亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)Kalman濾波與Camshift結(jié)合的嵌入式跟蹤系統(tǒng)設(shè)計(jì)

        2023-12-18 10:42:15邱曉歡鄭尚坡劉俊峰徐詩(shī)康廖丁丁
        計(jì)算機(jī)時(shí)代 2023年11期

        邱曉歡 鄭尚坡 劉俊峰 徐詩(shī)康 廖丁丁

        關(guān)鍵詞:目標(biāo)跟蹤;Camshift 算法;Kalman 濾波;目標(biāo)遮擋;狀態(tài)向量;嵌入式系統(tǒng)

        中圖分類號(hào):TP391.41 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1006-8228(2023)11-41-06

        0 引言

        目標(biāo)跟蹤技術(shù)作為機(jī)器視覺(jué)領(lǐng)域重要的研究課題及熱點(diǎn),在智能視頻監(jiān)控、自動(dòng)駕駛、軍事國(guó)防、智能交通系統(tǒng)和無(wú)人機(jī)等領(lǐng)域得到了廣泛應(yīng)用。

        目標(biāo)跟蹤算法根據(jù)不同的方法和策略可以分為基于輪廓、特征、區(qū)域和模型的四類方法?;谳喞母櫵惴╗1]以目標(biāo)的邊緣輪廓作為跟蹤模板,具有較好的實(shí)時(shí)性能,然而在跟蹤目標(biāo)被遮擋時(shí),該算法會(huì)面臨跟蹤丟失的挑戰(zhàn);基于模型的跟蹤算法[2]通過(guò)構(gòu)建目標(biāo)的二維或三維模型進(jìn)行跟蹤,具有較高的魯棒性,但由于模型的構(gòu)建需要耗費(fèi)時(shí)間,實(shí)時(shí)性表現(xiàn)較差;基于區(qū)域的跟蹤算法[3]利用圖像的全局描述信息進(jìn)行跟蹤,適用于沒(méi)有尺度變化或遮擋的情況,但在背景干擾或目標(biāo)遮擋的情況下,該算法定位目標(biāo)位置困難,魯棒性較差。

        基于特征的跟蹤算法[4]是通過(guò)提取目標(biāo)某些不變的特征(如顏色、SIFT、Harris Corners 等)來(lái)實(shí)現(xiàn)跟蹤,主要代表算法有SIFT[5]、SURF[6]、Meanshift、Camshift[8]等。其中Meanshift 算法是基于顏色概率分布圖作為特征,通過(guò)反復(fù)迭代尋優(yōu)找到概率分布的極值來(lái)定位目標(biāo),具有計(jì)算量小、實(shí)時(shí)性較強(qiáng)等優(yōu)點(diǎn),但該算法在目標(biāo)形變情況下較難跟蹤目標(biāo)。Camshift 算法則是對(duì)Meanshift 的改進(jìn),該算法能根據(jù)跟蹤目標(biāo)的形狀大小自動(dòng)調(diào)整搜索跟蹤框的大小有效解決目標(biāo)形狀變化和旋轉(zhuǎn)的問(wèn)題[9]。文獻(xiàn)[10]通過(guò)Camshift 算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤,該算法能夠解決目標(biāo)旋轉(zhuǎn)和形變問(wèn)題,但當(dāng)目標(biāo)受到遮擋或背景干擾情況下無(wú)法有效跟蹤目標(biāo)。文獻(xiàn)[11]通過(guò)改進(jìn)Camshift 算法,引入H,S,V 分量組成三維直方圖作為模板進(jìn)行跟蹤,提高了跟蹤準(zhǔn)確度和魯棒性,但是該方法只考慮了顏色直方圖信息,未考慮目標(biāo)的運(yùn)動(dòng)和空間分布特征,較難處理遮擋問(wèn)題。文獻(xiàn)[12-13]通過(guò)在Camshift 算法基礎(chǔ)上引入Kalman 濾波器,成功解決了遮擋問(wèn)題,但他們所用到的Kalman 濾波器狀態(tài)變量均為四維,未考慮目標(biāo)大小信息,并且其輸出的跟蹤框無(wú)法適應(yīng)目標(biāo)大小變化,跟蹤準(zhǔn)確度和魯棒性都有待提高。

        本研究針對(duì)前述文獻(xiàn)的不足之處,提出了一種基于改進(jìn)Kalman 濾波與Camshift 結(jié)合的目標(biāo)跟蹤算法,通過(guò)改進(jìn)Kalman 濾波器算法方程,將原有的4 維度的狀態(tài)變量擴(kuò)展為8 維,綜合考慮了目標(biāo)的位置、大小以及它們對(duì)應(yīng)的速度信息;同時(shí),通過(guò)引入Bhattacharyya距離[14]和遮檔率α 來(lái)判斷目標(biāo)是否受到遮擋,當(dāng)運(yùn)動(dòng)目標(biāo)受到遮擋時(shí),將Kalman 輸出的預(yù)測(cè)值作為觀測(cè)值進(jìn)行更新,以更新輸出的最優(yōu)狀態(tài)估計(jì)值代替Camshift 輸出值作為跟蹤框?qū)崿F(xiàn)對(duì)受遮擋目標(biāo)的有效跟蹤。此外,為實(shí)現(xiàn)系統(tǒng)的小型化,使其能夠適用于資源受限的情況,本研究在樹(shù)莓派4B 平臺(tái)打造了基于改進(jìn)Kalman 濾波與Camshift 相結(jié)合的目標(biāo)跟蹤系統(tǒng),在保證實(shí)時(shí)性的同時(shí),具有高準(zhǔn)確度和魯棒性。

        1 基于改進(jìn)Kalman 濾波與Camshift 相結(jié)合的目標(biāo)跟蹤算法

        1.2 改進(jìn)Kalman 濾波與Camshift 結(jié)合的跟蹤算法

        Camshift 算法該算法是基于顏色概率分布圖進(jìn)行跟蹤的,具有計(jì)算量小、實(shí)時(shí)性高等優(yōu)點(diǎn),但存在遮擋情況下無(wú)法有效跟蹤目標(biāo)的問(wèn)題,跟蹤準(zhǔn)確率較低,該算法流程如圖1 所示。

        Kalman 濾波包括兩個(gè)部分:預(yù)測(cè)和校正。預(yù)測(cè)過(guò)程用來(lái)預(yù)測(cè)系統(tǒng)當(dāng)前的狀態(tài)變量和誤差協(xié)方差值;校正過(guò)程負(fù)責(zé)卡爾曼濾波增益、狀態(tài)值和誤差協(xié)方差的更新[15]。Kalman 濾波器的主要作用是對(duì)當(dāng)前時(shí)刻的觀測(cè)變量和前一時(shí)刻的狀態(tài)預(yù)測(cè)值來(lái)去更新對(duì)狀態(tài)變量的估計(jì),求出當(dāng)前時(shí)刻的最優(yōu)狀態(tài)估計(jì)變量并對(duì)其進(jìn)行輸出[16],Kalman 濾波器算法流程如圖2 所示。

        本研究提出一種基于改進(jìn)Kalman 濾波與Camshift相結(jié)合的目標(biāo)跟蹤方法,能夠有效解決跟Camshift跟蹤過(guò)程中產(chǎn)生的遮擋干擾問(wèn)題,實(shí)現(xiàn)對(duì)物體的持續(xù)跟蹤。

        基于Kalman濾波的Camshift改進(jìn)算法有以下步驟。

        ⑴ 通過(guò)樹(shù)莓派讀取視頻序列,通過(guò)鼠標(biāo)選取第一幀目標(biāo)的跟蹤區(qū)域并以該區(qū)域的中心位置和大小初始化搜索窗口。

        ⑵ 初始化Kalman 濾波器,并以初始搜索窗口的大小和中心位置初始化狀態(tài)變量X?0。

        ⑶ 將圖像從RGB 顏色空間轉(zhuǎn)換為HSV 空間,并計(jì)算搜索窗口內(nèi)H 通道的顏色直方圖,并對(duì)其進(jìn)行反向投影得到顏色概率分布圖[17]。

        ⑷ 利用MeanShift 跟蹤算法求出最優(yōu)候選區(qū)域,并計(jì)算出搜索窗口的質(zhì)心位置和窗口大小。

        ⑸ 根據(jù)窗口的像素值來(lái)綜合調(diào)整窗口大小,并將搜索窗口的中心位置移動(dòng)到質(zhì)心處,如果移動(dòng)距離大于閾值,則跳轉(zhuǎn)到第⑷步繼續(xù)往下執(zhí)行;如果搜索窗口中心移動(dòng)到質(zhì)心的距離小于設(shè)定的閾值,則滿足收斂條件,繼續(xù)向下執(zhí)行。

        ⑹ 采用巴氏距離d (y)和遮擋率α來(lái)判斷目標(biāo)是否受到遮擋,d (y)、α 的計(jì)算公式分別如式⑴和式⑵所示,當(dāng)d (y)大于0.65或α 小于0.3時(shí),則判斷為目標(biāo)受到遮擋;反之,則未受到遮擋。

        其中,d (y)可以用來(lái)比較兩個(gè)顏色直方圖的相似度,它的取值范圍在[0,1]之間,值越小表示兩個(gè)直方圖越相似;式⑾中Current_area 為當(dāng)前Camshift 算法輸出的搜索窗口大小,Origin_area為初始搜索窗口的大小。

        ⑺ 如果目標(biāo)未受到遮擋,以Camshift 算法輸出的最優(yōu)搜索窗口中心位置和大小作為跟蹤框標(biāo)注出目標(biāo)在視頻當(dāng)中的位置,并以該值作為觀測(cè)變量Zk,用Zk 來(lái)更新Kalman 濾波器,得到k 時(shí)刻的目標(biāo)質(zhì)心位置和大小的最優(yōu)狀態(tài)估計(jì)值X?k,并以該值初始化下一幀搜索窗口的大小和中心位置。

        ⑼ 最后判斷視頻序列是否結(jié)束,若未結(jié)束則繼續(xù)執(zhí)行下一幀的目標(biāo)跟蹤。

        2 實(shí)驗(yàn)測(cè)試及分析

        為了驗(yàn)證所提算法的有效性,本研究通過(guò)在Raspbian 操作系統(tǒng)上使用Python 語(yǔ)言結(jié)合OpenCV 庫(kù)來(lái)編寫(xiě)程序,分別實(shí)現(xiàn)基于Camshift 的目標(biāo)跟蹤算法與基于Camshift 與Kalman 結(jié)合的改進(jìn)目標(biāo)跟蹤算法,對(duì)目標(biāo)進(jìn)行跟蹤,并設(shè)置多次實(shí)驗(yàn)對(duì)兩種算法進(jìn)行性能對(duì)比和分析。

        2.1 實(shí)驗(yàn)運(yùn)行環(huán)境

        目標(biāo)跟蹤系統(tǒng)硬件環(huán)境主要由樹(shù)莓派4B 主板構(gòu)成,本研究通過(guò)Win32 Disk Imager 工具將鏡像文件寫(xiě)入SD 卡中,配置樹(shù)莓派連接手機(jī)熱點(diǎn),并使計(jì)算機(jī)通過(guò)MobaXterm_Personal 軟件遠(yuǎn)程連接樹(shù)莓派,然后在樹(shù)莓派系統(tǒng)中搭建Python 3.7.2 環(huán)境,安裝pip 指令庫(kù),使用pip 指令安裝Numpy(1.21.5),OpenCV(4.5.5)等必要庫(kù),完成在樹(shù)莓派上軟件環(huán)境的配置。

        2.2 評(píng)估指標(biāo)

        本研究采用BH 距離和有效幀率r 用來(lái)衡量目標(biāo)跟蹤算法的準(zhǔn)確性與魯棒性,有效幀率計(jì)算式為:

        r = valid_frame/all_frame ⑶

        其中,valid_frame 為檢測(cè)到的有效幀數(shù),all_frame 為視頻序列的總幀數(shù)。

        2.3 測(cè)試結(jié)果

        為了驗(yàn)證所提改進(jìn)算法的有效性,本研究通過(guò)樹(shù)莓派讀取測(cè)試視頻序列進(jìn)行跟蹤實(shí)驗(yàn),分別將改進(jìn)Kalman 濾波算法與Camshfit 算法跟蹤效果進(jìn)行比較,跟蹤效果如圖3 和圖4 所示。

        由圖3 可知,視頻序列當(dāng)中存在一個(gè)遮擋物,當(dāng)目標(biāo)未經(jīng)過(guò)遮擋物時(shí),Camshift 算法能夠有效跟蹤目標(biāo),當(dāng)目標(biāo)在第98 幀被部分遮擋時(shí),Camshift 通過(guò)縮小輸出的搜索窗口大小能夠?qū)δ繕?biāo)進(jìn)行跟蹤,但在第133 幀,目標(biāo)被完全遮擋,顏色信息完全丟失,導(dǎo)致Camshift 算法輸出的搜索窗口無(wú)法與物體匹配上,跟蹤失敗。由圖4 可知,改進(jìn)的Kalman 濾波算法輸出的跟蹤框能夠自適應(yīng)匹配Camshift 算法輸出的搜索窗口大小,當(dāng)目標(biāo)在第133 幀受到遮擋時(shí),通過(guò)自適應(yīng)改變a 和h 參數(shù)進(jìn)行預(yù)測(cè)和更新來(lái)擴(kuò)大輸出的跟蹤框大小,并標(biāo)注出遮擋目標(biāo)在視頻當(dāng)中的位置,從而實(shí)現(xiàn)對(duì)其持續(xù)有效的跟蹤。

        本研究分別對(duì)基于傳統(tǒng)的Camshift 跟蹤算法和改進(jìn)的Camshift 與Kalman 濾波跟蹤算法相結(jié)合在樹(shù)莓派上進(jìn)行100 次實(shí)驗(yàn),分別得到了這兩種算法的平均有效幀率和BH 距離,并進(jìn)行性能對(duì)比分析,實(shí)驗(yàn)結(jié)果見(jiàn)表1 和圖5。

        根據(jù)表1 的結(jié)果顯示,本文所提改進(jìn)算法有效幀率高達(dá)85.4%,顯著高于傳統(tǒng)Camshift 算法42.6%,平均BH 距離為0.78,相較于傳統(tǒng)Camshift 算法降低了0.27,具有較高的精度和魯棒性。從圖10 可以看出,傳統(tǒng)Camshift 算法在遇到遮擋物后BH 距離基本在0.9左右,表明搜索窗口與跟蹤目標(biāo)的匹配度很低,然而,改進(jìn)算法在遇到遮擋物后,BH 距離會(huì)有所提升,但是當(dāng)目標(biāo)越過(guò)遮擋物之后,BH 距離會(huì)快速下降至0.45左右,更證明了改進(jìn)算法能夠有效跟蹤被遮擋后的目標(biāo),相較于原算法具有更好的跟蹤性能。

        3 結(jié)論

        本研究在樹(shù)莓派4B 上設(shè)計(jì)了一種嵌入式目標(biāo)跟蹤系統(tǒng),該系統(tǒng)采用了一種改進(jìn)Kalman濾波與Camshift算法相結(jié)合的策略極大改進(jìn)了原始Camshfit 算法在目標(biāo)跟蹤上的缺陷,并解決了傳統(tǒng)Kalman 濾波器未考慮目標(biāo)大小信息無(wú)法輸出跟蹤框的問(wèn)題。實(shí)驗(yàn)結(jié)果表明,所提改進(jìn)算法能夠在遮擋干擾下穩(wěn)定地跟蹤目標(biāo),在存在遮擋干擾的情況下具有較高的魯棒性和準(zhǔn)確度。此外,該系統(tǒng)在嵌入式平臺(tái)上實(shí)現(xiàn),適用于資源受限的環(huán)境,具備較大的應(yīng)用潛力和實(shí)際價(jià)值。

        亚洲捆绑女优一区二区三区| 亚洲精品国产字幕久久vr| 99成人无码精品视频| 搞黄色很刺激的网站二区| 日本高清一级二级三级| 99精品国产一区二区三区| 无码专区中文字幕DVD| 日本精品国产1区2区3区| 亚洲综合自拍偷拍一区| yw尤物av无码国产在线观看| 国产精品成人va| 亚洲福利第一页在线观看| 国产激情自拍在线视频| 久久久久亚洲精品无码网址蜜桃 | 午夜毛片不卡免费观看视频| 亚洲综合网在线观看首页| 老熟妇高潮av一区二区三区啪啪| 亚洲av老熟女一区二区三区| 疯狂添女人下部视频免费| 亚洲最大天堂无码精品区 | 国产一区二区不卡av| 婷婷五月深深久久精品| 色欲av亚洲一区无码少妇| 国产成人无精品久久久| 久久久亚洲av成人乱码| 狠狠噜狠狠狠狠丁香五月| 怡春院欧美一区二区三区免费| 成人av天堂一区二区| 亚洲熟女一区二区三区250p| 国产午夜福利不卡在线观看| 日韩精品区欧美在线一区| 一区二区三区视频偷拍| 肉色丝袜足j视频国产| 国产高潮国产高潮久久久| 精品无码人妻久久久一区二区三区 | 久久综合九色综合久久久| 国产av无码专区亚洲a∨毛片| 一二三四在线观看免费视频| 国产老妇伦国产熟女老妇高清| 麻豆成人久久精品一区| 国产激情久久久久久熟女老人av|