摘 要：針對(duì)基于機(jī)器視覺(jué)自動(dòng)跟蹤系統(tǒng)的問(wèn)題，利用手機(jī)IP Camera對(duì)目標(biāo)特征進(jìn)行采集，通過(guò)API串口采SPI通信協(xié)議結(jié)合無(wú)線傳輸模塊進(jìn)行編程實(shí)現(xiàn)對(duì)智能小車(chē)控制。本文提出了以STM32F103RC為控制核心，基于OpenCV的CAMShift算法，對(duì)采集到的目標(biāo)特征進(jìn)行分析，通過(guò)定時(shí)器產(chǎn)生PWM脈沖波實(shí)現(xiàn)對(duì)小車(chē)運(yùn)行速度、前進(jìn)、停止、左轉(zhuǎn)、右轉(zhuǎn)的精確控制，從而完成對(duì)目標(biāo)的實(shí)時(shí)跟蹤。

關(guān)鍵詞：CamShift算法；智能跟蹤；PWM脈沖波

DOI：10.16640/j.cnki.37-1222/t.2018.24.102

1 引言

智能車(chē)是具有自主性、適應(yīng)性和交互性等于一體的綜合系統(tǒng)，它融合了自動(dòng)控制，人工智能、機(jī)械工程、信息融合、傳感器技術(shù)、圖像處理技術(shù)以及計(jì)算機(jī)等多門(mén)學(xué)科的最新研究成果。工業(yè)發(fā)達(dá)國(guó)家已相繼將智能車(chē)的研究納入21世紀(jì)重點(diǎn)研究開(kāi)發(fā)的智能交通系統(tǒng)和智能車(chē)路系統(tǒng)的重要組成部分[1-2]。而計(jì)算機(jī)視覺(jué)，試圖通過(guò)傳感器獲取事物的圖像信息，然后通過(guò)對(duì)信息進(jìn)行處理并建立人工智能系統(tǒng)[3]。運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤是圖像處理和計(jì)算機(jī)視覺(jué)研究領(lǐng)域的一個(gè)重要課題，它融合了數(shù)字圖像處理、模式識(shí)別、人工智能等多個(gè)相關(guān)領(lǐng)域的知識(shí)。

隨著計(jì)算科學(xué)技術(shù)的不斷發(fā)展，視覺(jué)跟蹤技術(shù)變得日益重要，越來(lái)越廣泛的被應(yīng)用到人們的日常工作和生活中，如交通流量的檢測(cè)、人機(jī)交互、安全監(jiān)控、汽車(chē)的自動(dòng)駕駛或輔助駕駛、人體運(yùn)動(dòng)分析以及視頻壓縮等領(lǐng)域，受到人們的高度重視[4-5]。因此，研究運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤具有極大的理論意義和現(xiàn)實(shí)價(jià)值。

本文主要針對(duì)基于機(jī)器視覺(jué)的智能車(chē)跟蹤系統(tǒng)進(jìn)行重點(diǎn)研究，在動(dòng)態(tài)背景下檢測(cè)出運(yùn)動(dòng)目標(biāo)、跟蹤目標(biāo)，根據(jù)前方目標(biāo)的運(yùn)動(dòng)狀態(tài)，研究形成后方對(duì)智能車(chē)的控制，實(shí)現(xiàn)智能車(chē)對(duì)前方目標(biāo)的準(zhǔn)確跟蹤。

2 整體方案設(shè)計(jì)

基于機(jī)器視覺(jué)的智能小車(chē)跟蹤系統(tǒng)整體方案設(shè)計(jì)框圖如圖1所示，主要由IP Camera、智能車(chē)平臺(tái)和軟件跟蹤系統(tǒng)三部分組成。其中智能小車(chē)自動(dòng)跟蹤系統(tǒng)平臺(tái)主要包括無(wú)線接收模塊和運(yùn)動(dòng)控制系統(tǒng)模塊；軟件跟蹤系統(tǒng)主要包括機(jī)器視覺(jué)算法和控制模塊。具體的方案如下：

以PC機(jī)為圖像處理與識(shí)別作為算法處理為核心，用無(wú)線網(wǎng)絡(luò)進(jìn)行圖像視頻信息的傳輸。采用手機(jī)IP Camera的圖像傳感器來(lái)拍攝前方事物，將獲得的圖像視頻信息傳輸?shù)絇C機(jī)，PC機(jī)通過(guò)無(wú)線網(wǎng)絡(luò)讀取出圖像視頻，利用VS2015軟件為開(kāi)發(fā)環(huán)境進(jìn)行圖像處理，經(jīng)機(jī)器視覺(jué)算法分析得到跟蹤目標(biāo)的方位，根據(jù)確定的目標(biāo)方位，將相應(yīng)的控制指令通過(guò)API串口發(fā)送給智能小車(chē)運(yùn)動(dòng)控制系統(tǒng)，STM32F103RC單片機(jī)則根據(jù)接收到的指令信息來(lái)控制電機(jī)驅(qū)動(dòng)模塊，做出相應(yīng)的動(dòng)作來(lái)實(shí)現(xiàn)對(duì)目標(biāo)事物的自動(dòng)跟蹤。

智能小車(chē)平臺(tái)，如圖2所示。采用四輪結(jié)構(gòu)，以STM32F103RC單片機(jī)為控制核心，左右兩側(cè)的電機(jī)分別采用一個(gè)L298電機(jī)驅(qū)動(dòng)，工作電壓為12V，由電源的穩(wěn)壓模塊提供。電機(jī)驅(qū)動(dòng)模塊輸出的電壓范圍為0V～46V。自動(dòng)過(guò)程的跟蹤調(diào)節(jié)主要靠輸出電壓和PWM脈沖波進(jìn)行，其中高低電壓用來(lái)改變小車(chē)運(yùn)動(dòng)方向，而PWM脈沖波用來(lái)調(diào)節(jié)小車(chē)運(yùn)動(dòng)速度。因此自動(dòng)跟蹤系統(tǒng)控制的關(guān)鍵是目標(biāo)事物的方位確定，即機(jī)器視覺(jué)算法的實(shí)現(xiàn)。

3 視覺(jué)跟蹤算法原理

（1）CamShift算法原理。CamShift算法主要是采用目標(biāo)事物的顏色直方圖模型，把圖像信息轉(zhuǎn)變成顏色概率分布圖。對(duì)搜索窗的大小和位置進(jìn)行初始化，并且根據(jù)上一幀分析得到的結(jié)果對(duì)搜索窗口的大小和位置進(jìn)行自適應(yīng)調(diào)整，從而實(shí)現(xiàn)對(duì)當(dāng)前目標(biāo)圖像的中心位置進(jìn)行定位。大致分為三部分內(nèi)容：

A.色彩投影圖：

1）光照亮度變化對(duì)于RGB顏色空間的影響很大，因此需要將圖像從RGB空間轉(zhuǎn)換到HSV空間，來(lái)克服由于光照亮度的變化對(duì)智能小車(chē)自動(dòng)跟蹤效果的影響。

2）對(duì)HSV空間中的H分量做相應(yīng)的直方圖，直方圖中可以顯示出不同H分量值出現(xiàn)的像素個(gè)數(shù)或者概率，即顏色概率查找表。通過(guò)顏色概率查找表就可以查找出H分量值大小為h的像素個(gè)數(shù)或者概率。

3）最后用顏色出現(xiàn)的概率替換圖像信息中每個(gè)像素的分量值，從而獲得顏色概率分布圖。

B.利用MeanShift算法：目標(biāo)事物的定位通過(guò)迭代尋優(yōu)的方式找到概率分布的極值來(lái)實(shí)現(xiàn)。

C.利用CamShift算法：CamShift算法就是將MeanShift算法擴(kuò)展到連續(xù)的圖像序列，將視頻的所有幀做MeanShift運(yùn)算。核心是的迭代運(yùn)算，將上一幀的結(jié)果作為下一幀MeanShift算法的初始值，這樣迭代下去，搜索窗的大小和位置不斷自動(dòng)更新，就可以實(shí)現(xiàn)對(duì)目標(biāo)事物的自動(dòng)跟蹤。CamShift算法可以有效的解決目標(biāo)遮擋和變形的問(wèn)題，對(duì)系統(tǒng)資源要求不是很高，而且時(shí)間復(fù)雜度相對(duì)較低，因此在簡(jiǎn)單背景下可以獲得比較好的自動(dòng)跟蹤效果。

（2）CamShift算法的具體流程。通過(guò)鼠標(biāo)選取出圖像中需要跟蹤的目標(biāo)，計(jì)算出該選定目標(biāo)的顏色直方圖，通過(guò)顏色直方圖的信息計(jì)算出顏色的概率分別情況，通過(guò)整個(gè)圖像設(shè)為需要搜索的區(qū)域，計(jì)算出選定的目標(biāo)在整個(gè)搜索的圖像中的質(zhì)心位置，判斷該質(zhì)心位置是否正確，當(dāng)下一幀圖像進(jìn)入時(shí)，重新計(jì)算出選定的目標(biāo)整個(gè)搜索的圖像中的質(zhì)心位置，判斷該質(zhì)心位置是否正確，無(wú)限循環(huán)重復(fù)，就把一幀一幀的圖像進(jìn)行了視覺(jué)跟蹤的計(jì)算。

4 結(jié)論

本文設(shè)計(jì)了基于視覺(jué)功能的智能跟蹤小車(chē)，利用手機(jī)IP Camera作為視覺(jué)傳感器，結(jié)合無(wú)線網(wǎng)絡(luò)功能，實(shí)現(xiàn)手機(jī)和PC之間的圖像音頻的傳輸。采用CamShift算法實(shí)現(xiàn)了對(duì)圖像音頻的分析，并通過(guò)單片機(jī)編程控制，完成了對(duì)目標(biāo)事物進(jìn)行識(shí)別、分析并實(shí)時(shí)自動(dòng)跟蹤。

參考文獻(xiàn)：

[1]何慧堯.運(yùn)動(dòng)目標(biāo)跟蹤算法及應(yīng)用研究[D].天津：天津工業(yè)大學(xué)，2017.

[2]段佳雷.基于ARM的跟蹤小車(chē)的設(shè)計(jì)與實(shí)現(xiàn)[D].蘭州：蘭州理工大學(xué)，2014.

[3]蒙建波，虞建靜，管金庫(kù)等.智能小車(chē)目標(biāo)識(shí)別跟蹤系統(tǒng)的實(shí)現(xiàn)[J].重慶大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，27（09）：45-48.

[4]程義軍，唐禎安，余雋.集成微熱板氣體傳感器陣列的加熱驅(qū)動(dòng)電路設(shè)計(jì)[J].電子器件，2014，37（06）：1136-1140.

[5]程義軍，唐禎安.微熱板陣列式集成氣體傳感器的芯片電路設(shè)計(jì)[J].傳感技術(shù)學(xué)報(bào)，2015，28（11）：1620-1624.

太原工業(yè)學(xué)院應(yīng)用性課程建設(shè)項(xiàng)目：“基于微課翻轉(zhuǎn)課堂的DSP應(yīng)用性課程建設(shè)” 項(xiàng)目編號(hào)：2017YJ07Y

作者簡(jiǎn)介：程義軍（1987-），男，山西太原人，碩士研究生，研究方向：集成氣體傳感器。