姚志強 趙恩銘 楊松 楊燕婷 劉光宇 周豹 王辰 朱曉棟

摘 要：提出一種基于OpenMV的目標方位追蹤算法.算法以機器視覺模塊OpenMV為圖像輸入及處理平臺，通過自帶的攝像頭采集目標圖像信息，使用通用加速分割檢測算法（AGAST）獲取目標的特征點，將采集到的特征點與目標特征進行匹配，達到追蹤目標并檢測其方位信息的目的.實驗結(jié)果表明，該算法在目標方位追蹤上具有較高的準確率.

關(guān)鍵詞：目標追蹤;AGAST;局部不變特征

[中圖分類號]TP391.4 ? [文獻標志碼]A

Abstract：This paper presents an algorithm for target location tracking based on OpenMV.The algorithm takes the machine vision module OpenMV as the image input and processing platform，collects the target image information through the built-in camera，uses the General Accelerated Segmentation Detection Algorithm （AGAST） to obtain the target feature points，matches the collected feature points with the target features，and achieves the purpose of tracking the target and detecting its azimuth information.Experimental results show that the algorithm has high accuracy in target azimuth tracking.

Key words：target tracking;AGAST;local invariant features

目標追蹤是機器視覺中重要的研究方向，在日常生活中有著廣泛的應(yīng)用.[1-2]特征匹配法[3]是目標追蹤的主流方法，根據(jù)特征點灰度值與其鄰近點灰度值差異，進行圖像匹配.特征點檢測算法主要有Rosten[4]等人提出的FAST（Features from Accelerated Segment Test）算法和Mair[5]等人提出的AGAST（adaptive and generic accelerated segment test）算法.FAST算法的運算量小，實時性高，但在圖像發(fā)生變換時魯棒性較差;AGAST算法準確率高、追蹤效果好，但計算復(fù)雜性略有增加.本文以機器視覺模塊OpenMV為圖像輸入及處理平臺，通過自帶攝像頭采集目標圖像信息，使用通用加速分割檢測算法（AGAST）獲取目標的特征點，將采集到的特征點與目標特征進行匹配，實現(xiàn)目標方位追蹤算法，達到追蹤目標并檢測其方位信息的目的.

1 系統(tǒng)總體設(shè)計

OpenMV是一款基于STM32 H743II ARM Cortex M7處理器和OV5640圖像傳感器的機器視覺模塊，能夠使用Python語言實現(xiàn)圖像檢測、目標追蹤、智能尋跡等功能.本文基于OpenMV模塊進行目標追蹤及方位檢測.如圖1所示，目標追蹤由提取特征點、目標匹配、非極大值抑制、輸出目標方位等過程組成.使用AGAST算法采集目標特征點，在進行非極大值抑制后將其作為目標特征保存到OpenMV中，追蹤目標時，將采集到的特征點與目標特征進行匹配.當匹配到的特征點個數(shù)達到設(shè)定的閾值時，即為匹配成功，輸出目標在畫面中的方位.

選用如圖7所示的圖像，通過對比FAST算法與AGAST算法在角度變換、尺度變換和視角變換的重復(fù)率來驗證算法的有效性，實驗結(jié)果如圖8所示.

從圖8中可以看出，與FAST算法相比，本文使用的AGAST特征檢測算法在準確匹配到目標的同時，對于各種變換都具有良好的不變性，具有較高的魯棒性，能夠滿足目標追蹤及方位檢測的要求.

3.2 目標方位檢測性能

為驗證目標方位識別的準確性，從角度、視角和尺度三個方面進行對比實驗，測試方位檢測算法在不同變換下輸出方位的絕對誤差，絕對誤差越小，表示算法的穩(wěn)定性越高.

圖9為FAST算法與AGAST算法在不同變換下對圖7所示圖片的絕對誤差比較圖.可以看出，AGAST算法在各種變化下依然具有良好的魯棒性，整體上優(yōu)于FAST算法，尤其在視角變換較大的情況下，依然能夠保持較低的絕對誤差.因此，基于AGAST算法進行目標方位檢測能夠取得更好的效果，可有效降低各種變換對目標追蹤的影響.

4 結(jié)束語

提出一種基于OpenMV的目標方位追蹤算法，解決了基于OpenMV的目標追蹤算法沒有目標方位信息的問題.采用AGAST算法提取目標特征點，通過改進傳統(tǒng)的目標追蹤算法從而獲取目標所在方位.實驗結(jié)果表明，基于OpenMV的AGAST算法能夠有效追蹤目標并能準確識別目標方位，與FAST算法相比，具有重復(fù)率高的優(yōu)勢，對旋轉(zhuǎn)變化、尺度變化和視角變化都具有良好的魯棒性.

參考文獻

[1]王力超，羅建，劉丙友，等.基于機器視覺的智能小車導(dǎo)航系統(tǒng)研究[J].牡丹江師范學(xué)院學(xué)報：自然科學(xué)版，2019（1）：29-33.

[2]曹萍萍，劉升.Android平臺人臉識別方法研究[J].牡丹江師范學(xué)院學(xué)報：自然科學(xué)版，2018（4）：27-30.

[3]楊曉敏，吳煒，卿粼波，華驊，何小海.圖像特征點提取及匹配技術(shù)[J].光學(xué)精密工程，2009，17（09）：2276-2282.

[4]Rosten E.Machine learning for very high-speed corner detection[J].ECCV'06，May，2006.

[5]Mair E，Hager G D，Burschka D，et al.Adaptive and Generic Corner Detection Based on the Accelerated Segment Test[J].European Conference on Computer Vision-eccv，2010.

[6]Rosten E，Drummond T .Fusing points and lines for high performance tracking[C]// Tenth IEEE International Conference on Computer Vision.IEEE，2005.

[7]張巖，李建增，李德良，等.快速魯棒性非線性尺度不變的特征匹配算子[J].西北工業(yè)大學(xué)學(xué)報，2016，34（6）：1108-1119.

[8]葛林，于鳴，任洪娥.基于快速尺度空間的無人機影像自適應(yīng)穩(wěn)像方法[J].電光與控制，2019，26（2）：32-37.

[9]劉佳，顧爽，張小瑞，等.基于加速分割檢測的移動增強現(xiàn)實跟蹤注冊算法[J].計算機應(yīng)用研究，2018，35（10）：3121-3125.

編輯：琳莉