基于圖像處理的實(shí)時(shí)跟蹤運(yùn)動(dòng)目標(biāo)檢測

基于圖像處理的實(shí)時(shí)跟蹤運(yùn)動(dòng)目標(biāo)檢測

1運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)近年來，隨著計(jì)算機(jī)處理速度的提高和數(shù)字圖像處理技術(shù)的深入研究，視覺跟蹤成為一個(gè)熱點(diǎn)研究問題[1.4]。視頻運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)廣泛應(yīng)用于軍事及民用監(jiān)控系統(tǒng),它能夠大大減少人力物力,保障監(jiān)控場所安全。運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法性能直接影響運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)的精確度和穩(wěn)定性,因此,研究一種魯棒性好、精確、高性能的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法是提高監(jiān)控系統(tǒng)性能的關(guān)鍵。本文從視頻圖像的獲取、預(yù)處理及目標(biāo)檢測與跟蹤方法進(jìn)行研究,并對采用不同方法得到的實(shí)驗(yàn)結(jié)果進(jìn)行了對比分析。2圖像采集及預(yù)處理運(yùn)動(dòng)目標(biāo)檢測是在一段序列圖像的每幀圖像中找到感興趣的運(yùn)動(dòng)目標(biāo)所在的位置,其難點(diǎn)在于如何快速而可靠地從一幀圖像中匹配目標(biāo)。在本系統(tǒng)中,由于攝像頭固定,采集到的圖像背景基本不變,故選取基于運(yùn)動(dòng)的幀間差分法。圖像采集采用CCD攝像頭。為減少處理運(yùn)算量,將采集到的彩色圖像轉(zhuǎn)換為灰度圖像,再進(jìn)行預(yù)處理及目標(biāo)檢測。真彩圖像到灰度圖像的變換為Y=0.299R+0.587G+0.114B,其中Y為灰度圖像的灰度值,R、G、B為紅、綠、藍(lán)三通道顏色值。2.1圖像好的圖像圖像增強(qiáng)采用了中值濾波和灰度均衡化技術(shù)。由于濾波后的圖像邊界、輪廓往往會變模糊,需要利用圖像銳化技術(shù)使圖像的邊緣變清晰。對一幅圖像f(x,y),它的梯度是一個(gè)矢量,梯度值的大小與相鄰像素的灰度差值成正比。計(jì)算出圖像f(x,y)的梯度值后,可以采用不同形式突出圖像的輪廓,現(xiàn)采用下列方法進(jìn)行了研究。2.1.1x,y投資設(shè)輸出圖像為g(x,y),梯度圖像直接輸出的表達(dá)式為:g(x,y)=|G[f(x,y)]|。原圖像所有灰度變化平緩的區(qū)域,在輸出圖像g(x,y)上均變成了暗區(qū),只有圖像的輪廓部分在g(x,y)上才表現(xiàn)為亮區(qū)(點(diǎn)、線或區(qū))。由于圖像上相鄰像素的灰度值相關(guān)性一般很高,故輸出圖像g(x,y)總體上講顯得非常暗淡。2.1.2閾值閾值加閾值的梯度圖像表達(dá)式為:其中,T>0為閾值。從表達(dá)式可以看出,適當(dāng)?shù)剡x擇T,既可使圖像輪廓清晰突出,又可在一定程度上保持灰度變化平緩的背景不受破壞。2.1.3輪廓閾值輸出在某些場合下,需要把輪廓設(shè)置成一個(gè)特殊的灰度級值,而其他非輪廓區(qū)域的灰度仍然保持原灰度值不變。這種輸出表達(dá)式為式中T為輪廓閾值。輪廓的確定是根據(jù)梯度值|G[f(x,y)]|的大小來判定的,當(dāng)|G[f(x,y)]|≥T時(shí),就認(rèn)定像素(x,y)為輪廓。LG是根據(jù)需要指定的一個(gè)灰度級,它將明顯邊緣用一個(gè)固定的灰度級LG來實(shí)現(xiàn)。2.1.4非輪廓像素的灰度級lb當(dāng)背景的灰度變化造成圖像輪廓不明顯突出時(shí),若只想突出輪廓而允許非輪廓像素的灰度層次,可把背景(非輪廓像素)規(guī)定成一個(gè)灰度級LB,其表達(dá)式為按這種方式輸出的圖像,認(rèn)定為非輪廓的像素均變?yōu)長B,而認(rèn)定是輪廓的像素的灰度值以其梯度值來代替。2.1.5圖像輸出方式若只關(guān)心每個(gè)像素是輪廓像素還是非輪廓像素,這時(shí)可以采用二值化的圖像輸出方式,其表達(dá)式為按這種方式輸出的圖像,結(jié)果是整幅圖像上所有像素只有兩種可能的灰度值。這5種不同的銳化方法各有優(yōu)點(diǎn),在完成幀間差分及閾值分割后將會對這5種方法進(jìn)行比較,找出最優(yōu)方法。2.2像間相關(guān)性檢測預(yù)處理之后的圖像成為適合于計(jì)算機(jī)分析處理的圖像,然后進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測。幀間差分法是基于運(yùn)動(dòng)圖像序列中相鄰兩幀圖像間具有強(qiáng)相關(guān)性而提出的檢測方法。在攝像頭固定的情況下,對連續(xù)的圖像序列中的相鄰兩幀圖像采用基于像素的時(shí)間差分來提取圖像中的運(yùn)動(dòng)區(qū)域,設(shè)在t1時(shí)刻和t2時(shí)刻采集到同一背景下的兩幅運(yùn)動(dòng)圖像為f1(x,y)和f2(x,y),則差分圖像的定義為:fd(x,y)=f1(x,y)-f2(x,y)。對上式的差分結(jié)果進(jìn)行閾值處理,就可以提取出運(yùn)動(dòng)的物體。2.3數(shù)學(xué)形態(tài)圖像圖像分割是圖像分析、理解和計(jì)算機(jī)視覺中的難點(diǎn)。在圖像分割的諸多方法中,閾值化技術(shù)是一種簡單有效的方法,最大類間方差(Otsu)是廣泛使用的閾值分割方法之一。其基本思想是利用圖像的灰度直方圖,以目標(biāo)和背景的方差最大來動(dòng)態(tài)地確定圖像的分割閾值。二值化后的圖像往往會含有許多孤立的點(diǎn)、小區(qū)域以及小空隙和孔洞,為了解決閾值分割后的差分圖像可能會存在的一些目標(biāo)空洞和少量的孤立噪聲的問題,這些均會對今后目標(biāo)位置的判斷存在干擾,導(dǎo)致接下來跟蹤丟失或者跟蹤錯(cuò)誤。因此,本文使用了數(shù)學(xué)形態(tài)學(xué)圖像處理,適當(dāng)?shù)剡x取形態(tài)運(yùn)算子和濾波窗口可以很好地排除雜點(diǎn),消除物體內(nèi)部的細(xì)小空隙。主要方法為膨脹和腐蝕。本系統(tǒng)分別使用3階和5階窗口進(jìn)行形態(tài)學(xué)濾波操作。2.4運(yùn)用二值圖像輸出法測定運(yùn)動(dòng)目標(biāo)首先將采集到的圖像序列(見圖1(a)、(b))轉(zhuǎn)變?yōu)榛叶葓D像,然后進(jìn)行中值濾波和灰度均衡。采用2.1中的5種圖像銳化方法分別對兩幅濾波后的圖像進(jìn)行處理,然后利用5種銳化后的圖像進(jìn)行幀間差分以及閾值分割,最終得到含有運(yùn)動(dòng)目標(biāo)的二值圖像。效果如圖1所示。由實(shí)驗(yàn)結(jié)果可知,銳化效果最好的是第5種方法,即二值圖像輸出方法。這種方法基本上可以準(zhǔn)確地檢測出運(yùn)動(dòng)物體;雖然還存在一些細(xì)小空洞,但在對其進(jìn)行形態(tài)學(xué)濾波之后便可以完全消除,如圖1中(g)所示。3值化輸出法閾值分割的圖像經(jīng)過形態(tài)學(xué)的處理后運(yùn)動(dòng)目標(biāo)的大概位置已經(jīng)明顯可以確定,為了方便后續(xù)的跟蹤處理,必須選擇合適的表達(dá)目標(biāo)的方法,本系統(tǒng)采用的是最小外接矩形的方式。對于矩形框位置的確定,這里采用的是投影法,即將形態(tài)學(xué)處理后的二值圖像作水平和垂直方向的投影,投影后的圖像中突變的地方分別對應(yīng)著運(yùn)動(dòng)目標(biāo)區(qū)域的起始邊界。這樣就可以確定出表達(dá)目標(biāo)的矩形框的大小及位置,還可以確定運(yùn)動(dòng)目標(biāo)的中心點(diǎn)——水平及垂直投影的最大值位置。為了排除毛刺和不連續(xù)點(diǎn),需要考察兩個(gè)跳變點(diǎn)之間的距離,如果該距離小于某一閾值,則認(rèn)為此處為干擾點(diǎn)。為了檢驗(yàn)算法的可行性,對多個(gè)圖像序列進(jìn)行了測試。圖2是基于圖像銳化方法的第5種——二值化輸出方法進(jìn)行的跟蹤效果圖?？梢钥闯?這是一種很有效的銳化方法,在其基礎(chǔ)上進(jìn)行的一系列目標(biāo)跟蹤算法可以準(zhǔn)確地檢測出