(沈陽(yáng)理工大學(xué) 遼寧 沈陽(yáng) 110159)

智能視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)行人跟蹤技術(shù)研究

劉釗

(沈陽(yáng)理工大學(xué) 遼寧 沈陽(yáng) 110159)

運(yùn)動(dòng)目標(biāo)的跟蹤算法Camshift是在跟蹤問(wèn)題時(shí)會(huì)被利用到的方法。不但在部分遮擋的情況下跟蹤目標(biāo)，而且還能達(dá)到在原有基礎(chǔ)算法上智能的追蹤移動(dòng)的目標(biāo)，并且提高原算法的適用范圍和準(zhǔn)確率。

行人跟蹤；MeanShift；目標(biāo)檢測(cè)

一、引言

針對(duì)時(shí)間跟蹤算法復(fù)雜的動(dòng)態(tài)場(chǎng)景雖然有很多算法，但是目前對(duì)于跟蹤算法中很多算法的應(yīng)用在復(fù)雜的動(dòng)態(tài)場(chǎng)景中時(shí)并不是特別理想，很多時(shí)候會(huì)收到影響，比如會(huì)受到光線、天氣或雜亂背景等影響，這些算法只能在固定不變的背景或者是在特定的環(huán)境下才能夠使用。研究人員不得不提高算法的通用性能用來(lái)克服一些困難，尤其是大多算法應(yīng)用在復(fù)雜的動(dòng)態(tài)場(chǎng)景中的時(shí)候。因此運(yùn)動(dòng)目標(biāo)智能檢測(cè)跟蹤算法仍然是現(xiàn)在研究人員的研究重點(diǎn)。

二、MeanShift原理

MeanShift算法屬于直方圖方法，它的計(jì)算過(guò)程是：將圖像中所有點(diǎn)的像素值作為統(tǒng)計(jì)數(shù)據(jù)，并將其分為相等的若干區(qū)間，然后從(0，0)坐標(biāo)處開始統(tǒng)計(jì)，將所有的像素值分布到各自適合的區(qū)間，作出直方圖，以待觀察。假如圖像的像素值由256，256，256個(gè)數(shù)值組成，則計(jì)算維數(shù)過(guò)大，不適宜使用直方圖方法，所以可以采用抽樣算法把數(shù)值范圍減小到16，16，16即可滿足直方圖計(jì)算條件。

(一)目標(biāo)模型的選取和描述。在MeanShift算法中，通常是用某一個(gè)隨機(jī)變量參數(shù)來(lái)表示目標(biāo)區(qū)域中的像素點(diǎn)，然后確定一個(gè)中心點(diǎn)，這里可以參考核函數(shù)的原理。對(duì)于離中心點(diǎn)越遠(yuǎn)的像素值通常對(duì)整體特征的影響較小，所有給予較小的權(quán)重。給不同區(qū)域的像素點(diǎn)不同的權(quán)重可以是算法更加準(zhǔn)確的描述特征。算法用一個(gè)物體的灰度或色彩分布來(lái)描述這個(gè)物體,假設(shè)物體中心位于 ,則該物體可以表示為：

(4-1)

(二)候選模型的描述。跟蹤目標(biāo)的根本原理就是需找不同幀中相同的特征部分，所有對(duì)于候選模型的描述應(yīng)該采取與目標(biāo)模型完全相同的描述方法。

(4-2)

(三)目標(biāo)相似性度量

(4-3)

式(4-3)在目標(biāo)點(diǎn)泰勒展開可得：

(4-4)

化簡(jiǎn)后得到

(4-5)

即為Meanshift算法的迭代表達(dá)式，利用此式就可以在當(dāng)前幀找到目標(biāo)最匹配的區(qū)域。

(四)經(jīng)典MeanShift跟蹤算法的優(yōu)缺點(diǎn)。其中對(duì)目標(biāo)區(qū)域以及后續(xù)候選區(qū)域的概率密度采用直方圖表示法，此方法簡(jiǎn)單直接，且易于對(duì)比，所以基于此本算法有以下優(yōu)點(diǎn)：算法計(jì)算量小、復(fù)雜度低、具有較高的魯棒性。

但與此同時(shí)，算法的使用范圍受到了較大的限制，主要原因如下：(1)缺乏更新機(jī)制，跟蹤全程都采用的是初始幀作為目標(biāo)模型，對(duì)環(huán)境和突發(fā)狀況，如光照變化或者遮擋的處理欠佳，易導(dǎo)致跟蹤失敗。(2)統(tǒng)計(jì)數(shù)據(jù)單一，雖然算法簡(jiǎn)單，可以大大提高跟蹤的速度，但是對(duì)背景的特定要求較高，一旦遇到背景顏色與目標(biāo)顏色過(guò)于接近，算法設(shè)定的相似性參數(shù)很容易達(dá)到閾值范圍，對(duì)目標(biāo)的跟蹤造成誤判，導(dǎo)致跟蹤失敗。(3)每幀圖像之間的關(guān)聯(lián)過(guò)大，在任意一次計(jì)算過(guò)程中，相鄰兩幀都存在很大的關(guān)聯(lián)性，當(dāng)前幀搜素的開始位置即為前一幀目標(biāo)圖像的質(zhì)心。如果遇到跟蹤目標(biāo)突然加速的情況，導(dǎo)致兩幀之間沒(méi)有重疊的部分，甚至出現(xiàn)較大的距離，此時(shí)對(duì)于當(dāng)前幀開始的位置如果繼續(xù)采用前一幀的中心位置，必然會(huì)造成較大的誤差。(4)跟蹤窗口大小固定。

三、基于CamShift的運(yùn)動(dòng)行人跟蹤算法的改進(jìn)

本文提出用高斯函數(shù)對(duì)無(wú)遮擋物的運(yùn)動(dòng)行人目標(biāo)區(qū)域建立背景模型，通過(guò)分析監(jiān)控視頻流的前幾幀建立運(yùn)動(dòng)行人目標(biāo)區(qū)域的標(biāo)準(zhǔn)模型；在隨后的視頻流中，利用幀差法檢測(cè)出運(yùn)動(dòng)行人目標(biāo)區(qū)域，分析該區(qū)域與標(biāo)準(zhǔn)模型的差異，可以確定有無(wú)遮擋物以及遮擋物的位置。發(fā)現(xiàn)區(qū)域中有遮擋物時(shí)，CamShift算法通過(guò)將遮擋物區(qū)域的H分量置0的方法消除了跟蹤偏移問(wèn)題，從而較為準(zhǔn)確地跟蹤了運(yùn)動(dòng)行人。算法的詳細(xì)過(guò)程如下：

(1)圈定初始目標(biāo)區(qū)域，建立標(biāo)準(zhǔn)模型。在監(jiān)控視頻流的前幾幀，使用手動(dòng)方式圈定運(yùn)動(dòng)行人目標(biāo)區(qū)域。根據(jù)不同圖像序列，對(duì)目標(biāo)區(qū)域進(jìn)行適當(dāng)?shù)臄U(kuò)展，以方便準(zhǔn)確地感知遮擋物的存在。本文中向圈定的目標(biāo)區(qū)域四周擴(kuò)展了20個(gè)像素值。利用高斯模型對(duì)前幾幀目標(biāo)區(qū)域進(jìn)行背景建模，得到背景模型的二值化圖像。

(2)計(jì)算遮擋物區(qū)域。利用幀差法獲取當(dāng)前幀的運(yùn)動(dòng)行人目標(biāo)區(qū)域，將該區(qū)域的大小調(diào)整為背景模型的大小，假設(shè)該區(qū)域二值化圖像為cur。同樣，已取得的背景模型與每幀圖像中檢測(cè)到的運(yùn)動(dòng)行人區(qū)域也常常有重疊的部分。因此，將背景模型base與當(dāng)前幀的目標(biāo)區(qū)域圖像cur進(jìn)行與運(yùn)算，即base&cur，得到二者的公共部分，再將當(dāng)前幀減去公共部分，即cur-(base&cur)，得到當(dāng)前幀目標(biāo)區(qū)域與公共部分有差異的部分，并將此結(jié)果重新賦給背景模型base。

對(duì)當(dāng)前幀的目標(biāo)區(qū)域圖像cur進(jìn)行顏色空間轉(zhuǎn)換，提取HSV空間的H分量，并重新賦給cur；利用目標(biāo)區(qū)域H分量灰度圖cur和背景模型base再次計(jì)算cur-(cur&base)，如果cur-(cur&base)中沒(méi)有明顯目標(biāo)，則認(rèn)為目標(biāo)區(qū)域cur中沒(méi)有出現(xiàn)遮擋物，則CamShift算法不用做任何調(diào)整，繼續(xù)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤。

如果cur-(cur&base)中出現(xiàn)明顯目標(biāo)，則認(rèn)為目標(biāo)區(qū)域中出現(xiàn)了遮擋物，cur-(cur&base)中的目標(biāo)區(qū)域就是遮擋物的位置。根據(jù)遮擋物的位置，將當(dāng)前幀H分量灰度圖中對(duì)應(yīng)位置的值清零，得到當(dāng)前幀的新的H分量灰度圖

四、實(shí)驗(yàn)結(jié)果及分析

在本小節(jié)中，利用運(yùn)動(dòng)物體和運(yùn)動(dòng)行人遇到遮擋物的視頻作為實(shí)驗(yàn)對(duì)象。本文對(duì)原始的CamShift算法進(jìn)行了改進(jìn)，利用高斯模型對(duì)運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行建模得到標(biāo)準(zhǔn)模型，跟蹤過(guò)程中每一幀圖像中運(yùn)動(dòng)目標(biāo)區(qū)域?qū)Ρ葮?biāo)準(zhǔn)模型可以有效地找到遮擋物的位置，忽略相應(yīng)位置上的H分量灰度值，從而避免了遮擋物對(duì)CamShift算法跟蹤的干擾，得到了準(zhǔn)確的運(yùn)動(dòng)目標(biāo)位置。將改進(jìn)的CamShift算法應(yīng)用于小杯子(運(yùn)動(dòng)目標(biāo))逐漸接近大杯子(遮擋物)的視頻流，

五、結(jié)語(yǔ)

重點(diǎn)部分介紹了MeanShift算法和CamShift算法的基本原理。CamShift算法的運(yùn)行速度快，算法復(fù)雜度低，但是當(dāng)運(yùn)動(dòng)目標(biāo)目標(biāo)的顏色與監(jiān)控背景顏色一樣或者接近時(shí)，跟蹤的區(qū)域就會(huì)出現(xiàn)偏移。文中提出了一種改進(jìn)的CamShift算法，它能夠解決運(yùn)動(dòng)行人目標(biāo)路過(guò)遮擋物時(shí)，特別是運(yùn)動(dòng)行人目標(biāo)的顏色跟遮擋物的顏色相似時(shí)，跟蹤出現(xiàn)明顯偏移的問(wèn)題。接著通過(guò)兩組實(shí)驗(yàn)比較分析了原始CamShift算法和改進(jìn)的CamShift算法的有效性，證實(shí)了改進(jìn)的CamShift算法能夠排除遮擋物的干擾，使跟蹤效果更好。

[1]宋路.基于模板匹配與線性預(yù)測(cè)的目標(biāo)跟蹤算法[J].吉林大學(xué)學(xué)報(bào)(信息科學(xué)版).2015

劉釗，男，沈陽(yáng)理工大學(xué)信息科學(xué)與工程學(xué)院，計(jì)算機(jī)技術(shù)專業(yè)碩士研究生，研究方向計(jì)算機(jī)技術(shù)。