李德文（廣東南方電信規(guī)劃咨詢設(shè)計院有限公司惠州分公司，廣東　惠州　516000）

試析網(wǎng)絡(luò)視頻監(jiān)控中運動目標(biāo)跟蹤方法改進

李德文
（廣東南方電信規(guī)劃咨詢設(shè)計院有限公司惠州分公司，廣東惠州516000）

本文簡單的介紹了網(wǎng)絡(luò)視屏監(jiān)控的系統(tǒng)框架，并進一步的研究和探討了MeanShift目標(biāo)跟蹤算法及其改進方法，希望能夠有效的促進我國網(wǎng)絡(luò)視頻監(jiān)控目標(biāo)跟蹤的實時性和有效性。

網(wǎng)絡(luò)視頻監(jiān)控；運動目標(biāo)跟蹤；算法改進；MeanShift算法

網(wǎng)絡(luò)視頻監(jiān)控主要使用的是智能處理技術(shù)對監(jiān)控領(lǐng)域進行監(jiān)控的一項關(guān)鍵技術(shù)，網(wǎng)絡(luò)視頻監(jiān)控技術(shù)會將視頻中的各個幀圖像中確定運用目標(biāo)的位置，同時會分配一致的ID號，進而確定跟蹤目標(biāo)的運動軌跡，因此網(wǎng)絡(luò)視頻監(jiān)控是各種后續(xù)應(yīng)用的基礎(chǔ)，例如：目標(biāo)行為、目標(biāo)分類等等。MeanShift算法是網(wǎng)絡(luò)視頻監(jiān)控中運動目標(biāo)跟蹤的一種主要算法，該項算法具有收斂速度快、計算量小的優(yōu)點，因此在網(wǎng)絡(luò)視頻監(jiān)控的運動目標(biāo)跟蹤中得到了廣泛的應(yīng)用，但是研究表明MeanShift算法也存在著一系列的問題，需要進行深入的研究與改進，例如：當(dāng)運動物體被事物遮擋，或者是運動物體在運動區(qū)域進行相互重疊等等情況就很容易造成運動目標(biāo)跟蹤的丟失，因此本文主要針對MeanShift算法中存在的不足對網(wǎng)絡(luò)視頻監(jiān)控中運動目標(biāo)的跟蹤進行了改進。

一、網(wǎng)絡(luò)視頻監(jiān)控發(fā)展進程

網(wǎng)絡(luò)視頻在我國主要經(jīng)歷了三個發(fā)展階段：

1 發(fā)展初期，由安防產(chǎn)品轉(zhuǎn)變而來的第一代模擬的視頻監(jiān)控系統(tǒng)——閉路視頻監(jiān)控系統(tǒng)，是我國最早的視頻監(jiān)控系統(tǒng)。

2 發(fā)展中期，在20世紀(jì)的90年代，基于pc機插卡式的視頻監(jiān)控系統(tǒng)逐漸的進入人們的生活，雖然這種監(jiān)控系統(tǒng)已經(jīng)初步的實現(xiàn)了數(shù)字化，但是由于我國當(dāng)時在遠程傳輸?shù)谋O(jiān)控、圖像的質(zhì)量以及穩(wěn)定性方面還存在著諸多問題，因此第二代的視頻監(jiān)控系統(tǒng)也僅僅只能扮演著安防產(chǎn)品的角色應(yīng)用與部分特點的行業(yè)之中。

3 20世紀(jì)90年代末至今，隨著我國計算機信息以及網(wǎng)絡(luò)、通信技術(shù)的不斷發(fā)展和各種視頻監(jiān)控技術(shù)的不斷完善，以智能圖像分析為特點的網(wǎng)絡(luò)視頻監(jiān)控技術(shù)逐漸的在各行各業(yè)中得到了廣泛的應(yīng)用。

二、網(wǎng)絡(luò)視頻監(jiān)控的系統(tǒng)框架

網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)主要由網(wǎng)絡(luò)攝像機和智能分析服務(wù)器兩個部分組成，其具體的網(wǎng)絡(luò)視頻監(jiān)控處理流程圖如圖一所示，網(wǎng)絡(luò)攝像機的主要功能是對監(jiān)控區(qū)域進行數(shù)據(jù)的采集以及對采集的錄像進行壓縮編制，然后再將采集的視頻數(shù)據(jù)通過RTP的方式進行發(fā)包，傳送給后臺的智能分析服務(wù)器。而智能分析服務(wù)器主要是接收網(wǎng)絡(luò)攝像機采集的視頻數(shù)據(jù)，并對接收到的RTP數(shù)據(jù)進行幀解碼，最后再通過智能分析技術(shù)對監(jiān)控視頻中的運動目標(biāo)進行分析和處理。因為網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)的數(shù)據(jù)采集和視頻的分析都是實時進行的，因此對智能分析以及視頻解碼的正確性提出了較高的要求，并且智能分析服務(wù)器的處理速度一定要滿足實時處理的需要。

運動目標(biāo)的跟蹤以及運動目標(biāo)的檢測等等都是屬于智能分析技術(shù)的范疇，智能分析技術(shù)的目標(biāo)跟蹤的處理流程如圖2所示，從圖2中我們可以清楚的看到每一幀視頻監(jiān)控首先都必須經(jīng)過前背景檢測模塊對前像進行提取，讓后經(jīng)過新團塊檢測模塊對需要檢測的目標(biāo)監(jiān)理跟蹤對象，然后再進入團塊跟蹤模塊對跟蹤目標(biāo)在前幀的位置進行確定，最后進入軌跡分析模塊對跟蹤目標(biāo)的運動軌跡進行分析。

三、MeanShift目標(biāo)跟蹤算法以及改進方案

團塊跟蹤模塊是目標(biāo)跟蹤技術(shù)的核心部分，而MeanShift跟蹤算法是應(yīng)用最為廣泛的一種目標(biāo)跟蹤算法，因為網(wǎng)絡(luò)視頻監(jiān)控技術(shù)對視頻監(jiān)控的準(zhǔn)確性和實時性提出了較高的要求，因此本文主要研究和探討了MeanShift算法的改進方法。

1 MeanShift跟蹤算法。MeanShift算法對運動目標(biāo)進行跟蹤時，首先使用的使顏色直方圖對運動目標(biāo)進行表示。在某一幀內(nèi)，候選目標(biāo)的初選位置均是上一幀的目標(biāo)位置，并且使用的是Bhattacharyya系數(shù)對目標(biāo)和候選目標(biāo)的相似度進行計算，同時在目標(biāo)的附近用MeanShift算法進行迭代搜索，進一步的尋找相似度較大的候選目標(biāo)。雖然MeanShift算法具有收斂速度快和計算量小的優(yōu)點，但是利用該方法對跟蹤領(lǐng)域的目標(biāo)進行跟蹤時，算法容易受到遮擋的影響。

圖1　網(wǎng)絡(luò)視頻監(jiān)控處理流程圖

圖2　目標(biāo)跟蹤處理流程圖

圖3　多個物體運動遮擋的算法比較

2 改進的基于Kalman濾波的Mean Shift跟蹤算法。針對MeanShift跟蹤算法中存在的問題，在Kalman的濾波狀態(tài)中引入加速度項，能夠更準(zhǔn)確的對 運動目標(biāo)在當(dāng)前幀的速度和位置進行預(yù)測，因此能夠大幅度的掌握運動目標(biāo)突然轉(zhuǎn)變的情況。（1）算法設(shè)計?；贙alman濾波的Mean Shift算法主要可以分為三個步驟：①由于Kalman濾波的運動位置是根據(jù)上一幀的運動狀態(tài)對當(dāng)前視頻幀的運動位置進行預(yù)測，并且將該位置作為MeanShift算法的初始搜索點。②通過進行幾次MeanShift迭代，便能夠有效的得出當(dāng)前視頻幀的最優(yōu)估測位置。③以運動目標(biāo)的最優(yōu)估測位置作為MeanShift的觀測值，并將該值帶入到Kalman的更新階段，用于更新與其相關(guān)的參數(shù)。（2）實驗結(jié)果分析。通過對傳統(tǒng)的MeanShift算法與基于Kalman濾波的Mean Shift算法進行比較，得到圖3，從圖3中我們可以清楚的發(fā)現(xiàn)，利用傳統(tǒng)的Mean Shift進行運動目標(biāo)的跟蹤，圖3（a）、（b）在兩個物體相遇后都出現(xiàn)了跟蹤丟失，而基于Kalman濾波的MeanShift算法并沒有因為兩個物體的相遇而受到遮擋的影響，如圖3（c）、（d）所示。

結(jié)語

綜上所述，通過對網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)中的運動目標(biāo)跟蹤技術(shù)的研究與分析，我們發(fā)現(xiàn)了MeanShift算法中存在的不足，為了有效的解決MeanShift算法中存在的不足，本文在Kalman濾波的基礎(chǔ)上研究了MeanShift算法因為遮掩跟蹤丟失的問題，對傳統(tǒng)的MeanShift算法進行了改進，在一定的程度上有效的提高了網(wǎng)絡(luò)視頻監(jiān)控的效率與準(zhǔn)確性，并且通過實驗證明改進后的MeanShift算法具有實時性好、簡單方便的特性，可以在網(wǎng)絡(luò)視頻監(jiān)控中進行廣泛的使用。

[1]李勁菊，朱青，王耀南，等.一種復(fù)雜背景下運動目標(biāo)檢測與跟蹤方法[J].儀器儀表學(xué)報，2010，31（10） .

[2]徐楊.基于視頻序列的運動目標(biāo)檢測和跟蹤算法研究[D].合肥工業(yè)大學(xué)，2010.

[3]焦波.面向智能視頻監(jiān)控的運動目標(biāo)檢測與跟蹤方法研究[D].國防科學(xué)技術(shù)大學(xué)，2009.

[4]張文杰，戚飛虎，江卓軍，等.實時視頻監(jiān)控系統(tǒng)中運動目標(biāo)檢測和跟蹤的一種實用方法[J].上海交通大學(xué)學(xué)報，2002，36（12）.

[5]黨曉軍.復(fù)雜場景下運動目標(biāo)實時跟蹤技術(shù)的研究與系統(tǒng)實現(xiàn)[D].國防科學(xué)技術(shù)大學(xué)，2008.

[6]盛平，倪冬瑋，張凈，等.動態(tài)目標(biāo)跟蹤與自動特寫快照系統(tǒng)的設(shè)計及實現(xiàn)[J].東南大學(xué)學(xué)報（自然科學(xué)版），2011，41（05）.

TP391

A