秦雨萍 張 雙 張 萍 尹福成

（1.成都理工大學(xué)工程技術(shù)學(xué)院 樂山 614000）（2.內(nèi)江師范學(xué)院 內(nèi)江 641000）

1 引言

擴(kuò)展目標(biāo)圖像中目標(biāo)與背景往往存在灰度級(jí)重疊，色彩信息不豐富，目標(biāo)與背景相近等特點(diǎn)。使擴(kuò)展目標(biāo)的完整分割幾乎不可能，因此，傳統(tǒng)的基于目標(biāo)分割的質(zhì)心跟蹤方法就無法準(zhǔn)確求取質(zhì)心，或者所得的質(zhì)心存在較大漂移，很難適應(yīng)工程實(shí)際應(yīng)用要求。而相關(guān)跟蹤方法中的相關(guān)匹配計(jì)算量通常較大，由于擴(kuò)展目標(biāo)圖像的成像面積大，導(dǎo)致許多相關(guān)跟蹤方法由于數(shù)據(jù)量過大而難以有效地運(yùn)用于實(shí)時(shí)系統(tǒng)中。Dorin Comaniciu等提出了一種目標(biāo)彩色成像跟蹤方法［1］，利用目標(biāo)彩色成像的色彩分布或者某種變換后的色彩分布（如梯度等）構(gòu)造的直方圖模式作為目標(biāo)模式，候選目標(biāo)與目標(biāo)之間相似性的度量采用基于Bhattacharyya系數(shù)定義的距離［2］，匹配搜索過程采用Fukunaga和Hostetler提出的均值偏移（mean shift）算法［3］。該方法具有計(jì)算量小，抗局部遮擋的優(yōu)點(diǎn)，在對(duì)多種類型的圖像跟蹤試驗(yàn)中獲得了比較理想的結(jié)果。然而對(duì)于灰度成像跟蹤，由于圖像的色彩信息不夠豐富，使目標(biāo)與背景成像的色彩差異較小，利用色彩分布構(gòu)造的直方圖模式會(huì)存在局部相似性，導(dǎo)致匹配搜索收斂到偽目標(biāo)，即跟蹤點(diǎn)發(fā)生抖動(dòng)或漂移，最終失去所跟蹤的目標(biāo)。針對(duì)上述問題，本文提出了基于均值偏移的直方圖匹配修正模式，并建立了目標(biāo)被短暫遮擋時(shí)的卡爾曼預(yù)測(cè)跟蹤策略。試驗(yàn)表明，改進(jìn)后的方法可有效改善擴(kuò)展目標(biāo)實(shí)時(shí)檢測(cè)跟蹤的穩(wěn)定性和適應(yīng)性。

2 算法描述

基于直方圖模式的跟蹤算法主要包含目標(biāo)模式定義，相似度測(cè)量，均值偏移和卡爾曼預(yù)測(cè)幾個(gè)部分。

2.1 目標(biāo)模式定義

目標(biāo)直方圖模式是基于檢測(cè)區(qū)域內(nèi)包含目標(biāo)的各個(gè)成像灰度級(jí)所對(duì)應(yīng)的概率密度，灰度概率密度的求取采用非參數(shù)估計(jì)技術(shù)［4］。假設(shè)目標(biāo)跟蹤點(diǎn)為y，檢測(cè)區(qū)域是以y為中心、窗寬為h的矩形，區(qū)域內(nèi)像素的位置以{xi}i=1…m表示，像素位置的特征如灰度、紋理、邊緣或者小波濾波響應(yīng)等以b(xi)表示，b(xi)可以是一種特征形成的標(biāo)量，也可以是幾種特征形成的矢量。本文中僅考慮利用灰度特征，并將其值量化為m值，即函數(shù)b：R2→｛1…m｝為xi像素的灰度索引映射。由于目標(biāo)可能受到背景和遮擋的影響，周邊像素的可靠性較低，因而離中心越遠(yuǎn)的像素分配的權(quán)值應(yīng)越小，灰度概率密度是像素位置的函數(shù)［1］：

2.2 相似性度量

不失一般性，將目標(biāo)中心標(biāo)記為0，候選目標(biāo)中心為 y，由式（1）定義的目標(biāo)模式可確定目標(biāo)與候選目標(biāo)的直方圖模式分別為

2.3 均值偏移

均值偏移算法是計(jì)算最優(yōu)解的一種實(shí)用的算法，具有計(jì)算量小和搜索快速的特點(diǎn)，Dorin Coman?iciu等將其有效地運(yùn)用到目標(biāo)分割［5～10］和目標(biāo)跟蹤中［1］。

這樣在每幀圖像上迭代的收斂點(diǎn)即為跟蹤點(diǎn)。

2.4 直方圖匹配修正

利用上述算法，在跟蹤過程中會(huì)出現(xiàn)漂移的情況，即使是幾個(gè)像素，如果不加以修正。根據(jù)均值偏移的特性，一旦誤差累積，最后都將會(huì)出現(xiàn)大范圍漂移。為此提出了塊直方圖匹配二次修正算法，來修正跟蹤結(jié)果，控制模板的更新情況［9～13］。

設(shè)圖像灰度級(jí)為L(zhǎng)，k∈[0，L-1]是圖像的第k個(gè)灰度等級(jí)，定義圖像的灰度直方圖為：

令目標(biāo)圖像和候選目標(biāo)圖像的直方圖分別表示為Hist(k)和Hist*(k)，則定義直方圖的相關(guān)系數(shù)為

η用來描述目標(biāo)圖像直方圖和候選目標(biāo)圖像直方圖的相似性，η越大，證明兩幅圖像的直方圖越相似，進(jìn)而兩幅圖像就越相似。

2.5 卡爾曼預(yù)測(cè)

當(dāng)擴(kuò)展目標(biāo)被遮擋時(shí)，采用卡爾曼預(yù)測(cè)跟蹤［14～18］，其狀態(tài)方程為：

其中，T為幀間間隔，Sx(n)、Sy(n)為擴(kuò)展目標(biāo)于n時(shí)刻分別在x軸和y軸上的位置（坐標(biāo)系以圖像幀左上角為原點(diǎn)，水平向右為y軸，垂直向下為x軸），Vx(n)、Vy(n)分別為n時(shí)刻擴(kuò)展目標(biāo)在x軸和y軸方向上的速度，vx(n)、vy(n)為幀間間隔內(nèi)擴(kuò)展目標(biāo)速度的隨機(jī)量，為零均值白噪聲。

其測(cè)量方程為：

式中，lx(n)、ly(n)分別為輸出目標(biāo)位置的誤差量。

3 試驗(yàn)結(jié)果

對(duì)大小為640×480的圖像序列，利用式（1）定義的直方圖模式跟蹤算法（算法1）以及式（10）定義的修正算法進(jìn)行了檢測(cè)跟蹤試驗(yàn)。試驗(yàn)中跟蹤檢測(cè)窗口取為h=（40，38），圖像灰度量化級(jí)數(shù)為m=16。跟蹤系統(tǒng)采集圖像為25幀/秒，試驗(yàn)中（P4 2.5，1G內(nèi)存）每幀圖像處理平均時(shí)間分別為13.5ms和22.4ms，均小于40ms，故兩種跟蹤算法均可滿足實(shí)時(shí)性要求。

圖1為分別利用算法1和修正算法得到的飛機(jī)在跑道上從滑行到起飛的同一序列圖像跟蹤檢測(cè)結(jié)果，矩形框?yàn)楦檯^(qū)域，矩形框中心為跟蹤點(diǎn)位置。由圖可見，在序列圖像中，目標(biāo)位置、姿態(tài)以及背景的變化都較大，由此造成在跟蹤過程中算法1得到的跟蹤點(diǎn)位置跳動(dòng)十分劇烈，漂移十分嚴(yán)重。而采用算法2跟蹤點(diǎn)則得到了較好的保持，實(shí)現(xiàn)了穩(wěn)定跟蹤。圖2（a）和圖2（b）分別為兩種算法用于該測(cè)試圖像序列所得到的目標(biāo)跟蹤點(diǎn)軌跡，圖2（c）為目標(biāo)的真實(shí)軌跡?？梢钥吹剿惴?得到的跟蹤點(diǎn)存在較大的抖動(dòng)，而采用修正算法跟蹤點(diǎn)軌跡較為平滑，能保持較穩(wěn)定的跟蹤。圖3分別是算法1與修正算法在處理圖像時(shí)迭代的次數(shù)，由圖可見，由圖可見修正后的算法大部分在4次以下，甚至有大部分在一兩次就能迭代到理想位置。從而可以說明修正算法在跟蹤過程中是可行，高效的。

4 結(jié)語

本文研究了一種灰度成像擴(kuò)展目標(biāo)跟蹤算法。針對(duì)灰度成像的圖像中由于色彩信息不夠豐富，目標(biāo)和背景的成像特征差異小，采用常規(guī)直方圖模式易陷于局部相似性導(dǎo)致跟蹤點(diǎn)抖動(dòng)和漂移的問題，通過考慮目標(biāo)的空間域信息和特征域信息，構(gòu)造了基于像素位置與像素灰度值的改進(jìn)直方圖模式，結(jié)合均值偏移迭代搜索匹配區(qū)域，快速實(shí)現(xiàn)對(duì)擴(kuò)展目標(biāo)的跟蹤定位，并建立了有效的卡爾曼預(yù)測(cè)跟蹤策略。試驗(yàn)表明本文算法在目標(biāo)姿態(tài)和背景變化較大以及目標(biāo)被短時(shí)遮擋的情況下仍能保持對(duì)初始瞄準(zhǔn)點(diǎn)的良好跟蹤，有效提高了對(duì)灰度成像擴(kuò)展目標(biāo)跟蹤檢測(cè)的穩(wěn)定性。本文算法具有計(jì)算量小的特點(diǎn)，可滿足擴(kuò)展目標(biāo)跟蹤的實(shí)時(shí)性要求。

［1］ Dorin COMANICIU， Visvanathan RAMESH， Peter MEER.Kernel-based Object Tracking［J］.IEEE Trans.Pattern Anal.Mach.Intell.，2003，24（5）：564-577.

［2］T.KAILATH.The Divergence，Bhattacharyya Distance Measures in Signal Selection［J］.IEEE Trans.Comm.Technology，1999，15（2）：253-259.

［3］K.FUKUNAGA ，L.D.HOSTETLER.The Estimation of the Gradient of a Density Function with Applications in Pattern Recognition［J］.IEEE Trans.Information Theory，1975 21（5）：32-40.

［4］LIHong-dong，YAO Tian-xiang.Pattern Classification，Second Edition［M］.Beijing：China Machine Press，2003：132-140.

［5］Dorin COMANICIU，Peter MEER.Mean Shift：a Robust Approach toward Feature Space Analysis［J］.IEEE Trans.Pattern Anal.Mach.Intell. ，2002，24（5）：603-619.

［6］Stockman G.，Kopstein S.，Benett S.，Matching images to models for registration and object detection via clustering［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence.1982，4（3）.229-241.

［7］Goshtasby A.and Stockman G.，Pointpatternmatching us?ing convex hulledges［J］.IEEE Transactions on Systems，Man，and Cybernetics.1985，15（5）.631-637.

［8］Huttenlocher D.P.，Klanderman G.A.，RucklidgeW.A.，Comparing images using the hausdorff distance［J］.IEEE Transactions on Pattern Analysis and Machine Intelli?gence.Sep.1993，15（9）.850-863.

［9］BurtP.J.，The pyramid asa structure forefficientcomputa?tion［C］//Multiresolution Image Processing and Analysis.Springer-Verlag，Berlin，1984.6-35.

［10］Adelson E.H.，Depth-of-Focus Imaging Process Method［M］.United States Patent4，661，986.1987.

［11］Nandhakumar N.and Aggarwal J.K.，Integrated analysis of thermal and visual images for scene interpretation［J］.IEEE Transactions on Pattern Analysis and Machine In?telligence.1988，10（4）.469-481.

［12］Toet A.，Image fusion by a ratio of low-pass pyramid.Pat?tern Recognition Letters［J］.1989，9（4）.245-253.

［13］Toet A.，Ruyven J.J.V.，Valeton J.M.，Merging thermal and visual images by a contrast pyramid［J］.Optical En?gineering.1989，28（7）.789-792.

［14］AbidiA.and Gonzalez R.C.，Data Fusion in Robotics and Machine Intelligence［M］. New York：Academic Press.1992.

［15］Dasarathy B.V.，F(xiàn)usion strategies for enhancing decision reliability in multi-sensor environments［J］.Optical En?gineering.1996，35（3）.603-616.

［16］Li H.，Manjunath B.S.，Mitra S.K.，Multi-sensor image fusion using the wavelet transform［J］.IEEE Internation?al Conference on Image Processing.Nov.1994，Vol.1.51-55.

［17］Chipman L.J.，Orr Y.M.，Graham L.N.，Wavelets and image fusion［C］//Proceedings of the International Con?ference on Image Processing.Washington，USA，1995.pp.248-251.

［18］Koren I.，Laine A.，Taylor F.，Image fusion using steer?able dyadic wavelet transform［C］//Proceedingsof the In?ternational Conference on Image Processing.Washing?ton，DC，USA，1995.pp.232-235.