李春林 徐好 吳琳擁

（四川九洲防控科技有限責任公司 四川省綿陽市 621000）

地面環(huán)境較為復雜，在復雜背景下如何能夠及時并且穩(wěn)定的發(fā)現、鎖定和跟蹤目標，是地面動目標的快速檢測跟蹤是監(jiān)視和告警系統(tǒng)的重要組成部分。紅外圖像中的行人跟蹤問題是計算機目標檢測跟蹤領域較為活躍的課題之一[1-3]。例如夜間智能監(jiān)控，周界防護，要地安防等。由于行人是非剛體目標，形態(tài)較為多變，運動狀態(tài)隨意且無固定規(guī)律，無法采用常規(guī)的運動模型來估算，另外紅外圖像為灰度圖像，沒有色差并且可利用的特征有限。目前常用的圖像序列中運動目標的檢測方法有背景相減法、光流法以及基于特征的方法等[4-7]。但由于地面背景的復雜性，這些方法都還不很完善，往往存在計算復雜度高，抗噪聲能力差等缺點。而且由于紅外監(jiān)控和告警系統(tǒng)中對精度和實時性的要求，導致一般的算法都存在不同程度的局限性。

本文針對復雜地面背景下紅外圖像的特點，提出了基于灰度模板的目標匹配方法。模板匹配可以利用任何疑似目標作為一個連通區(qū)域，通過區(qū)域特征、灰度值等[8-9]在幀間檢測時等方面進行圖像相似程度的判斷。由于其中圖像灰度可利用的特征點較為有限，并且特征提取的方法運算量往往較大，因此灰度常被用做目標狀態(tài)和屬性的判斷的主要依據。通過幀間差分、二值化圖像、形態(tài)學濾波處理得到更加清晰的連通區(qū)域標記完成目標的檢測，然后選取模板并充分利用灰度進行相關計算，最后確定匹配的區(qū)域。算法的基本流程如圖1 所示。

1 目標檢測

目標檢測是通過幀間差分、二值化圖像、形態(tài)學濾波處理得到更加清晰的連通區(qū)域并進行目標位置的標記，為后續(xù)的模板選取和匹配提供連通區(qū)域的位置[8-10]。

1.1 幀間差分法

幀間差分法為某兩幀圖像的差分，兩幀圖像相鄰兩幀圖像差分和間隔數幀圖像差分。首先，計算相鄰兩幀或者間隔數幀的兩幀圖像之差。

幀間差分法對背景緩慢變化適應性強，對目標運動的檢測有較高的靈敏度。但是利用幀間差分法對兩幀間目標的重疊部分不容易檢測出來，容易造成目標提取不完整，不利于進一步的對象分析和識別，檢測處理的目標比實際的目標大一些，存在較多的偽目標。針對該算法的缺點，考慮將圖像作膨脹處理后再閉合處理，獲得更容易識別的連通區(qū)域，為目標位置的檢測提供可靠依據[7]。

1.2 形態(tài)學處理

形態(tài)學處理的基本步驟如下[10-11]：

圖像二值化處理。根據公式（1）對差分后的圖像的各灰度按照一定的閾值進行數值0 和1 的判斷；

其中T 是二值化設定閥值。

對二值化后的圖像進行膨脹和腐蝕的數學形態(tài)處理。膨脹是在二值圖像中“加長”或“變粗”的操作，腐蝕則是“收縮”或“細化”二值圖像。

對二值化和形態(tài)學處理后的區(qū)域進行連通分析。連通分析則是判斷連通區(qū)域的大小是否滿足給定閾值的要求，若滿足閾值條件則認為檢測到目標，并確定連通區(qū)域的最小外接矩陣。

2 目標匹配

2.1 灰度關聯計算

圖像灰度可利用的特征點較為有限，并且特征提取的方法運算量往往較大，因此常用灰度做目標狀態(tài)和屬性判斷的主要依據。該方法則是通過判斷待匹配圖像與模板圖像的灰度相互關聯值來確定匹配程度?；ハ嚓P值最大時的搜索窗口位置決定了模板圖像在待匹配圖像中的位置[10-12]?；ハ嚓P定義為以下形式：

2.2 模板更新

模板選擇通常有固定模板和自適應更新模板。模板自適應更新是指對完成模板匹配后，使用逐幀更新或者按照一定的規(guī)則自適應地對匹配模板進行更新。為了保證跟蹤的穩(wěn)定性，在相關跟蹤中應跟蹤置信度來修正模板。模板更新方法描述如下[12-14]：

式中，T(m,n,k)為第k 幀的匹配模板，O(m,n,k)為第k 幀最佳匹配位置的子圖像，T(m,n,k+1)為第k+1 幀的更新模板，由幀內相關置信度來確定[11-14]。

進行模板更新的步采用幀間置信度和幀內置信度想結合的判斷方式，置信度判斷策略寫成分段函數形式如（4）所示。如果C0大于某閥值T1，即R0和差值較大，則判斷當前幀與前面幾幀之間相關性下降，此時令=0，從式子（3）中得出選擇當前幀最佳匹配區(qū)域作為更新后的模板；如果幀間相關置信度C0小于閥值T1，則判斷當前幀與前面幾幀之間還存在一定的相關性，則進一步進行幀內相關置信度C1的判斷，如果C1大于閾值T2，則認為該匹配點很可靠，此時令=0，選擇當前目標區(qū)域圖像作為下一幀匹配模板；如果C1處于T3 和T2 之間，則說明該匹配點較為可靠，但是需要加入新模板的信息進行模板更新，此時令若C1小于T3，匹配置信度太低，該匹配點不可靠，令 =1，即模板不更新。

3 實例分析

圖1：模板匹配算法流程

圖2：動目標檢測

圖3：目標匹配結果

利用地面背景下行人的紅外視頻進行算法的仿真分析。利用第k 幀, 如圖2（a），進行幀間差分處理，，差分處理后的行人動目標連通區(qū)域并不明顯，然后利用形態(tài)學膨脹和腐蝕處理后的動目標顯示如圖2（c）所示，連通區(qū)域較為連貫且清晰，圖2（d）紅色框圖中為行人目標檢測的結果。

根據行人的一般身形特點，利用檢測出的目標位置選取長方形的模板見圖3（a），并且灰度相關計算，進行行人的匹配跟蹤。結果如圖3，對行人目標從第20 幀到第80 幀均能穩(wěn)定跟蹤，也表明了該方法的穩(wěn)定性和有效性。

4 結束語

首先利用幀間差分算法進行運動目標位置的初步判斷，由于兩幀間目標的重疊部分不容易檢測出來，容易造成目標提取不完整，不利于進一步的對象分析和識別，檢測處理的目標比實際的目標大一些，存在較多的偽目標。針對該幀間差分法的缺點，考慮將圖像作膨脹處理后再閉合處理，獲得更容易識別的連通區(qū)域，為目標位置的檢測提供可靠依據。然后再利用標記的連通區(qū)域進行一定大小的灰度模板選取，利用灰度相關算法、模板更新策略實現的對地運動目標檢測，并且通過實例說明了該算法的可行性和穩(wěn)定性。