葛 雯，姜添元

(沈陽航空航天大學(xué)電子與信息工程學(xué)院，遼寧 沈陽 110136)

1 引言

視頻監(jiān)控一直是計(jì)算機(jī)視覺鄰域的熱門應(yīng)用，監(jiān)控場景中的目標(biāo)識別與跟蹤更是研究熱點(diǎn)，其不僅用于日常生活中的交通監(jiān)控、防盜監(jiān)控等，甚至在安防以及軍事鄰域都發(fā)揮著至關(guān)重要的作用。

現(xiàn)階段監(jiān)控場景中常用的目標(biāo)檢測方法為幀間差分法，由于其實(shí)現(xiàn)簡單得到了最為廣泛地應(yīng)用，但是如果視頻中的目標(biāo)移動過快或過慢，就會造成運(yùn)動物體內(nèi)部灰度值相近，物體邊緣輪廓過粗，也就是俗稱的“空洞”和“雙影”現(xiàn)象，對檢測造成不良影響。Minoh M 和 Kameda Y提出了基于幀差分法改進(jìn)的三幀差分法提取目標(biāo)，輪廓清晰但效果仍不盡人意。JosephRedmon和Ross Girshick提出的YOLO算法，是將目標(biāo)檢測轉(zhuǎn)換成一個(gè)回歸問題，使檢測速度得到了極大的提升，但精度不高。目標(biāo)跟蹤進(jìn)展要落后于目標(biāo)檢測，其中基于目標(biāo)檢測跟蹤的方法[1]，這類方法場景適應(yīng)性強(qiáng)，魯棒性高，所以發(fā)展迅速并逐漸普及，其中就以Sort算法[2-5]為代表的，但其對物體遮擋幾乎沒有處理，在有遮擋的情況下準(zhǔn)確度非常低。而Deepsort算法[6]利用YOLO算法選取窗口，卡爾曼濾波進(jìn)行預(yù)測，結(jié)合匈牙利算法匹配出跟蹤目標(biāo)的方法精度高且魯棒性強(qiáng)，但在對運(yùn)動目標(biāo)進(jìn)行預(yù)測以及匹配時(shí)工作量很大，有很多無關(guān)要素拖慢運(yùn)行速度。

針對上述這些傳統(tǒng)算法存在的問題，本文從圖像預(yù)處理和圖像分割技術(shù)方面進(jìn)行改善，通過對圖像預(yù)處理和圖像分割中的選擇性搜索來消除干擾，提高檢測跟蹤的準(zhǔn)確率。然而，因?yàn)槭褂脦g差分法對視頻幀進(jìn)行預(yù)處理，增加了流程復(fù)雜度，會相應(yīng)地增加運(yùn)行時(shí)間。而利用K鄰域搜索進(jìn)行篩選目標(biāo)框，消除了很多無關(guān)干擾項(xiàng)，減少了預(yù)測和匹配工作量，進(jìn)而縮短時(shí)間。

2 改進(jìn)的YOLO算法

2.1 YOLO算法

在對目標(biāo)進(jìn)行檢測時(shí)，傳統(tǒng)CNN算法使用滑動窗口思想對候選框內(nèi)的目標(biāo)進(jìn)行識別，在準(zhǔn)確率和定位精度上較有優(yōu)勢，但是實(shí)時(shí)性的視頻流中，檢測的速度才是重中之重，其中YOLO算法將目標(biāo)的檢測問題處理為回歸問題，利用單個(gè)神經(jīng)網(wǎng)絡(luò)直接預(yù)測目標(biāo)邊界和類別概率，實(shí)現(xiàn)端到端的物品檢測，節(jié)省了大量提取邊框的時(shí)間，使得模型的運(yùn)行速度快，可以直接學(xué)習(xí)圖像的全局信息，能更好地應(yīng)用于視頻實(shí)時(shí)檢測[7]。但其準(zhǔn)確性無法和最先進(jìn)的檢測系統(tǒng)相比，難以精確檢測某些對象，包括監(jiān)控視頻中的運(yùn)動目標(biāo)。其對特征提取卷積網(wǎng)絡(luò)圖如圖1，得到bounding boxes坐標(biāo)，包括檢測出的目標(biāo)類別以及置信度，然后通過NMS算法[11]篩選出最優(yōu)boxes。

圖1 卷積網(wǎng)絡(luò)圖

2.2 融合幀間差分法的YOLO算法

本文研究的是視頻圖像，針對視頻幀中的運(yùn)動目標(biāo)檢測，因?yàn)橄噜弮蓭羞\(yùn)動目標(biāo)的位置差別不大，對應(yīng)在圖像上來說就是兩幀只有運(yùn)動的目標(biāo)的像素點(diǎn)會發(fā)生變化。利用幀間差分法[8]將視頻兩幀圖像做差分，將不同像素點(diǎn)相減，通過減去圖像中灰度信息不變或者變動幅度小于某個(gè)閾值的部分，求出灰度信息變化較大的部分，從而就能檢測出視頻中的運(yùn)動目標(biāo)。

圖2 二幀差分法流程圖

這里用到的是二幀差分法，其流程圖如圖2。將視頻中的第n幀和第n-1幀圖像記為fn和fn-1，兩幀對應(yīng)像素點(diǎn)的灰度值記為fn(x，y)和fn-1(x，y)，將兩幀圖像對應(yīng)像素點(diǎn)的灰度值進(jìn)行相減，并取其絕對值，得到差分圖像Dn

Dn(x，y)=|fn(x，y)-fn-1(x，y)|

(1)

設(shè)定閾值T，逐個(gè)對像素點(diǎn)進(jìn)行二值化處理，得到二值化圖像Rn。其中，灰度值為255的點(diǎn)即為前景點(diǎn)，灰度值為0的點(diǎn)即為背景點(diǎn)；對圖像Rn進(jìn)行連通性分析，最終可得到含有完整運(yùn)動目標(biāo)的圖像Rn

(2)

但二幀差分僅選取一段視頻中的相鄰兩幀進(jìn)行處理，在運(yùn)行實(shí)驗(yàn)中發(fā)現(xiàn)對運(yùn)動目標(biāo)的檢測效果很差，魯棒性不足，所以為了得到更好的結(jié)果圖，為了避免光線等因素引起的噪聲擾亂圖像的可觀測信息，對圖像造成亮、暗點(diǎn)干擾，從而降低了圖像質(zhì)量，影響圖像特征提取、圖像識別等后繼工作的進(jìn)行。所以這里先對圖像進(jìn)行預(yù)處理，第一步是將圖像灰度化，然后為對灰度化處理后的圖像進(jìn)行高斯模糊，對相鄰兩視頻幀進(jìn)行差分時(shí)，忽略掉與上一幀較小的差別，最后得到差分處理圖。

由于監(jiān)控場景中的目標(biāo)檢測只需檢測出運(yùn)動目標(biāo)，若使用YOLO算法則需將視頻幀圖像分成S×S個(gè)網(wǎng)格，每個(gè)單元格還需預(yù)測B個(gè)邊界框，進(jìn)而檢測出目標(biāo)，這樣難免做了很多無用功，而若先對視頻幀進(jìn)行預(yù)處理，即二幀差分，得到運(yùn)動目標(biāo)的候選框，利用YOLO算法中的卷積神經(jīng)網(wǎng)絡(luò)[9-11]進(jìn)行預(yù)測篩選，保證每個(gè)邊界框都含有目標(biāo)，也就是說Pr(object)=1，Pr(object)是這個(gè)邊界框含有目標(biāo)的可能性大小，而邊界框的準(zhǔn)確度可以用預(yù)測框與實(shí)際框的IOU來表示，記為IOU，則置信度可以定義為Pr(object)。對于每個(gè)單元給出C個(gè)類別概率值(各個(gè)邊界框置信度下的條件概率)，記為Pr(classi丨object)，這樣排除了該幀靜止目標(biāo)的干擾，只檢測運(yùn)動目標(biāo)，從而大大地提高了運(yùn)行速度和精度，效果如圖3。

圖3 改進(jìn)YOLO算法效果圖

3 改進(jìn)的目標(biāo)跟蹤算法

3.1 Deepsort算法

基于檢測的跟蹤主要涉及的問題就是檢測之后的預(yù)測、匹配、更新問題，簡單說就是要準(zhǔn)確地將上一幀中的目標(biāo)匹配定位到下一幀中，若使用一個(gè)8維空間展示某時(shí)刻的軌跡狀態(tài)，分別記錄目標(biāo)的中心點(diǎn)坐標(biāo)、縱橫比、圖片高度以及這四個(gè)信息對應(yīng)的運(yùn)動速度。通過卡爾曼濾波對目標(biāo)預(yù)測，將得到的預(yù)測目標(biāo)框與當(dāng)前的目標(biāo)框計(jì)算馬氏距離，當(dāng)其值小于規(guī)定的閾值時(shí)，則說明預(yù)測到的目標(biāo)框是合理準(zhǔn)確的，從而完成對目標(biāo)的跟蹤。其具體的標(biāo)準(zhǔn)公式如下

(3)

其中d(1)(i，j)表示第j個(gè)檢測目標(biāo)和第i條軌跡之間的運(yùn)動匹配度，其中Si是軌跡使用卡爾曼濾波器后預(yù)測出當(dāng)前時(shí)刻觀測空間的協(xié)方差矩陣，yi表示軌跡在當(dāng)前時(shí)刻的預(yù)測觀測量，di則為第j個(gè)檢測目標(biāo)的位置信息。

僅使用馬氏距離來作為預(yù)測標(biāo)準(zhǔn)會導(dǎo)致關(guān)聯(lián)不準(zhǔn)確即ID不停變化，所以使用預(yù)測目標(biāo)和軌跡中含有的預(yù)測目標(biāo)的特征向量之間的最小余弦值作為表觀匹配程度衡量預(yù)測準(zhǔn)確度。其表達(dá)式如下

(4)

c(i，j)=λd(1)(i，j)+(1-λ)d(2)(i，j)

(5)

最后引入匈牙利算法檢測當(dāng)前幀的某個(gè)目標(biāo)，是否與前一幀的某個(gè)目標(biāo)相同。為了避免一條軌跡被遮擋了一段時(shí)間或長時(shí)間丟幀后，卡爾曼濾波器預(yù)測會導(dǎo)致概率彌散的問題，采用級聯(lián)匹配保證預(yù)測的目標(biāo)就是被遮擋前或長時(shí)間丟幀前的目標(biāo)。Deepsort算法采用的就是上述的思想，在得到檢測目標(biāo)后準(zhǔn)確地定位到下一幀中該目標(biāo)的位置信息。

3.2 改進(jìn)的跟蹤算法

因跟蹤目標(biāo)在相鄰的兩視頻幀中的位移不會過大，而多目標(biāo)視頻跟蹤過程中使用文中檢測方法會有很多的運(yùn)動目標(biāo)，不同的運(yùn)動目標(biāo)在使用Deepsort算法進(jìn)行跟蹤時(shí)產(chǎn)生的不同的目標(biāo)框以及預(yù)測的目標(biāo)框在匹配時(shí)難免會互相干擾，增加了很多處理時(shí)間。所以在使用YOLO算法選取運(yùn)動目標(biāo)的目標(biāo)框時(shí)引入K鄰域搜索，在上一幀檢測出的目標(biāo)框?yàn)榛A(chǔ)框，后一幀搜索區(qū)域在上一幀基礎(chǔ)框周圍，并滿足搜索區(qū)域中心點(diǎn)與基礎(chǔ)框中心點(diǎn)位置一致，同時(shí)保證寬高比(記為K)一致。示意圖如圖4，紅色笑臉為目標(biāo)物體，綠色框?yàn)榍耙粠媚繕?biāo)框，紅色框?yàn)楫?dāng)前幀K鄰域搜索矩陣框，其中K=2。

圖4 K鄰域搜索示意圖

利用此方法在卡爾曼濾波預(yù)測出預(yù)測目標(biāo)框時(shí)，僅將出現(xiàn)在K鄰域內(nèi)的預(yù)測目標(biāo)框與上一幀的目標(biāo)框進(jìn)行匹配，通過匈牙利算法驗(yàn)證是否正確，若不正確，則增加K的值，擴(kuò)大K鄰域搜索范圍，直到匹配成功。這有效減少了工作量，篩選去除在K鄰域之外的無用目標(biāo)框，并增加運(yùn)動目標(biāo)的檢出率，提高跟蹤效果。

同時(shí)，為了保證跟蹤目標(biāo)的準(zhǔn)確性，在算法中引入“軌跡展示”，即將每個(gè)跟蹤目標(biāo)在幀與幀之間的運(yùn)動軌跡展示出來，這樣就可以保證跟蹤目標(biāo)不會發(fā)生跳脫與丟失，保證跟蹤準(zhǔn)確性。

在實(shí)際監(jiān)控場景中進(jìn)行運(yùn)動目標(biāo)的檢測與跟蹤時(shí)，輸入監(jiān)控視頻，通過融合幀間差分法的YOLO算法檢測出每一幀中的運(yùn)動目標(biāo)，并提取出目標(biāo)框后，引入K鄰域搜索，對運(yùn)動目標(biāo)框加以限制，結(jié)合卡爾曼濾波進(jìn)行預(yù)測下一幀某一運(yùn)動目標(biāo)的目標(biāo)框，然后利用匈牙利算法將兩者完成匹配，從而達(dá)到跟蹤目標(biāo)的目的。

4 實(shí)驗(yàn)結(jié)果

4.1 目標(biāo)檢測的實(shí)驗(yàn)分析

為了驗(yàn)證真實(shí)監(jiān)控場景下算法的可行性，這里使用的視頻圖像來源于某街道，以多目標(biāo)檢測與跟蹤驗(yàn)證這里算法的可行性。將二幀差分法、YOLO算法和融合幀間差分法的YOLO算法的數(shù)據(jù)集對目標(biāo)的檢測進(jìn)行對比，同樣都選取視頻1第23幀進(jìn)行處理，勘驗(yàn)效果如圖5。從對比處理圖可以看出：二幀差分雖說可以檢測出運(yùn)動目標(biāo)，但對同一目標(biāo)精度不高，YOLO算法會檢測出當(dāng)前幀的所有物體，誤檢過多，無法很好完成檢測目的，而改進(jìn)算法很好地提取出了當(dāng)前幀的運(yùn)動目標(biāo)以及其識別準(zhǔn)確率。

圖5 不同方法對比圖

通過表1(對視頻進(jìn)行目標(biāo)檢測的速度及mAP對比表)并結(jié)合圖5對比可以看得出，處理相同視頻幀時(shí)，二幀差分可以檢測出運(yùn)動目標(biāo)，但是由于其自身的缺點(diǎn)——空洞和雙影現(xiàn)象導(dǎo)致檢測效果不盡人意，普通YOLO算法雖速度夠快，但準(zhǔn)確率較低，而且不能檢測出運(yùn)動的目標(biāo)，而這里使用的融合幀間差分法的YOLO算法雖然速度有些許降低，但其不僅能檢測出當(dāng)前幀的運(yùn)動目標(biāo)，且準(zhǔn)確率較高，mAP增長了1.24倍。

表1 實(shí)驗(yàn)結(jié)果

通過表1(對視頻進(jìn)行目標(biāo)檢測的速度及mAP對比表)并結(jié)合圖5對比可以看得出，處理相同視頻幀時(shí)，二幀差分可以檢測出運(yùn)動目標(biāo)，但是由于其自身的缺點(diǎn)——空洞和雙影現(xiàn)象導(dǎo)致檢測效果不盡人意，普通YOLO算法雖速度夠快，但準(zhǔn)確率較低，而且不能檢測出運(yùn)動的目標(biāo)，而這里使用的融合幀間差分法的YOLO算法雖然速度有些許降低，但其不僅能檢測出當(dāng)前幀的運(yùn)動目標(biāo)，且準(zhǔn)確率較高，mAP增長了1.24倍。

4.2 目標(biāo)跟蹤的實(shí)驗(yàn)分析

同樣為了驗(yàn)證跟蹤算法的可行性，這里使用街道或公路視頻對幾種跟蹤算法進(jìn)行對比。這里分別使用經(jīng)典Sort算法、Deepsort算法和這里改進(jìn)的Deepsort算法對視頻處理，進(jìn)行比對以勘驗(yàn)效果。同取視頻2的33幀與35幀、取視頻3的12幀與15幀進(jìn)行處理，效果如圖6。

圖6 不同跟蹤方法對比圖

很明顯的可以看到，Sort算法因其自身的缺點(diǎn)跟蹤效果并不好，Deepsort算法和改進(jìn)的Deepsort算法有較好的檢出率，改進(jìn)的Deepsort算法有更好地準(zhǔn)確率，并將視頻中的跟蹤目標(biāo)軌跡標(biāo)注了出來。然后使用中心點(diǎn)距離誤差、平均速度以及準(zhǔn)確率來衡量三者差別。其中中心點(diǎn)距離誤差是指預(yù)測目標(biāo)中心點(diǎn)和實(shí)際目標(biāo)中心點(diǎn)的歐氏距離，其算式為

(6)

式中，xp1，yp1，xp2，yp2分別表示預(yù)測目標(biāo)中心點(diǎn)坐標(biāo)和實(shí)際目標(biāo)中心點(diǎn)坐標(biāo)。取視頻1中的黑色汽車為驗(yàn)證目標(biāo)，計(jì)算其從第0幀到第40幀的歐氏距離，得到部分可視化結(jié)果如圖7所示。

圖7 不同算法的歐氏距離

從圖中數(shù)據(jù)和曲線可以得出，Deepsort算法和改進(jìn)的Deepsort算法表現(xiàn)總體比經(jīng)典Sort算法優(yōu)良很多，Sort算法當(dāng)出現(xiàn)目標(biāo)被遮擋時(shí)歐氏距離會突增。而改進(jìn)的Deepsort算法中心點(diǎn)距離誤差平均值為21.6，相比Deepsort算法的28提升了1.3倍。

表2 實(shí)驗(yàn)結(jié)果

如表2所示，這里所使用的改進(jìn)Deepsort算法跟蹤速度比Sort算法減少了6%、比Deepsort減少了5%；而準(zhǔn)確率比Deepsort提高了2%。

為了驗(yàn)證復(fù)雜條件下目標(biāo)被遮擋的情況改進(jìn)的Deepsort算法的表現(xiàn)，采用一段公路視頻分別用Sort算法和改進(jìn)Deepsort算法進(jìn)行對比，查看效果。同取視頻4中的出現(xiàn)目標(biāo)遮擋情況的17幀、20幀與23幀進(jìn)行檢驗(yàn)，效果如圖8。

圖8 不同算法應(yīng)對遮擋情況效果圖

從圖8可以看出，在使用Sort算法進(jìn)行視頻跟蹤時(shí)，17幀中的“人”被遮擋，23幀中的同一“人”ID發(fā)生改變，即被跟蹤為另一目標(biāo)。而改進(jìn)的跟蹤算法對同一目標(biāo)進(jìn)行跟蹤時(shí)，即使目標(biāo)被遮擋，也會在后續(xù)幀匹配到同一目標(biāo)，對發(fā)生遮擋情況下有很好的魯棒性。

5 結(jié)束語

文中所提出的改進(jìn)方法，在解決了傳統(tǒng)算法自身存在的不足的同時(shí)，對運(yùn)行時(shí)間、準(zhǔn)確率和誤檢率都加以改善，下面對檢測、跟蹤的研究進(jìn)行總結(jié)：①在檢測方面，融合幀間差分法的YOLO算法mAP比傳統(tǒng)YOLO算法增長了1.24倍；②在跟蹤方面，改進(jìn)的Deepsort算法比傳統(tǒng)Deepsort算法運(yùn)行時(shí)間減少了5%；③目標(biāo)跟蹤準(zhǔn)確率提高了2個(gè)百分點(diǎn)；④在應(yīng)對遮擋場景時(shí)也能很好地跟蹤目標(biāo)。

但仍然存在不足之處，比如在檢測時(shí)因?yàn)閷D像進(jìn)行預(yù)處理導(dǎo)致運(yùn)行時(shí)間有所增加，這就需要更好地升級YOLO算法提高檢測效率，在保證準(zhǔn)確率的同時(shí)縮短運(yùn)行時(shí)間。