張鵬 趙逸凡 萬茂松

摘 要：目前夜間事故勘察車載照明多采用傳統(tǒng)自適應(yīng)燈光，存在照射范圍有限且調(diào)節(jié)照明方向繁瑣等問題。因此，基于視覺設(shè)計(jì)一種車載照明自動(dòng)跟蹤系統(tǒng)。使用視覺處理技術(shù)與雙步進(jìn)電機(jī)控制對車載照明系統(tǒng)進(jìn)行改進(jìn)，以增強(qiáng)車載照明智能化和靈活性。針對傳統(tǒng)自適應(yīng)燈光需人為操縱照射目標(biāo)的問題，車載照明系統(tǒng)在運(yùn)行時(shí)對紅外光源（移動(dòng)目標(biāo)）進(jìn)行圖像檢測，實(shí)時(shí)反饋拍攝圖像中紅外光源位置坐標(biāo)，再根據(jù)位置坐標(biāo)信息控制雙步進(jìn)電機(jī)，帶動(dòng)車載照明燈準(zhǔn)確地照射到紅外光源坐標(biāo)位置。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可快速檢測到照明目標(biāo)位置坐標(biāo)，準(zhǔn)確控制步進(jìn)電機(jī)移動(dòng)，可滿足跟蹤目標(biāo)的要求，準(zhǔn)確率達(dá)95%。

關(guān)鍵詞：視覺處理;紅外光源;步進(jìn)電機(jī);目標(biāo)跟蹤

DOI：10. 11907/rjdk. 201432 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2020）008-0161-04

Abstract：Aiming at the problems such as limited illumination range and complicated direction adjustment of vehicle lighting system， we propose an automatic tracking system of vehicle lighting based on vision. In order to enhance the intelligence and flexibility of vehicle lighting system， visual processing technology and dual step motor control are used to improve the vehicle lighting system. This vehicle lighting system detects the infrared light source （moving target） in the running time， feeds back the position coordinates of the infrared light source in the shooting image in real time， and then controls the dual-step motor to drive the vehicle lighting to accurately illuminate the coordinates of the infrared light source according to the position coordinate information. Through experimental verification， the system can quickly detect the position coordinates of the lighting target， and accurately control the movement of the stepping motor to complete the requirements of tracking the target.

Key Words：vision processing; infrared light source; stepper motor; target tracking

0 引言

夜間戶外作業(yè)需要照明，如果照射對象是移動(dòng)目標(biāo)，則照明燈需具有目標(biāo)跟蹤功能。目前，照明燈對移動(dòng)目標(biāo)的跟蹤一般采用人工操作的方式實(shí)現(xiàn)[1]，這不僅增加了操作人員勞動(dòng)強(qiáng)度，而且存在跟蹤不及時(shí)、照明效果差的問題，特別在一些危險(xiǎn)作業(yè)的場合，如交通事故處理現(xiàn)場，容易發(fā)生二次事故，對工作人員的安全構(gòu)成嚴(yán)重威脅。

車載照明自動(dòng)跟蹤系統(tǒng)現(xiàn)有研究尚未成熟。多數(shù)照明控制系統(tǒng)適用于圖書館、大型商場、室內(nèi)運(yùn)動(dòng)場、長廊等大型照明場合，只能對人員所處位置進(jìn)行檢測，從而得到有人區(qū)域和無人區(qū)域，對有人區(qū)域?qū)嵭懈吡炼日彰?，對無人區(qū)域則降低照明度或關(guān)閉燈具。該類采用圖像定位與跟蹤技術(shù)及PLC-Bus技術(shù)構(gòu)建的智能照明控制系統(tǒng)無法在車輛上實(shí)現(xiàn)單一照明燈具實(shí)時(shí)監(jiān)測跟蹤[5]。

目前機(jī)器視覺發(fā)展已較成熟，電機(jī)控制技術(shù)也得到廣泛應(yīng)用，將兩者結(jié)合可產(chǎn)生很好的效果。因此，本文通過攝像頭采集照明目標(biāo)上的紅外光源圖像信息，利用OpenCV[2-4]相關(guān)視覺算法處理圖像信息， 獲取照明目標(biāo)位置信息，最后控制兩個(gè)步進(jìn)電機(jī)相互作用，移動(dòng)攝像頭和照明燈以對準(zhǔn)照明目標(biāo)所在位置，實(shí)現(xiàn)一種自動(dòng)跟蹤照明目標(biāo)的車載照明系統(tǒng)，增強(qiáng)傳統(tǒng)車載照明系統(tǒng)智能化和靈活性。

1 系統(tǒng)方案設(shè)計(jì)

車載照明跟蹤系統(tǒng)方案如圖1所示，主要由六大硬件部分組成：紅外光源（移動(dòng)目標(biāo)）、攝像頭、主控制器、電機(jī)控制模塊、雙步進(jìn)電機(jī)及車載照明燈。系統(tǒng)功能實(shí)現(xiàn)主要由紅外光源位置檢測及處理與步進(jìn)電機(jī)控制組成。攝像頭經(jīng)過可見光濾鏡作用后，將照明目標(biāo)上的紅外光源圖像信息采集給控制器，經(jīng)過圖像預(yù)處理、閾值分割、形態(tài)學(xué)濾波及輪廓搜索視覺處理后，檢測出圖像中紅外光源位置信息。主控制器再根據(jù)紅外光源目標(biāo)的坐標(biāo)信息，計(jì)算出兩個(gè)步進(jìn)電機(jī)移動(dòng)到目標(biāo)位置所需的運(yùn)動(dòng)方向和步進(jìn)量，將計(jì)算結(jié)果傳給電機(jī)控制模塊，進(jìn)而控制兩個(gè)步進(jìn)電機(jī)移動(dòng)，即控制照明方向在坐標(biāo)內(nèi)進(jìn)行x軸方向和y軸方向的運(yùn)動(dòng)。同時(shí)，電機(jī)移動(dòng)速率根據(jù)目標(biāo)坐標(biāo)大小確定，保證電機(jī)在快速移動(dòng)的同時(shí)又能保證精度，電機(jī)位置經(jīng)不斷調(diào)整，使照明方向?qū)?zhǔn)照明目標(biāo)所在位置。照明燈單獨(dú)固定在攝像頭臨近位置，照明方向和攝像頭照射方向一致，當(dāng)系統(tǒng)跟隨紅外光源運(yùn)動(dòng)時(shí)，也相應(yīng)帶動(dòng)照明燈的運(yùn)動(dòng)，實(shí)現(xiàn)照明自動(dòng)跟蹤。

1.1 紅外光源目標(biāo)位置檢測

紅外光是一種不可見光，為快速檢測紅外光源的位置信息，首先圖像需排除可見光干擾，然后再對圖像進(jìn)行圖像灰度化、高斯濾波、閾值分割、形態(tài)學(xué)濾波和輪廓搜尋算法處理，最后得到紅外光源在圖像中的具體坐標(biāo)信息（x，y）。紅外光源目標(biāo)位置檢測具體步驟為：

（1）濾除可見光。為使算法設(shè)計(jì)和實(shí)現(xiàn)既更簡單，又有效保證檢測與跟蹤速度，本文系統(tǒng)利用可見光濾鏡濾除可見光[6]，使紅外光源在圖像中的位置更加凸顯。圖2（a）為實(shí)驗(yàn)人員手握紅外光源的姿勢下拍攝的普通圖像。圖2（b）是在圖2（a）相同的環(huán)境與姿勢下，攝像頭增加可見光濾鏡后拍攝的圖像。通過對比可見，濾除紅外光源使紅外源目標(biāo)特征得到有效加強(qiáng)。

（2）圖像灰度化處理。在圖像紋理強(qiáng)度中，局部表層曝光貢獻(xiàn)值比重較大，故圖像預(yù)處理首先需將RGB圖像轉(zhuǎn)化為灰度圖，即對輸入圖像進(jìn)行顏色空間標(biāo)準(zhǔn)化，調(diào)節(jié)圖像對比度，降低圖像局部陰影和光照變化造成的影響，同時(shí)還可抑制噪音干擾[7]。圖像灰度化的算法主要有3種：①最大值法。將轉(zhuǎn)化后的R、G、B值等于轉(zhuǎn)化前3個(gè)值中最大的一個(gè)，該方法轉(zhuǎn)換的灰度圖亮度很高;②平均值法。轉(zhuǎn)化后R、G、B值為轉(zhuǎn)化前R、G、B的平均值，該方法產(chǎn)生的灰度圖像比較柔和;③加權(quán)平均值法。按照一定權(quán)值，對R、G、B值加權(quán)平均，取不同值形成不同的灰度圖像。本文系統(tǒng)使用的圖像灰度化方法是平均值法，處理公式為：

（3）高斯濾波。圖像濾波是指在盡量保留圖像細(xì)節(jié)特征的條件下，對目標(biāo)圖像中的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的環(huán)節(jié)，其處理效果將直接影響后續(xù)算法對圖像處理的有效性和可靠性[8]。在圖3所示的灰度化處理后圖像中，可以看到仍存在部分噪聲與干擾，影響后續(xù)紅外光源目標(biāo)檢測，所以需對灰度化后的圖像進(jìn)行濾波除噪處理。高斯濾波常被用于計(jì)算機(jī)視覺預(yù)處理，是一種常用的線性濾波方法，抑制服從正態(tài)分布的噪聲，即高斯濾波是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個(gè)像素點(diǎn)的值均由其本身和鄰域內(nèi)的其它像素值經(jīng)過加權(quán)平均后得到[9]。具體方法為：輸入圖像的每一個(gè)像素點(diǎn)與高斯內(nèi)核進(jìn)行卷積，將卷積和作為輸出像素值，即對整幅圖像的像素進(jìn)行加權(quán)平均處理。

（5）形態(tài)學(xué)濾波。數(shù)學(xué)形態(tài)學(xué)濾波算法是一種非線性濾波方法，主要用于圖像噪聲抑制、邊緣提取、目標(biāo)檢測等[12-14]。因受噪聲干擾，初步分離出的目標(biāo)區(qū)域圖像存在一些孔洞及細(xì)小碎塊，本文系統(tǒng)采用形態(tài)學(xué)濾波和輪廓搜尋方法進(jìn)行去除，對前景圖像經(jīng)過一次閉運(yùn)算后可使孔洞得到填補(bǔ)，圖像上的孤立噪點(diǎn)也可得到很好的抑制。圖像經(jīng)過形態(tài)學(xué)濾波處理后的效果如圖6所示，可見細(xì)小的孔洞被填補(bǔ)。

（6）輪廓搜尋。其目的有兩個(gè)：①找到各個(gè)連通域，單獨(dú)分割出目標(biāo);②根據(jù)輪廓特征去除干擾[15]。系統(tǒng)采用Freeman鏈碼搜索算法對檢測到的離散像素點(diǎn)進(jìn)行八鄰域搜索，以最后鏈碼輪廓幾何特征消除形態(tài)學(xué)濾波無法去除的干擾點(diǎn)和空洞點(diǎn)，即根據(jù)幾何信息只保留面積大于一定閾值的輪廓，其它細(xì)小輪廓視為干擾源被丟棄[16-17]，最終處理的紅外光源目標(biāo)圖像效果如圖7所示。

經(jīng)過試驗(yàn)測試，攝像頭采集的圖像經(jīng)過以上步驟視覺處理后，可以準(zhǔn)確清晰地得到紅外光源目標(biāo)的坐標(biāo)信息，坐標(biāo)信息以x軸坐標(biāo)和y軸坐標(biāo)的具體數(shù)據(jù)表示，以方便后續(xù)電機(jī)控制。

1.2 電機(jī)控制算法設(shè)計(jì)

本文系統(tǒng)跟蹤功能由兩個(gè)步進(jìn)電機(jī)使照明方向在x軸方向和y軸方向進(jìn)行調(diào)整實(shí)現(xiàn)，以滿足動(dòng)態(tài)工作環(huán)境的照明需求。

紅外光源跟蹤實(shí)際上由兩個(gè)步進(jìn)電機(jī)相互作用實(shí)現(xiàn)，電機(jī)控制算法流程如圖8所示。主控制器在計(jì)算得到紅外光源目標(biāo)的位置坐標(biāo)信息（x，y）后，判定位置坐標(biāo)絕對值是否小于設(shè)定值（0，0），如果小于設(shè)定值，則不需要調(diào)整照明位置;如果大于設(shè)定值，則控制器根據(jù)紅外光源坐標(biāo)信息計(jì)算兩個(gè)步進(jìn)電機(jī)運(yùn)動(dòng)方向和步進(jìn)量，并轉(zhuǎn)化成步進(jìn)電機(jī)工作參數(shù)。步進(jìn)電機(jī)工作時(shí)，移動(dòng)速率并不是勻速的，當(dāng)步進(jìn)電機(jī)位置距離移動(dòng)目標(biāo)比較遠(yuǎn)（坐標(biāo)設(shè)定值為大于（5，5））時(shí)，步進(jìn)電機(jī)根據(jù)指令以每秒10個(gè)坐標(biāo)值的速率移動(dòng)，當(dāng)步進(jìn)電機(jī)位置距離移動(dòng)目標(biāo)比較近（坐標(biāo)設(shè)定值為小于（5，5））時(shí)，步進(jìn)電機(jī)根據(jù)指令以每秒2.5個(gè)坐標(biāo)值的速率移動(dòng)，通過該移動(dòng)策略既可保證步進(jìn)電機(jī)快速調(diào)整到目標(biāo)位置，又能保證步進(jìn)電機(jī)移動(dòng)精度。步進(jìn)電機(jī)移動(dòng)過程中，主控制器不斷獲取紅外光源目標(biāo)坐標(biāo)信息，并與設(shè)定值（0，0）進(jìn)行比較，直到目標(biāo)坐標(biāo)信息變到（0，0）附近，即攝像頭中心和照明方向?qū)?zhǔn)紅外光源目標(biāo)時(shí)，系統(tǒng)停止調(diào)整，等待下一次調(diào)整。系統(tǒng)調(diào)整坐標(biāo)誤差為（1，1），即坐標(biāo)值的絕對值小于等于（1，1）時(shí)，系統(tǒng)停止調(diào)整。

2 實(shí)驗(yàn)結(jié)果

2.1 紅外光源位置檢測與處理結(jié)果

在去除可見光干擾過后，進(jìn)行圖像灰度化、高斯濾波、閾值分割、形態(tài)學(xué)濾波、輪廓搜尋等算法處理后，可精確找到紅外光源目標(biāo)位置。紅外光源經(jīng)過視覺處理的結(jié)果如圖9所示，紅外光源清晰，幾乎沒有其它干擾。

2.2 自動(dòng)跟蹤測試結(jié)果

系統(tǒng)主控制器計(jì)算出紅外光源目標(biāo)坐標(biāo)值后，根據(jù)坐標(biāo)值計(jì)算出電機(jī)需要移動(dòng)的方向與步進(jìn)量，進(jìn)而控制步進(jìn)電機(jī)按命令移動(dòng)，一個(gè)移動(dòng)命令結(jié)束后再次發(fā)送命令接收目標(biāo)坐標(biāo)，進(jìn)入下一次調(diào)整，直到移動(dòng)目標(biāo)坐標(biāo)在（0，0）附近。本文系統(tǒng)設(shè)定的絕對誤差為（1，1），當(dāng)坐標(biāo)值小于等于（1，1）時(shí)，系統(tǒng)停止調(diào)整。車載照明自動(dòng)跟蹤測試結(jié)果如圖10所示，系統(tǒng)根據(jù)收到的紅外光源坐標(biāo)信息，計(jì)算得到步進(jìn)電機(jī)需要的移動(dòng)數(shù)據(jù)，進(jìn)而帶動(dòng)照明燈和攝像頭，使其逐步調(diào)整到紅外光源目標(biāo)位置，即由圖10（a）逐漸移動(dòng)到圖10（b）位置，最后鎖定在圖10（c），使其坐標(biāo)處于（0，0）位置，此時(shí)攝像頭和照明方向即鎖定紅外光源目標(biāo)，實(shí)現(xiàn)車載照明自動(dòng)跟蹤功能。

3 結(jié)語

本文結(jié)合視覺處理技術(shù)與雙步進(jìn)電機(jī)控制技術(shù)對車載照明系統(tǒng)進(jìn)行改進(jìn)，實(shí)現(xiàn)了一種車載照明自動(dòng)跟蹤系統(tǒng)。該視覺處理技術(shù)通過圖像灰度化、高斯濾波、閾值分割、形態(tài)學(xué)濾波、輪廓搜尋等算法處理后可精確找到紅外光源目標(biāo)的位置，雙步進(jìn)電機(jī)也能實(shí)現(xiàn)精準(zhǔn)定位。實(shí)驗(yàn)表明，本文設(shè)計(jì)的車載照明自動(dòng)跟蹤系統(tǒng)可實(shí)現(xiàn)攝像頭與車載照明對紅外光源目標(biāo)的自動(dòng)跟蹤，增強(qiáng)車載照明系統(tǒng)智能化和靈活性;與傳統(tǒng)車載照明系統(tǒng)相比，可避免繁瑣的照明方向調(diào)節(jié)過程，滿足移動(dòng)目標(biāo)照明需求，提高了工作環(huán)境安全度且智能高效。

參考文獻(xiàn)：

[1] 凌建壽，朱瑛，喬大力. 基于LED車載警用照明照明組的檢測技術(shù)要求和測試方法研究[J]. 中國安全防范技術(shù)與應(yīng)用，2018（3）：58-61.

[2] 陳吉廬. ?基于OpenCV的紅外運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究及實(shí)現(xiàn)[D]. 南京： 南京理工大學(xué)，2010.

[3] 康杜. 基于OpenCV運(yùn)動(dòng)物體檢測與跟蹤[D]. 荊州：長江大學(xué)，2018.

[4] 李莎莎. ?基于Kinect傳感器的坐姿識別軟件設(shè)計(jì)及實(shí)現(xiàn)[D]. 成都：電子科技大學(xué)，2018.

[5] 劉甫，李晉. ?基于動(dòng)態(tài)目標(biāo)跟蹤技術(shù)和PLC Bus的智能照明控制系統(tǒng)[J]. ?照明工程學(xué)報(bào)，2008（3）：62-66.

[6] 成春陽，黃淵博，盧鑫，等. 基于主動(dòng)紅外濾光環(huán)視成像的車道線檢測算法[J]. 激光與光電子學(xué)進(jìn)展，2018，55（12）：288-296.

[7] 孟銳，金成軍，劉暢. 基于陰影線的智能車輛檢測及測距方法研究[J]. 吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2018，36（6）：654-660.

[8] DEY A， SADHU S， GHOSHAL T K. Adaptive Gauss-Hermite filter for non-linear systems with unknown measurement noise covariance[J]. IET Science Measurement & Technology，2015，9（8）：1007-1015.

[9] 顧李云. ?基于圖像處理的車牌識別算法的研究與設(shè)計(jì)[D]. ?南京：南京郵電大學(xué)，2018.

[10] 肖國宴. ?基于視頻的車輛檢測與分割算法研究[D]. ?南昌：南昌大學(xué)，2018.

[11] 胡淋波. ?基于紅外圖像的絕緣子分割算法的研究[D]. ?長沙：湖南大學(xué)，2017.

[12] 李鵬. ?低空空域無人機(jī)紅外圖像檢測技術(shù)研究[D]. 成都：電子科技大學(xué)，2018.

[13] BAI X， ZHOU F. Analysis of new top-hat transformation and the application for infrared dim small target detection[J]. ?Pattern Recognition， 2010， 43： 2145-2156.

[14] 劉忠領(lǐng)，于振紅，耿建君，等. 基于形態(tài)濾波的紅外圖像目標(biāo)檢測方法[Jl. 紅外與激光工程，2013， 42（S01）： 249-252.

[15] 徐偉斌. ?視頻圖像中手勢連續(xù)輪廓提取方法研究與實(shí)現(xiàn)[D]. ?杭州：杭州電子科技大學(xué)，2017.

[16] 葛藝曉. ?基于Freeman鏈碼特征值的示功圖分類識別研究[D]. ?馬鞍山：安徽工業(yè)大學(xué)，2014.

[17] 湯勇，顧宏斌，周來. 交互系統(tǒng)中實(shí)時(shí)手勢分割及指尖檢測方法[J]. 光電工程，2010，37（7），145-150.

（責(zé)任編輯：江 艷）