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。