基于光流和貝葉斯算法的目標跟蹤研究

德州學院計算機系 孫振國 李海軍

1.引言

在視頻流中定位目標的過程被稱為目標的跟蹤，通過在視頻流中利用目標特征提取和檢測來實現跟蹤。在視頻序列中對運動目標的跟蹤一直是計算機視覺、圖像處理、和模式識別的研究領域的重要課題，目標的跟蹤是根據對目標的準確定位與目標的移動軌跡，為下一幀視頻圖像中目標的運動行為分析提供了可靠的數據支持。視頻跟蹤的目的就是在連續的視頻流中綁定目標，這是非常困難的，因為當物體快速移動時，會出現虛擬的幀速率，再者，當目標在一定時間內方向發生改變時也會給目標的跟蹤和檢測帶來困難。視頻跟蹤過程中能夠對目標移動過程進行保存。在本文中介紹了如何利用運動模型跟蹤運動目標。

2.視頻圖像預處理

2.1 預處理階段

在執行任何視頻處理操作時，獲取幀數據的質量是非常重要的，在這個階段，為了提高視頻數據的質量，就要考慮到視頻測試中出現的三種噪聲：椒鹽噪聲，高斯噪聲和周期性噪聲。這些噪聲有更多機會來降低視頻數據的質量，每種噪聲有不同的降噪方法，要根據每種噪聲的特點選用最適合的濾波器。

圖1 Canny邊緣提取效果圖

圖2 光流模型

圖3 車輛跟蹤效果

2.2 分割階段

為了把前景目標從背景中分離開，通常采用背景建模技術和幀差分方法。處理過程如下：

首先讀入視頻幀，將視頻圖像轉換為灰度圖像，通過差分方法找出當前幀和上一幀的不同像素點，如果兩幀不同的像素值大于設定的閾值，就判定這個像素屬于前景圖像就把這個像素點保存到背景向量中，如果大于或等于閾值，就把相應的背景向量值設為零。然后再把當前幀作為上一幀，把下一幀作為當前幀，如此迭代執行，直到視頻結束[1-2]。

2.3 基于顏色的Canny邊緣檢測

首先讀入視頻圖像，如果視頻圖像是灰度的，就簡單地應用Canny邊緣檢測方法，否則就把彩色圖像由RGB轉換為YCbCr圖像：(1)把圖像分成三種顏色像素；(2)應用Canny算法在圖像的第一顏色像素進行檢測如圖1所示；(3)最后把三種顏色像素合并成一個圖像[3-5]。

2.4 目標檢測

目標檢測是通過提取每個目標的特征來進行的，基于每個目標的尺度，都有自己的具體特征，在本文中對于特征的提取采用的是光流方法，能夠在每個幀序列中檢測和指出目標，在這種方法中，像素值的計算是基于向量位置的，這是比較序列幀圖像中像素的位置。一般來說，這種模型是對應于運動矢量像素的對應位置。這種利用邊緣找到光流比二維特征檢測具有較大的優勢，能夠在目標的各個地方找到光流，如圖2所示。

3.光流算法

3.1 光流約束方程

如果圖像上一點w=(x, y)T在t時刻的灰度值為I( x, y, t)，經過時間△t后，運動到了對應點I( x+△x, y+△y, t+△t )。當△t→0時，可以認為兩點的灰度一樣，即：

如果圖像灰度隨著x、y、t緩慢變化，將式(1)左邊泰勒級數展開并忽略二階無窮小項得

上式(3)就是光流場的基本方程，寫成向量形式，即：?I· vw+It=0

其中?I=(Ix,Iy)是圖像在點w處的梯度，vw=(u, v)是點w的光流[6-7]。

3.2 提高光流性能的貝葉斯方法

貝葉斯操作需要一個樣本集合作為它的輸入數據，根據不同形式的樣本輸出的先驗知識可以選擇其它的模型作為可選的額外輸出，這就是預測模型。該預測模型是用加權方法，生成一個初始的加權訓練集。貝葉斯算法的輸出是一個分類器模型，它能夠在視頻幀中分離出多個目標。并且它包含了指定數量的內部基礎模型。為了在模型的應用中產生同樣的初始加權值，一個可選的初始模型也將被存儲在輸出模型中。

4.目標跟蹤

目標跟蹤指的是在連續的視頻幀中跟蹤運動目標的過程。跟蹤的任務是在一幀中提取目標特征和在一系列幀中發現目標。通過利用在每幀圖像中目標的位置信息，我們能夠確定移動目標的位置和速度。

4.1 計算距離

目標移動的距離，是用質心的位移來確定的，利用Euclidean距離公式來計算目標移動距離。在幀圖像中坐標點就是移動目標的像素點位置。計算機距離的算法如下：

(1)在每幀中找到每個目標的質心位置。

(3)把所有產生的距離值存儲于數組中。

4.2 計算目標速度

移動目標的速度是通過在一定時間內目標移動的距離計算出的，Euclidean距離公式是用來計算序列幀之間的距離。利用距離值可以求出幀的速率。

計算步驟如下：

(1)在數組中讀出目標移動距離。

(2)計算速度：移動距離/幀速率。

(3)保存速度值。

(4)移動目標的速度在序列幀中用“像素/秒”來定義。

在目標跟蹤過程中，利用目標的質心距離和目標的運行速度，能夠準確地對目標進行檢測和跟蹤[8-9]。跟蹤效果如圖3所示。

5.結論

在視頻監控中，對移動目標的跟蹤時，通過移除噪聲的方法提高獲取視頻數據的質量，為了在圖像中確定移動目標，利用了基于顏色的Canny邊緣檢測，很好地提取了目標特征。在目標檢測過程中，利用了光流算法結合貝葉斯方法，在目標跟蹤時，通過計算目標位移和速度確定了目標的質心，實現了目標的實時跟蹤。

[1]吳陽,徐立鴻,等.一種改進的基于光流法的運動目標跟蹤算法[J].機電一體化,2011,12:18-25.

[2]周建鋒,周彥鵬.聯合背景差分與區域光流的運動目標輪廓提取[J].軟件導刊,2011,10(10):136-137.

[3]袁紅衛,盧雁,等.基于光流的運動小目標檢測算法[J].光學與光電技術,2012,10(1):67-70.

[4]李揚.基于視頻序列的運動目標追蹤算法[J].電子科技,2012,25(8):125-127.