張晨+王紅茹+丁文+王云輝+錢康

摘 要 為提高視覺(jué)移動(dòng)機(jī)器人對(duì)球形目標(biāo)的跟蹤精度與實(shí)時(shí)性，文章利用CamShift算法具有依靠顏色模型能夠?qū)δ繕?biāo)快速跟蹤的特點(diǎn)，并結(jié)合隨機(jī)Hough圓變換提出一種實(shí)效球形目標(biāo)跟蹤算法。實(shí)驗(yàn)結(jié)果表明，提出的方法能夠?qū)崿F(xiàn)簡(jiǎn)單室內(nèi)環(huán)境下球形目標(biāo)的快速準(zhǔn)確跟蹤。

關(guān)鍵詞 目標(biāo)跟蹤；球形目標(biāo)；CamShift算法；隨機(jī)Hough變換

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）04-0054-02

計(jì)算機(jī)視覺(jué)應(yīng)用中，目標(biāo)跟蹤一直是研究的熱點(diǎn)內(nèi)容之一。而在目標(biāo)跟蹤研究中，最值得關(guān)心的就是跟蹤算法的實(shí)時(shí)性和準(zhǔn)確性。為此，相關(guān)學(xué)者提出了很多不同的方法，其中應(yīng)用最為廣泛的是Gary R Bradski提出的基于自適應(yīng)均值漂移（Continuously adaptive mean shift，CamShift）算法。CamShift算法依靠視頻圖像的色彩信息來(lái)實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤，其運(yùn)算速度快且比較適合不太復(fù)雜的背景下的目標(biāo)跟蹤，因此適合室內(nèi)移動(dòng)機(jī)器人對(duì)目標(biāo)的跟蹤。

而對(duì)于基于視覺(jué)的室內(nèi)移動(dòng)機(jī)器人目標(biāo)跟蹤，僅僅依靠CamShift這種依靠顏色模型的跟蹤方法，無(wú)法在照度不均的情況下獲得圓形目標(biāo)物的精確位置信息。而隨機(jī)Hough圓變換具有對(duì)圓形目標(biāo)識(shí)別精度高且速度快的特點(diǎn)。為此，本文提出采用CamShift算法與隨機(jī)Hough變換結(jié)合的方法以實(shí)現(xiàn)對(duì)球形目標(biāo)的快速、準(zhǔn)確跟蹤。

1 算法原理

1.1 CamShift算法介紹

CamShift算法實(shí)際上是連續(xù)自適應(yīng)的MeanShift算法的簡(jiǎn)稱。該算法降低了由光照亮度變化對(duì)跟蹤效果的影響，并且利用基于像素顏色概率分布信息進(jìn)行目標(biāo)跟蹤的方法，使算法的效率比較高。CamShift算法采用基于概率密度的梯度攀升來(lái)尋找局部最優(yōu)的思想對(duì)每一幀圖像運(yùn)用MeanShift算法做處理。根據(jù)前一幀圖像的搜索結(jié)果自適應(yīng)調(diào)整搜索窗的大小，從而實(shí)現(xiàn)對(duì)當(dāng)前圖像中目標(biāo)的定位。

算法主要步驟如下。

1）首先將當(dāng)前幀圖像由RGB空間轉(zhuǎn)換到HSV空間，并將當(dāng)前圖像整幅都作為搜索范圍。

2）設(shè)定搜索窗口（SearchWindow）大小與位置的初始值并計(jì)算窗口內(nèi)的色度（Hue）分量概率分布直方圖。

3）對(duì)當(dāng)前圖像的每一個(gè)像素采用其顏色的概率值進(jìn)行替換，從而得到顏色概率分布圖。

4）在顏色概率分布圖中選取搜索窗。

5）計(jì)算零階矩：

計(jì)算一階矩：

計(jì)算搜索窗的質(zhì)心：

6）調(diào)整搜索窗大小，窗口寬度為；長(zhǎng)度為1.2w。

7）將SearchWindow的中心移動(dòng)到質(zhì)心位置，當(dāng)移動(dòng)距離超過(guò)了設(shè)定的閾值時(shí)，則跳轉(zhuǎn)到步驟5），當(dāng)SearchWindow的中心與質(zhì)心間的距離小于一個(gè)預(yù)設(shè)值或者迭代次數(shù)達(dá)到最大時(shí)，停止計(jì)算。

8）在下一幀輸入的圖像中用上一步中的結(jié)果再一次計(jì)算搜索窗口的參數(shù)，然后跳轉(zhuǎn)到步驟2）繼續(xù)目標(biāo)搜索。

1.2 隨機(jī)Hough圓變換介紹

Hough變換是一種在圖像中尋找直線、圓以及其他簡(jiǎn)單形狀的方法。其基本思想是將原始圖像中的曲線或者直線檢測(cè)問(wèn)題轉(zhuǎn)變成在參數(shù)空間中聚類求峰值問(wèn)題。由于圓形包含3個(gè)自由參數(shù)，需要在三維空間中投票求峰值，其計(jì)算量很大且對(duì)內(nèi)存消耗大，算法運(yùn)算時(shí)間長(zhǎng)。因此XU等人提出了隨機(jī)Hough變換（Randomized Hough Transform，RHT），使用了3個(gè)新的操作機(jī)制，即在圖像空間中的隨機(jī)抽樣、參數(shù)空間中的動(dòng)態(tài)鏈接列表以及連接圖像空間和參數(shù)空間的收斂映射，從而加快了運(yùn)算速度和提高了內(nèi)存的利用率。然而隨機(jī)采樣會(huì)引入大量的無(wú)效累積和無(wú)效采樣，在處理復(fù)雜背景和較大圖像時(shí)對(duì)算法識(shí)別性能有較大的影響。因此有學(xué)者提出了改進(jìn)的RHT算法，但不可否認(rèn)的是在處理背景簡(jiǎn)單尤其是小圖像的識(shí)別時(shí)，隨機(jī)Hough變換運(yùn)算速度很快，識(shí)別精度高。

1.3 基于CamShift與RHT的球體跟蹤方法

由于CamShift算法是運(yùn)用物體顏色信息和聚類的方式跟蹤視頻序列中的運(yùn)動(dòng)目標(biāo)，因此算法具有較高的執(zhí)行效率。而在雙目移動(dòng)機(jī)器人運(yùn)用視差法計(jì)算球體目標(biāo)三維坐標(biāo)時(shí)，需要輸入球體在圖像中的二維坐標(biāo)位置，二維坐標(biāo)位置的誤差過(guò)大會(huì)影響目標(biāo)的定位及機(jī)器人姿態(tài)的調(diào)整。但是僅僅依靠CamShift算法返回的搜索區(qū)域的質(zhì)心無(wú)法較精確的識(shí)別圓形目標(biāo)的圓心及半徑，考慮針對(duì)小圖像運(yùn)用隨機(jī)Hough圓變換的具有高識(shí)別精度和運(yùn)算速度快的特點(diǎn)，因此將CamShift和RHT兩種算法結(jié)合并運(yùn)用在簡(jiǎn)單的室內(nèi)環(huán)境下對(duì)球形目標(biāo)的跟蹤上。在前文闡述的CamShift算法步驟中，步驟5）、6）、7）其實(shí)就是MeanShift算法的主要步驟，則CamShift與RHT結(jié)合的球體跟蹤識(shí)別方法主要步驟表述如下。

1）確定初始目標(biāo)的位置及區(qū)域并計(jì)算目標(biāo)的H分量直方圖。

2）利用直方圖計(jì)算反向投影圖。

3）采用MeanShift算法在上一步的反向投影圖中進(jìn)行迭代搜索，當(dāng)計(jì)算結(jié)果收斂或達(dá)到最大迭代次數(shù)時(shí)停止計(jì)算。

4）利用MeanShift算法返回的搜索窗口的中心位置，取輸入幀圖像在周圍的局部圖像保存為子圖像（SubImage），子圖像的高度（subheight）和寬度度（subwidth）與搜索窗的寬度和長(zhǎng)度相等。

采用隨機(jī)Hough圓變換對(duì)SubImage進(jìn)行圓形特征檢測(cè)。

在子圖像中若識(shí)別出圓形特征則返回其在原始圖像當(dāng)中的位置，假設(shè)子圖像中圓心坐標(biāo)為，原始圖像中的圓心位置由如下坐標(biāo)變換公式求得：

5）將步驟3）中獲得的新的搜索窗口參數(shù)帶入到步驟2）中，繼續(xù)下一幀圖像的目標(biāo)位置搜索。endprint

2 實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)是在配置為Intel酷睿雙核i5-2450M（2.5GHz）內(nèi)存為1G的計(jì)算機(jī)上用Visual Studio 2010編程實(shí)現(xiàn)的。

所用移動(dòng)機(jī)器人為自搭的簡(jiǎn)易四輪全自主移動(dòng)機(jī)器人，攝像頭為百腦通高清網(wǎng)絡(luò)攝像頭。

圖1所示為移動(dòng)機(jī)器人跟蹤移動(dòng)乒乓球在不同位置的四幅圖像，圖像大小均為640×480像素。表1是四幅跟蹤圖像中乒乓球的圖像像素坐標(biāo)位置。由圖1和表1可知本文算法運(yùn)用在移動(dòng)機(jī)器人上能夠?qū)?jiǎn)單室內(nèi)環(huán)境中的球體進(jìn)行跟蹤識(shí)別，識(shí)別精度高。

表1 移動(dòng)乒乓球球心圖像像位置

圖像 a b c d

圓心坐標(biāo) （328，377） （304，379） （239，377） （347，409）

圖2為只采用隨機(jī)Hough變換對(duì)同樣一張圖像的檢測(cè)結(jié)果，圖3為用CamShift算法結(jié)合Hough變換識(shí)別小球的圖像。由圖2和圖3可知僅采用隨機(jī)Hough變換對(duì)球形物體跟蹤會(huì)引入大量無(wú)效累積，且對(duì)背景稍微復(fù)雜的圖像檢測(cè)效果不理想。而用本文提出的球體檢測(cè)算法可以達(dá)到比較好的檢測(cè)效果。

圖2 僅用隨機(jī)Hough變換檢測(cè)結(jié)果 圖3 本文算法檢測(cè)結(jié)果

3 結(jié)束語(yǔ)

本文研究了CamShift算法與隨機(jī)Hough圓變換的主要原理，融合了兩種算法的優(yōu)點(diǎn)，提出一種基于CamShift算法與隨機(jī)Hough圓變換結(jié)合的算法來(lái)跟蹤識(shí)別球形目標(biāo)的方法。在室內(nèi)運(yùn)動(dòng)球體的跟蹤實(shí)驗(yàn)中，此方法運(yùn)行效果良好，跟蹤識(shí)別精度高，實(shí)時(shí)性強(qiáng)。但還存在對(duì)于有顏色干擾和稍復(fù)雜的背景下跟蹤效果不夠理想，這還需在后續(xù)研究中進(jìn)一步改進(jìn)和完善。

參考文獻(xiàn)

[1]Gary R B. Real time face and object tracking as a component of a perceptual user interface[A]. Proceedings of 4th Workshop on Applications of Computer Vision[C]. Princeton， USE： IEEE， 1998： 214-219.

[2]Cheng Yizong. MeanShift mode seeking and clustering[J].IEEE Transaction on Pattern Analysis and Machine Intelligence， 1995， 17（8）： 790-799.

[3]XU L， OJA E. A new curve detection method： Randomized Hough Transform（RHT）[J]. Pattern Recognition Letters，1990， 11（5）： 331-338.

[4]劉延杰，賴日飛，等.基于改進(jìn)隨機(jī)Hough變換的快速中心檢測(cè)方法[J].納米技術(shù)與精密工程，2011，9（4）：298-304.

[5]付琰，盧榮勝，等.基于重要性采樣的隨機(jī)Hough變換圓檢測(cè)算法[J]. 電子測(cè)量技術(shù)，2012，35（5）：45-48.

[6]Christoper Hollit. A convolution approach to the circle Hough transform for arbitrary radius[J].Machine Vision and Applications， 2013，24（4）：683-694.

作者簡(jiǎn)介

張晨（1991-），男，江蘇泰州人，大學(xué)本科生，機(jī)械電子工程專業(yè)。

通信作者：王紅茹（1979-），女，河南南陽(yáng)人，講師，博士，研究方向：智能機(jī)器人技術(shù)。endprint

2 實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)是在配置為Intel酷睿雙核i5-2450M（2.5GHz）內(nèi)存為1G的計(jì)算機(jī)上用Visual Studio 2010編程實(shí)現(xiàn)的。

所用移動(dòng)機(jī)器人為自搭的簡(jiǎn)易四輪全自主移動(dòng)機(jī)器人，攝像頭為百腦通高清網(wǎng)絡(luò)攝像頭。

圖1所示為移動(dòng)機(jī)器人跟蹤移動(dòng)乒乓球在不同位置的四幅圖像，圖像大小均為640×480像素。表1是四幅跟蹤圖像中乒乓球的圖像像素坐標(biāo)位置。由圖1和表1可知本文算法運(yùn)用在移動(dòng)機(jī)器人上能夠?qū)?jiǎn)單室內(nèi)環(huán)境中的球體進(jìn)行跟蹤識(shí)別，識(shí)別精度高。

表1 移動(dòng)乒乓球球心圖像像位置

圖像 a b c d

圓心坐標(biāo) （328，377） （304，379） （239，377） （347，409）

圖2為只采用隨機(jī)Hough變換對(duì)同樣一張圖像的檢測(cè)結(jié)果，圖3為用CamShift算法結(jié)合Hough變換識(shí)別小球的圖像。由圖2和圖3可知僅采用隨機(jī)Hough變換對(duì)球形物體跟蹤會(huì)引入大量無(wú)效累積，且對(duì)背景稍微復(fù)雜的圖像檢測(cè)效果不理想。而用本文提出的球體檢測(cè)算法可以達(dá)到比較好的檢測(cè)效果。

圖2 僅用隨機(jī)Hough變換檢測(cè)結(jié)果 圖3 本文算法檢測(cè)結(jié)果

3 結(jié)束語(yǔ)

本文研究了CamShift算法與隨機(jī)Hough圓變換的主要原理，融合了兩種算法的優(yōu)點(diǎn)，提出一種基于CamShift算法與隨機(jī)Hough圓變換結(jié)合的算法來(lái)跟蹤識(shí)別球形目標(biāo)的方法。在室內(nèi)運(yùn)動(dòng)球體的跟蹤實(shí)驗(yàn)中，此方法運(yùn)行效果良好，跟蹤識(shí)別精度高，實(shí)時(shí)性強(qiáng)。但還存在對(duì)于有顏色干擾和稍復(fù)雜的背景下跟蹤效果不夠理想，這還需在后續(xù)研究中進(jìn)一步改進(jìn)和完善。

參考文獻(xiàn)

[1]Gary R B. Real time face and object tracking as a component of a perceptual user interface[A]. Proceedings of 4th Workshop on Applications of Computer Vision[C]. Princeton， USE： IEEE， 1998： 214-219.

[2]Cheng Yizong. MeanShift mode seeking and clustering[J].IEEE Transaction on Pattern Analysis and Machine Intelligence， 1995， 17（8）： 790-799.

[3]XU L， OJA E. A new curve detection method： Randomized Hough Transform（RHT）[J]. Pattern Recognition Letters，1990， 11（5）： 331-338.

[4]劉延杰，賴日飛，等.基于改進(jìn)隨機(jī)Hough變換的快速中心檢測(cè)方法[J].納米技術(shù)與精密工程，2011，9（4）：298-304.

[5]付琰，盧榮勝，等.基于重要性采樣的隨機(jī)Hough變換圓檢測(cè)算法[J]. 電子測(cè)量技術(shù)，2012，35（5）：45-48.

[6]Christoper Hollit. A convolution approach to the circle Hough transform for arbitrary radius[J].Machine Vision and Applications， 2013，24（4）：683-694.

作者簡(jiǎn)介

張晨（1991-），男，江蘇泰州人，大學(xué)本科生，機(jī)械電子工程專業(yè)。

通信作者：王紅茹（1979-），女，河南南陽(yáng)人，講師，博士，研究方向：智能機(jī)器人技術(shù)。endprint

2 實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)是在配置為Intel酷睿雙核i5-2450M（2.5GHz）內(nèi)存為1G的計(jì)算機(jī)上用Visual Studio 2010編程實(shí)現(xiàn)的。

所用移動(dòng)機(jī)器人為自搭的簡(jiǎn)易四輪全自主移動(dòng)機(jī)器人，攝像頭為百腦通高清網(wǎng)絡(luò)攝像頭。

圖1所示為移動(dòng)機(jī)器人跟蹤移動(dòng)乒乓球在不同位置的四幅圖像，圖像大小均為640×480像素。表1是四幅跟蹤圖像中乒乓球的圖像像素坐標(biāo)位置。由圖1和表1可知本文算法運(yùn)用在移動(dòng)機(jī)器人上能夠?qū)?jiǎn)單室內(nèi)環(huán)境中的球體進(jìn)行跟蹤識(shí)別，識(shí)別精度高。

表1 移動(dòng)乒乓球球心圖像像位置

圖像 a b c d

圓心坐標(biāo) （328，377） （304，379） （239，377） （347，409）

圖2為只采用隨機(jī)Hough變換對(duì)同樣一張圖像的檢測(cè)結(jié)果，圖3為用CamShift算法結(jié)合Hough變換識(shí)別小球的圖像。由圖2和圖3可知僅采用隨機(jī)Hough變換對(duì)球形物體跟蹤會(huì)引入大量無(wú)效累積，且對(duì)背景稍微復(fù)雜的圖像檢測(cè)效果不理想。而用本文提出的球體檢測(cè)算法可以達(dá)到比較好的檢測(cè)效果。

圖2 僅用隨機(jī)Hough變換檢測(cè)結(jié)果 圖3 本文算法檢測(cè)結(jié)果

3 結(jié)束語(yǔ)

本文研究了CamShift算法與隨機(jī)Hough圓變換的主要原理，融合了兩種算法的優(yōu)點(diǎn)，提出一種基于CamShift算法與隨機(jī)Hough圓變換結(jié)合的算法來(lái)跟蹤識(shí)別球形目標(biāo)的方法。在室內(nèi)運(yùn)動(dòng)球體的跟蹤實(shí)驗(yàn)中，此方法運(yùn)行效果良好，跟蹤識(shí)別精度高，實(shí)時(shí)性強(qiáng)。但還存在對(duì)于有顏色干擾和稍復(fù)雜的背景下跟蹤效果不夠理想，這還需在后續(xù)研究中進(jìn)一步改進(jìn)和完善。

參考文獻(xiàn)

[1]Gary R B. Real time face and object tracking as a component of a perceptual user interface[A]. Proceedings of 4th Workshop on Applications of Computer Vision[C]. Princeton， USE： IEEE， 1998： 214-219.

[2]Cheng Yizong. MeanShift mode seeking and clustering[J].IEEE Transaction on Pattern Analysis and Machine Intelligence， 1995， 17（8）： 790-799.

[3]XU L， OJA E. A new curve detection method： Randomized Hough Transform（RHT）[J]. Pattern Recognition Letters，1990， 11（5）： 331-338.

[4]劉延杰，賴日飛，等.基于改進(jìn)隨機(jī)Hough變換的快速中心檢測(cè)方法[J].納米技術(shù)與精密工程，2011，9（4）：298-304.

[5]付琰，盧榮勝，等.基于重要性采樣的隨機(jī)Hough變換圓檢測(cè)算法[J]. 電子測(cè)量技術(shù)，2012，35（5）：45-48.

[6]Christoper Hollit. A convolution approach to the circle Hough transform for arbitrary radius[J].Machine Vision and Applications， 2013，24（4）：683-694.

作者簡(jiǎn)介

張晨（1991-），男，江蘇泰州人，大學(xué)本科生，機(jī)械電子工程專業(yè)。

通信作者：王紅茹（1979-），女，河南南陽(yáng)人，講師，博士，研究方向：智能機(jī)器人技術(shù)。endprint