關注和研究的熱點問題。新型數(shù)字化單兵作戰(zhàn)系統(tǒng)集數(shù)字化、智能化和網絡化于一體，使戰(zhàn)場的信息傳遞和處理達到一種“實時化”的程度。單兵作戰(zhàn)系統(tǒng)包含單兵防護子系統(tǒng)、單兵武器子系統(tǒng)、計算機無線電子系統(tǒng)、軟件子系統(tǒng)和綜合頭盔子系統(tǒng)，是利用高科技和先進技術加強步兵戰(zhàn)斗力、機動性和防護性的整體系統(tǒng)。

當單兵執(zhí)行潛伏偵查和狙擊任務時，要時刻注意周圍環(huán)境異動，在長時間高度緊張的情況下，難免會疲勞和松懈。利用智能化的電子設備對周圍環(huán)境異動進行偵測與提醒，將極大地保障作戰(zhàn)人員生命安全，能夠促使單兵及時對危險做出應對。為此設計了檢測運動目標區(qū)域和位置信息系統(tǒng)模塊，該模塊可以集成在單兵作戰(zhàn)系統(tǒng)中，以便將獲取到的運動目標信息反饋給單兵和指揮中心。該系統(tǒng)有助于完善單兵作戰(zhàn)通信系統(tǒng)，全面提高單兵在作戰(zhàn)中的生存和防護能力，通過數(shù)字化的手段使士兵和電子設備之間構成有機整體，為提高我軍實力打下堅實的基礎。

1 系統(tǒng)總體設計和工作流程

系統(tǒng)硬件部分包含：9×6的棋盤標定板，方塊大小為32 mm×32 mm；兩臺大恒水星MER-130-30Ux(-L)系列的USB接口數(shù)字攝像機，具有高分辨率、高精度、高清晰度和低噪聲的特點。軟件部分是在Visual Studio 2013軟件集成開發(fā)環(huán)境上進行設計的，主要包含4大模塊：數(shù)字圖像采集和預處理模塊、攝像機立體標定模塊、立體匹配模塊和運動目標檢測模塊。軟件系統(tǒng)工作流程如圖1所示。

圖1 軟件系統(tǒng)工作流程

1.1 雙目立體視覺測量

雙目立體視覺測量是計算機視覺的一個重要組成部分，是一種基于視差原理的非接觸性測量技術。在雙目立體視覺測量系統(tǒng)中，攝像機標定和立體匹配技術是關鍵技術，直接影響著測量系統(tǒng)的精度[1]。其中，攝像機標定是通過數(shù)學方式來矯正因使用透鏡而給針孔攝像機幾何模型帶來的主要偏差，是與真實三維世界測量的聯(lián)系橋梁。張正友平面標定法[2-3]是求解相機的內外參數(shù)經常使用的一種標定方法，魯棒性和精確度都很高。立體匹配技術[4]大致分為基于特征的匹配和基于區(qū)域的匹配。目前區(qū)域立體匹配算法中最常用的是塊匹配算法，其基本思想是在一定的區(qū)域內，對每一個像素計算匹配代價，然后計算出局部最優(yōu)解，從而得到匹配點。本文采用的SGBM(Semi-Global Block Matching)是一種快速有效的半全局塊匹配立體算法[5]。

在實際過程中，雙目立體視覺測量步驟總結如下：

(1)利用數(shù)學方法消除徑向和切向方向上的鏡頭畸變；

(2)調整攝像機的角度和距離，輸出行對準的校正圖像；

(3)查找左右攝像機視場中的相同特征，輸出視差圖；

(4)將視差圖通過三角測量的方法轉化為景深，輸出深度圖。

1.1.1攝像機立體標定模塊

攝像機標定是為獲取攝像機內參數(shù)矩陣和畸變參數(shù)。立體標定過程是計算空間上兩臺攝像機幾何關系的過程，依賴于查找兩臺攝像機之間的旋轉矩陣和平移向量。立體校正的目的則是對兩臺攝像機的圖像平面進行重投影，使得它們精確落在同一個平面上，而且圖像的行完全對準到前向平行的結構上。

攝像機的內參數(shù)矩陣是3×3的矩陣：

(1)

其中，焦距fx和fy實際上是透鏡的物理焦距長度與成像傳感器每個單元尺寸的乘積。主點cx和cy則是對光軸而言可能的偏移。

透鏡畸變的徑向畸變來自于透鏡形狀，而橫向畸變來自于整個攝像機的組裝過程?；兡Ｐ捅硎緸椋?/p>

(2)

其中，k1和k2為徑向畸變參數(shù)，p1和p2為切向畸變參數(shù)，pcorrected(xcorrected,ycorrected)是校正后的圖像坐標，p(x,y)則是畸變點的原始位置。

物理空間中兩個攝像機相關的旋轉和平移信息如圖2所示，包括左右攝像機的投影中心Ol和Or以及相應的投影平面πl(wèi)和πr，左右攝像機之間的旋轉矩陣R和平移向量T。

圖2 兩臺相機在全局坐標系的相對位置

1.1.2立體匹配模塊

圖3 三角測量

進一步假設空間中的點P在左右相機的成像點為pl和pr，對應的橫坐標為xl和xr，則視差的定義為d=xl-xr,利用相似三角形可推出深度值Z為：

(3)

根據(jù)對極幾何學，在左相機圖像所有位置的點，右相機圖像的匹配點只可能位于對應點所在的極線上。由于極線約束的存在，立體匹配從匹配特征的二維搜索變成了沿著極線的一維搜索。SGBM立體匹配算法利用SAD(the Sum of Absolute Difference)的窗口沿著極線來尋找匹配點。

1.2 運動目標檢測

背景差分法是運動目標檢測最常用的工具之一。它主要分為兩類，一是基于參數(shù)的背景模型，二是基于樣本的背景模型。ViBe[6-7]算法是一種基于樣本集的背景差分算法。在ViBe背景模型中，首次將隨機選擇策略和相鄰像素信息用于樣本背景建模和更新中，使樣本的生命期更加符合實際分布規(guī)律。該算法不僅提高了運動目標檢測精度，而且節(jié)省了計算機硬件資源，是一種能適應復雜背景的通用運動目標檢測算法[8]。

1.2.1模型初始化

ViBe背景模型初始化只需要第一幀圖像。由于不可能包含像素點的時空信息分布，因此該模型利用相近像素點的空間分布特性，即對于圖像中任意一個像素點隨機選擇其鄰居的像素點作為樣本集中的樣本，如圖4所示。

圖4 ViBe背景模型

其中，Vx是第一幀圖像中任意一點的像素值；V1，V2，…，VN則是樣本集的采樣點，N為樣本集中樣本個數(shù)；SR(vx)為以R為半徑的球形區(qū)域；(C1,C2)是二維歐式色彩空間。

通過計算像素點到采樣點的歐氏距離和半徑R的差值與給定的閾值#min進行比較，若大于給定的閾值，則該像素點被判斷為背景，否則為前景。

1.2.2背景模型的更新

為使背景模型適應光照變化和場景變化，則需采用背景模型更新策略。具體方法為保守的更新策略、前景點計數(shù)更新策略和隨機的子采樣更新策略結合使用。即每一個背景點有1/φ的概率更新自己的背景模型樣本值，也有1/φ的概率更新其相鄰點的背景模型樣本值，若前景點計數(shù)達到閾值時，同樣有1/φ的概率將該像素點由背景點更換為前景點。

2 實驗設計

首先調整好攝像機的曝光、增益和焦距，對圖像進行預處理，使外界噪聲降到最低。標定時，物理世界中的相機設備應保持理想的幾何狀態(tài)，即標準立體試驗臺。但實際往往達不到嚴格前向平行，最好盡量將左右相機鏡頭放置為前向水平對準，這樣可以更加容易地通過數(shù)學方法消除畸變和校正圖像。利用不同視角的棋盤格對攝像機進行標定，再經過軟件系統(tǒng)處理后，得到左右攝像機內參和畸變，如表1所示。

表1 攝像機標定參數(shù)

根據(jù)左右相機的相對位置關系，旋轉矩陣和平移向量分別如式(4)和式(5)所示：

(4)

T=(-91.759 5, -1.753 6, 5.669 2)

(5)

經過立體校正后，畸變被糾正，圖像中的掃描行也被對準。立體校正前后圖像對比如圖5～圖8。

圖5 左相機校正前

圖6 右相機校正前

圖7 左相機校正后

圖8 右相機校正后

此時，就可以利用SGBM立體匹配算法獲得三維坐標和深度映射：

(6)

(7)

運動目標檢測實驗中，實時采集的是分辨率為640×512的數(shù)字圖像，其中左側相機主要是用來檢測運動目標，而右側相機是輔助獲取目標位置。首先將已標定好的參數(shù)讀入軟件中，設置好相應匹配參數(shù)，在等待將近10幀圖像消除Ghost區(qū)域后，開始執(zhí)行檢測工作。程序中設置的ViBe算法相關參數(shù)為圓形區(qū)域半徑R=20，每個像素點樣本集中的樣本個數(shù)N=20，閾值#min=2，模型更新概率為1/φ=1/16。圖9～圖12和表2為在有效的視場區(qū)域內運動目標檢測的實驗結果。

圖9 第13幀

圖10 第58幀

圖11 第67幀

圖12 第84幀

表2 運動目標位置信息

3 結論

本文結合雙目立體視覺測量技術和ViBe算法設計了檢測運動目標區(qū)域和位置信息系統(tǒng)，并介紹了其主要的工作模塊和處理流程。仿真結果表明，該系統(tǒng)能夠準確地檢測到運動目標區(qū)域和位置，為以后將其應用到單兵作戰(zhàn)系統(tǒng)中起到了關鍵作用。

[1] 王建華, 馮帆，梁偉，等.雙目立體視覺測量系統(tǒng)的設計與實現(xiàn)[J]. 艦船電子工程,2012,32(4): 107-109.

[2] Zhang Zhengyou. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(11): 1330-1334.

[3] 劉艷，李騰飛. 對張正友相機標定法的改進研究[J]. 光學技術,2014,40(6): 565-570.

[4] 耿英楠. 立體匹配技術的研究[D]. 長春：吉林大學,2014.

[5] 陳宏洋. 雙目視覺深度信息提取及其關鍵算法究[D]. 成都：電子科技大學,2016.

[6] BARNICH O, VAN D M. ViBe: a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing, 2011, 20(6): 1709-1724.

[7] BARNICH O, VAN D M. ViBe: a powerful random technique to estimate the background in video sequences[C]//IEEE International Conference on Acoustics, Speech and Signal Process, 2009: 945-948.

[8] 尹凱，魏江，李正，等.改進的Vibe運動目標檢測算法[J]. 電子設計工程,2014,22(16): 178-180.