摘要：隨著電子信息技術的迅猛發(fā)展，基于圖像進行運動目標的檢測與追蹤已經(jīng)被廣泛應用到了軍事、交通、工業(yè)、公共生活及旅游等多個領域。在數(shù)字信號處理的基礎上，實現(xiàn)一體化監(jiān)控，可以對目標進行運動軌跡追蹤，更好地提升監(jiān)測效果。本文從算法分析的角度，淺談如何更好地實現(xiàn)對目標的實時跟蹤和追蹤監(jiān)測。

關鍵詞：視頻;運動目標;檢測;追蹤

視覺是人類感知外界的重要手段，視覺信息給人們能夠留下多重刺激，同時可以有效被記錄和儲存，這比文字和聲音更有更加顯著的優(yōu)勢。隨著計算機技術的迅速發(fā)展，圖像存儲也成了人類信息存儲的一種有效化有效手段。目前，數(shù)字圖像處理技術已經(jīng)廣泛應用于機器人視覺、醫(yī)學圖像處理、遙感圖像處理以及圖像追蹤等多個方面。對運動目標進行有效的監(jiān)測和追蹤，成為圖像跟蹤的一個重要分支，在多個領域都有重要的應用。

一、運動目標追蹤監(jiān)測的一般流程

對運動目標進行監(jiān)測和追蹤是一個系統(tǒng)化處理的過程，主要包括攝像頭，原始圖像序列獲取，運動目標檢測和分類，運動目標跟蹤，行為理解與描述，信息輸出與處理等多個過程。對運動目標進行監(jiān)測和追蹤是對圖像中的目標在視頻中的圖像場景中進行精確的位置信息劃分，并對其行為進行有效的理解和描述，為更高一級的任務做有效準備。

圖像運動監(jiān)測與追蹤涉及的數(shù)據(jù)量非常龐大，如果利用一般的追蹤技術進行處理，會使運算速度較慢，而且時效性較差，影響信息疏通和處理，最重使圖像系統(tǒng)的靈活性被大大降低。近年來，大規(guī)模集成電路以及超大規(guī)模集成電路和微處理器使得新聞發(fā)展，使得數(shù)字信號處理逐漸成為一項成熟的技術。DSP芯片已經(jīng)成為目前運動目標檢測與跟蹤中使用最廣泛的一個核心處理器，研究基于算法的運動目標檢測與追蹤具有非常重要的意義。

二、視頻圖像選擇的設計與實現(xiàn)

圖像處理主模塊通過DM642的EMIF接口擴展片外存儲器SDRAM和FLASH，并利用CPLD控制FLASH的高3位地址線進行分頁。視頻輸入、輸出模塊主要包括視頻編解碼器芯片SAA7113H， SAA7121H，通過采用切換方式實現(xiàn)視頻信號的輸入、輸出。帶云臺控制的攝像頭模塊通過接收DM642傳輸?shù)目刂泼?，控制云臺帶動攝像頭完成相應的動作。其主要功能是完成圖像的預處理、進行模板匹配、運動目標檢測及跟蹤的相關算法。

三、基于視頻的運動目標檢測方法

1.幀間差分法

幀間差分法是一種通過對視頻圖像序列中相鄰兩幀作差分運算來獲得運動目標輪廓的方法。兩幀相減，得到兩幀圖像亮度差的絕對值，判斷它是否大于閾值來分析視頻或圖像序列的運動特性，確定圖像序列中有無物體運動。

2.背景差分法

背景差分法是是利用當前圖像與背景圖像的差分來檢測出運動區(qū)域的一種技術。選取背景中的一幅或幾幅圖像的平均作為背景圖像，然后把以后的序列圖像當前幀和背景圖像相減，進行背景消去。若所得到的像素數(shù)大于某一閾值，則判定被監(jiān)控場景中有運動物體，從而得到運動目標。

3.光流法

光流法是利用圖像序列中像素在時間域上的變化以及相鄰幀之間的相關性來找到上一幀跟當前幀之間存在的對應關系，從而計算出相鄰幀之間物體的運動信息的一種方法。通常將二維圖像平面特定坐標點上的灰度瞬時變化率定義為光流矢量。

四、基于視頻的光流運動目標檢測算法

1.視頻圖像的角點提取

在視頻的動態(tài)圖像中，運動目標是一直處于運動變化中的，因此，尋找能夠反應物體位置的比較特征的點進行追蹤具有非常重要的意義，這可以幫助我們更好的抓取目標。同時提取特征點的動態(tài)信息，就可以很好地反映目標的運動情況。因此，我們首先需要結(jié)合焦點作視頻圖像目標提取工作，保留圖像上的重要特征及信息，并對其進行有效的灰度處理，可以對目標點位置做有效判斷。

基于角點特征在正方形區(qū)域面積內(nèi)，對于待測運動目標做光流檢測速度分析，并與原圖像整幅灰度圖像對比，將焦點圖像用于光流計算的信息量大大降低，提升目標提取精度。

2.多網(wǎng)格快速計算

多網(wǎng)格計算就是線性方程求解法，是指利用多網(wǎng)格迭代收斂速度快的特點，求解光流約束方程導出歐拉軌跡。將離散化的方程在不同灰度變率基礎上進行采樣以降低誤差，以線性方程求解的方式，完成在實際圖像中進行采樣分析，以此來確定物體的運動軌跡。

3.基于加速功能的光流動目標檢測算法

通過鏡頭采集卡對不同背景下的運動目標實現(xiàn)不同幀率的圖像序列采集，并將圖像信息傳至計算機用于角點提取和光流計算。將其變換為灰度的圖像序列，對灰度圖像序列進行Harris角點信息檢測和提取，最后采用多網(wǎng)購快速計算方法對相鄰幀的圖像交點，進行光流場計算。該方法精度較高，且對于干擾信息的篩選效果明顯。

總之，在圖像序列獲取并對圖像進行預處理之后，我們就可以對運動目標進行有效地識別，判斷有追蹤，確定運動目標的位置，速度，運動軌跡等，并對其方向進行有效預測，以此來更好的監(jiān)測運動目標。基于有效算法對目標進行有效的監(jiān)測與追蹤，可以幫助我們更好地掌握目標的運動軌跡，實現(xiàn)有效捕捉。

參考文獻

[1]王飛. 公安視頻圖像中運動目標識別技術的研究與應用[J]. 警察技術， 2018， 000（002）：37-39.

[2]羅育輝， 蔡延光. 基于Android視頻的目標手動追蹤系統(tǒng)研究與實現(xiàn)[J]. 工業(yè)控制計算機， 2018， 031（001）：115-116，118.

[3]蘇貴民. 基于交通視頻和深度學習的車輛檢測和跟蹤[J]. 城市公用事業(yè)， 2018， 005（004）：72-76，88.

作者簡介：闕玲麗（1979-），女，廣西南寧人，碩士研究生，廣西工商職業(yè)技術學院講師，主要研究方向：計算機科學與技術領域

基金項目：2017年度廣西壯族自治區(qū)中青年教師基礎能力提升項目（桂教科研〔2017〕16號：2017KY1219）項目題目：《基于Video圖像中運動目標檢測與跟蹤技術研究》