王 高，李仰軍，郝爭輝，張梅菊，黃漫國，梁曉波

（1.中北大學電子測試技術國家重點實驗室，太原 030051；2.山西戴德測控技術有限公司，太原 030051；3.北京長城航空測控技術研究所，北京 100022；4.狀態(tài)監(jiān)測特種傳感技術航空科技重點實驗室，北京 100022）

0 引言

許多兵器設備需要在移動時測定其運動軌跡、速度等物理變量。許多速度測量裝置需要使用專業(yè)的系統(tǒng)設備，如首先安裝傳感器，可利用測算移動目標經過傳感器的時間差及傳感器位置間的距離進行速度測量；也可利用光波、聲波、電磁波等，通過多普勒頻譜偏移或目標表面反射來進行時間差計算，結合距離測定得出目標速度［1-2］。利用上述測量方式需要提前安裝專業(yè)的檢測設備，且在安裝、調試、測量時對環(huán)境條件要求較高。機器視覺利用CCD 相機以非接觸方式采集目標信息。測試中需要良好的光照條件。為彌補目標反射弱的缺點，文中設計一種采用線狀輸出半導體激光器的機器視覺方案來對移動目標軌跡、速度進行測量的方法［3-4］。設備利用圖像分割的方法找出圖像中光帶的位置，并且利用最小矩形的方式來確定目標。為保持對目標跟蹤的精準度且減少背景融入目標檢測區(qū)域，使STC（Spatio-Temporal Context Learning）算法進行跟蹤時具有較好的針對性［5］，文中使用STC 與輪廓線匹配相結合方式來優(yōu)化跟蹤算法。將目標所在最小矩形的位置用目標跟蹤算法進行跟蹤，并繪制目標移動的軌跡，通過視覺標定的方法可得出設備移動的實際距離并計算平均速度。

1 測量原理

圖1 測量原理圖

采集裝置由反光帶，工業(yè)相機及半導體激光器構成。首先將反光帶置于測量的目標表面，調整半導體激光器使輸出激光投射到反光帶上，同時使用工業(yè)相機采集運動目標反光帶所呈圖像。原理如圖1，將反光帶固定于移動目標表面，激光器固定于反光帶平行的斜上方。利用反光帶反射激光條紋的原理，在反射方向安裝采集相機。采集圖像后，通過計算反光帶條紋的橢圓參數來調整相機角度，使其所拍攝的條紋在圖像中成水平方向。當反光帶在圖像中不處于水平方向時，會導致所選取目標區(qū)域內背景信息較大，使用算法跟蹤時容易丟失目標，故采用區(qū)域橢圓計算旋轉角，該方法能夠實現(xiàn)目標平均速度像素級精確測量。

2 區(qū)域橢圓參數

圖像的代數矩是:

本文在上述基礎上根據所確定的夾角θ，以及區(qū)域重心（m1，0，m0，1）來進行相機角度的調整。

圖2 區(qū)域橢圓原理圖

根據所檢測出的區(qū)域外接最小矩形的橢圓參數如圖2，所求出的夾角θ 為相機所需調整的度數。

圖3 矯正前后對比

3 時空上下文追蹤法

時空上下文跟蹤方法同時使用時間上遞推關系和目標周圍空間信息，故稱為時空上下文跟蹤方法［6-7］。此方法中跟蹤目標區(qū)域使用貝葉斯概率模型進行建模，結合時空建模獲取下一幀圖像中跟蹤目標區(qū)域周圍的置信圖，該圖內最大值的位置就是目標最可能在下一幀中出現(xiàn)的位置。傳統(tǒng)方法只利用時間上的信息，用已知的t 幀去計算t+1 幀，而對于空間上的信息卻沒有很好地加以利用，時空上下文方法結合時間與空間信息，獲得了很好的效果。

該算法將跟蹤問題看作是估計目標在采樣區(qū)域內各個位置出現(xiàn)的概率問題，如果在這個位置出現(xiàn)的概率最大，那么這個位置就是新一幀的目標位置。所以，只需要把目標在各個位置出現(xiàn)的概率給算出來，該公式如下:

3.1 建立空間上下文模型

根據目標位置與周圍區(qū)域空間上下文間的關系，將式（8）中定義為下式:

由式（10）可知，該式考慮到了目標與其空間上下文間存在關系問題。所以，就算是出現(xiàn)了兩個或者兩個以上的外觀相似并且絕對距離還相等的可疑目標，這個模型仍然可以分辨出實際的跟蹤目標。

3.2 建立上下文先驗模型

為了能夠更簡單，式（11）用圖像的加權灰度來描述上下文先驗模型，如下所示:

式中，a 為高斯函數的歸一化常量，設置常量目的是保證函數符合概率定義，也就是把概率p（c（z）|o）的值限制在［0，1］的區(qū)間之內，σ 是一個跟尺度相關的參數。

3.3 求解置信圖

置信圖用于計算目標在整個圖像區(qū)域內各個位置所出現(xiàn)的概率，可以表示為下式:

其中，同樣的b 也是歸一化常量，而α 是尺度參數，β 為和模型形狀相關的參數。

通過置信圖函數與上下文先驗模型，得到空間上下文模型。將式（9）、式（11）和式（13）代入式（8）中，得到下式:

由于卷積計算量過大，導致算法時間較長，為了滿足從視頻中快速提取前景目標，利用快速傅里葉變換算法將時域卷積操作轉換到頻域進行乘積，所以空間上下文模型也可為如下形式:

F 與F-1表示傅里葉變換及其逆變換。

為優(yōu)化STC 跟蹤算法對目標進行跟蹤的有效性，文中使用基于輪廓線匹配的STC 尺度自適應跟蹤算法。首先對視頻圖像中相鄰2 幀輸出窗口中目標提取輪廓線，且對2 幀中提取的輪廓線匹配。依據相鄰2 幀中目標尺度變化，計算得出后一幀中跟蹤目標窗口變化。

根據圖像特點，使用最大類間方差法對目標分割提取。對整幅圖像上灰度值進行統(tǒng)計，使得分割后圖像的前景與背景之間方差達到最大［8］。通過上述方法提取兩幅圖中目標區(qū)域，并利用輪廓線匹配的方式選取目標。

Hu 矩是由二、三階中心矩線性組合構成7 個不變矩，并且有旋轉、平移及縮放不變性，因此，也被稱作Hu 不變矩［9-10］。Hu 矩能夠對目標全局特征全面反映，文中采用其對目標輪廓形狀進行描述。

式中，A，B 分別為兩個輪廓線，

上式中I（A，B）接近于1 時兩輪廓之間相似度較高［11-12］。

圖4 輪廓線匹配結果

如圖4 所示，對相鄰兩幀中目標輪廓進行相似度檢測，其相似度為98.8%。

3.4 尺度自適應調整

在同一視頻中相鄰2 幀中目標尺度通常變化不大，所以對視頻中第t 幀跟蹤目標窗口大小調整，可將t-1 幀的窗口作為基準進行調節(jié)。在t-1 幀和t幀圖像進行目標輪廓匹配，然后根據輪廓外接矩形變化，在第t 幀調整跟蹤目標位置和窗口尺度，最后得到t 幀中目標窗口的位置及尺度大小。

首先對t-1 幀和t 幀中上下文區(qū)域進行目標輪廓計算，并進行輪廓匹配。得到目標輪廓的外接矩形Outert-1，Outert。依據相鄰2 幀目標外接矩形尺度變化計算在前后2 幀中橫、縱坐標的偏移量dx，dy。相鄰2 幀的尺度變化為:

其中，Areat，Areat-1分別為t-1 幀和t 幀中圖像目標輪廓面積。依據如下式規(guī)律調整當前幀中目標窗口:

圖5 跟蹤效果

從圖5 跟蹤效果來看，STC 算法在跟蹤過程有時會出現(xiàn)跟蹤區(qū)域與目標尺度相差較大的情況。而本文算法在跟蹤的同時增加輪廓線匹配方式，有效避免這種情況。

4 速度與誤差模型

4.1 速度模型

目標速度可由隨時間變化所產生位移變化的比值得到:

在視頻中，ΔT 時間可由視頻幀率計算得到。本文中ΔS 由目標跟蹤算法計算得出，文中采用相鄰5幀目標跟蹤位置之差進行計算ΔS。

4.2 誤差分析

根據幀頻可得出時間:

則υn的誤差為:

1）反光帶長度測量誤差，主要是由于手動測量產生的隨機誤差。多次測量求取平均值來降低反光帶長度測量所產生誤差。

2）環(huán)境誤差是由外界干擾因素對相機采集時所產生的影響。采集過程中光線變化會影響圖像的清晰程度，可通過在采集過程設置自動平衡來減小影響。

3）圖像處理誤差，是由初始目標位置設置、相機調整度數設置、圖像噪聲等因素造成。圖像噪聲可依據圖像采集過程中選擇合適濾波器得到改善。目標位置與相機調整度數設置問題可進行多次計算減少誤差。

5 實驗分析

實驗中使用高速相機進行采集。采集得到的圖像大小為520 像素×144 像素。測量得到反光帶長度為4.5 cm，相鄰兩張圖像間時差為1 ms。通過相機采集700 張左右的圖像，提取得到該平臺的相對位移及速度如圖6、圖7 所示。

從圖6、圖7 目標運動中相對位置、速度變化趨勢，可得出STC 跟蹤算法在測量目標位移時，由于跟蹤目標尺度偏差使得所測量出的相對位移、速度出現(xiàn)誤差。當0～180 ms 與380 ms～700 ms 目標處于靜止狀態(tài)時，出現(xiàn)位移、速度誤差。而在改進STC 算法中目標跟蹤效果較好，可準確測量運動目標相對位移、速度。

圖6 相對位置變化

圖7 相對速度變化

根據式（20），對目標在該段時間的速度進行測量。圖8 為分割后的反光帶，根據反光帶的實際長度可換算出像素所代表的實際距離。根據實際反光帶長度與圖像中反光帶長度比例得到物體的實際速度如下:

圖8 目標實際速度變化

依據文中實驗結果計算誤差，l=0.045 m，ΔTn=0.025s，則δl=0.000 1 m=0.001 s，進行估計，得到δυn=0.004 4 m/s。

6 結論

本文提出一種利用反光帶與激光器測量速度的方法，利用區(qū)域橢圓參數對采集相機進行角度調整計算。然后對目標進行跟蹤得到相對位置變化并利用相機幀頻來進行時間測定，進而得到目標相對位移、速度的變化。為適應圖像中反光帶尺度變化，且保持跟蹤算法精準度，減少背景融入目標檢測區(qū)域。使用輪廓線匹配方法對跟蹤目標尺度調整。最后利用反光帶的長度或寬度與圖像中目標的標定比例關系來換算為實際速度。

在實際使用過程中，可根據測量需求選取反光帶大小，并且調節(jié)拍攝距離。當測量目標運動方向不是直線時，調節(jié)目標在圖像中的大小后可直接利用跟蹤算法來進行測速。