基于改進Camshift的竹材加工目標檢測跟蹤算法研究

摘要將計算機視覺技術應用到數控剖竹機運動加工目標的檢測和跟蹤中，提出一種基于改進Camshift算法的適合竹材加工運動目標檢測和跟蹤算法。針對竹材檢測、跟蹤過程中的干擾因素，通過圖像的色度值來代替背景圖像的亮度值，來減少陰影干擾，采用背景差分法與幀間差分法相結合的目標檢測方法，改進Camshift算法，利用HSV圖的H分量均值和每一幀H分量均值的差值結果來進行H分量均值更新，以克服光照影響，并利用Kalman濾波實現對下一幀竹材所在位置進行預測，預測結果用于修正Camshift算法的跟蹤結果。結果表明，改進的算法能夠對運動竹材目標進行實時跟蹤，算法高效、準確。

關鍵詞計算機視覺；改進Camshift；目標檢測；目標跟蹤

中圖分類號S126文獻標識碼A文章編號0517-6611（2014）24-08455-04

Research of Improved Camshift Algorithm in Object Detection and Tracking for Bamboo Processing

REN Honge et al（Information and Computer Engineering College， Northeast Forestry University， Harbin， Heilongjiang 150040）

AbstractApplying the computer vision into detecting and tracking of processing objective of Sectional Bamboo Machine， a new tracking algorithm based on improved Camshift algorithm was put forward， which is suitable for bamboo processing. This paper mainly includes the object detecting algorithm based on background subtraction and frame difference and the object tracking algorithm based on Camshift and Kalman filter， the bamboo position in next frame was predicted， the predicting results was used to correct the tracking results generated by Camshift. To overcome the interference factors， different algorithms were integrated. To reduce the interference of shadow， the chrominance values of the imager was replaced by the luminance value of the background image； to overcome the impact of light， the discrepancy of H component between HSV image and each frame was used to update the mean weight of H component. The results showed that the improved algorithm can track the bamboo efficiently， quickly and accurately.

Key wordsComputer vision； Improved Camshift； Object detecting； Object tracking

近十幾年來，隨著電子技術、計算機網絡等的不斷更新發展，計算機視覺作為一個新型行業領域備受關注。作為圖像處理與模式識別的重要研究內容，基于視頻的運動目標檢測與跟蹤被廣泛應用于各大領域。另一方面，我國擁有非常豐富的竹材資源，南方城市具有較多竹材加工車間，產業整體呈現良好態勢。但現行竹材加工設備大都功能簡易，沒有一次性連續數控完成竹材加工的聯合機[1]。國外，發達國家木工機械企業，受資源分布區域的限制，一般也不研究竹材加工設備。將計算機視覺引入竹材加工領域，提出適合竹材加工的目標檢測跟蹤算法，搭建竹材實時監控系統，實現竹材加工智能流水線，達到高效、智能的工作水平變得尤為迫切。

基于多次實際生產車間調研，總結分析得出，基于計算機視覺的剖竹機數控系統應用應滿足以下需求：①具有較高實時性，能實現對竹材的實時檢測與跟蹤；② 能夠克服光照、陰影對竹材檢測和跟蹤所帶來的干擾；③能夠解決竹材與背景顏色相近、背景干擾的問題；④系統具有一定穩定性、可靠性。

基于系統需求分析和對已有算法的優缺點及適用范圍的深入研究，較為科學地從中篩選出了適合應用于竹材加工生產的目標檢測跟蹤算法。

運動目標檢測可以實現將運動目標從視頻或者圖像序列背景中區分開來并識別。靜態背景下常用的目標檢測方法有背景差分法、幀間差分法、光流法等[2]。背景差分法計算量較小，該算法對光照、天氣等因素敏感，容易受到干擾，不夠穩定，不適于對光照變化具有較高要求的情況。幀間差分法方法簡單，且對光線具有一定適應能力，但不適用于運動物體速度過慢或過快的情況，因為會出現檢測不出物體或者檢測不完全運動目標的結果。光流法計算復雜，并且抗噪能力較差，并不常用。基于實際加工環境，將幀間差分法和背景差分法同時應用于剖竹機數控系統中，結合二者光適應性強和穩定的優點，規避二者缺點，提出適合竹材檢測的新算法。

靜態背景下常用的目標跟蹤方法有基于目標特征匹配的跟蹤算法、核跟蹤、基于對比度分析的跟蹤算法。基于目標特征匹配的目標檢測算法，常提取的目標特征有紋理特征、顏色分布特征等。最常用的Camshift算法[3-5]是在Meanshift算法的基礎上延伸而來的，是一種基于目標顏色直方圖為特征的跟蹤算法，該算法可有效避免部分遮擋問題，并且運算效率高。由于竹材運動中顏色分布特征不會發生較大變動，且在工廠實際生產中易發生部分遮擋問題，采用Camshift算法實現竹材跟蹤，同時引入Kalman濾波預測算法，用于修正Camshift跟蹤結果，從而實現準確高效跟蹤。

1 基于背景差分法和幀間差分法相結合的目標檢測算法

在竹材加工生產系統中，系統需要實時監控，做到對竹材加工目標及時、準確跟蹤，在光照不穩定情況下，依然要求具有較高穩定性，僅僅采用幀間差分法，無法滿足對準確性的需求，只采用背景差分法則無法克服光照因素，達不到對穩定性的較高要求。綜合背景差分法與幀間差分法的優點及缺點，采用背景差分法與幀間差分法相結合的目標檢測算法，可最大程度地繼承二者優點，克服缺點，實現可靠、高效檢測。

基于背景差分法和幀間差分法相結合的目標檢測算法：在現有方法的基礎上，將連續兩幀的幀間差分圖像與高斯混合模型建立的背景圖像相與，再對得到的圖像進行二值化處理，就可以將前景目標與背景相分離，最終準確檢測出運動目標。

幀間差分法是通過二值化的幀間差分圖像來確定運動目標，由于該方法是基于實時的兩幀間像素點灰度差，固有較高實時性，且當光線等因素發生變化時，可以較快實現自適應。幀間差分法則簡單易行，復雜度低，對光照等不敏感，具有較高穩定性。但幀間間隔的選擇可能會造成前后幀重疊或者檢測不到運動目標。背景差分要將獲取的背景圖像與當前幀做差分。背景差分法具有檢測速度快、檢測結果精確、實現較為簡單等優點，該方法的關鍵步驟就是對于背景的獲取及更新。

背景差分后的差分圖像表示為：

Kalman濾波主要包括Kalman預測過程與Kalman更新過程[6]。在預測估計部分，Kalman充分利用上一狀態估計值并在此基礎上，實現對當前系統的預測。在Kalman更新部分，Kalman通過預測值被當前觀測值優化的方法，提高對當前狀態預測的準確度。

42卷24期任洪娥等基于改進Camshift的竹材加工目標檢測跟蹤算法研究Camshift與Kalman濾波相結合的目標跟蹤算法可提高Camshift算法目標跟蹤準確度和實時性。由于Camshift算法是基于顏色直方圖模型、利用區域顏色信息進行目標跟蹤的算法，且有較高運算效率以及較好魯棒性，適合應用于目標顏色分布不變且可能會發生部分遮擋等情況的情境中，因此可以很好地應用于竹材目標檢測。Camshift與Kalman濾波相結合的竹材跟蹤算法的流程如圖1所示。

圖1 Camshift與Kalman濾波相結合的竹材跟蹤算法的流程跟蹤過程中，參照剖竹機數控系統對穩定性的需求以及工廠在實際生產中的情況，陰影和光照問題應得到進一步處理。

（1）陰影：在檢測運動目標時會出現一定陰影。當像素點被陰影所覆蓋時，該像素點的色度不會有變化，但亮度會有很大變化[7]。因此，用圖像的色度值來代替背景圖像的亮度值，從而減少陰影干擾。

（2）光照：一方面選取的幀間差分法憑借較好的光適應性，已經從很大程度上降低了光照影響，另一方面可以利用H分量均值更新的辦法進一步克服光照影響。H分量均值判斷補光法的步驟如下：①H分量的平均初始值的計算，即求出初始化搜索窗口的H分量均值；②實時對每一幀搜索窗口的H分量均值進行計算；③每一幀搜索窗口的H分量均值與初始化的H分量均值進行做差：

H-H>Th，受到光照影響并超過誤差范圍，補光

H-H>Th，受到光照影響但可以忽略，不用補光

3 改進的目標跟蹤算法在剖竹機數控系統中的應用

基于計算機視覺的目標跟蹤算法在剖竹機數控中應用可以分成以下幾個步驟：①讀入一幀圖像；②將連續兩幀的幀間差分圖像和高斯混合模型建立的背景圖像相與[8]，然后生成的圖像進行二值化處理，從而將前景對象和背景可以分離，準確檢測出運動目標；③分別采用Camshift進行跟蹤和Kalman進行預測，并且對Camshift的跟蹤結果與Kalman預測結果進行做差；④若誤差在規定閾值內，則認為Camshift實現了較為可靠的準確跟蹤，可以作為跟蹤結果輸出，Camshift結果作為跟蹤結果輸出，并跳至步驟①，否則進入⑤；⑤若誤差超過規定閾值，則認為Camshift的跟蹤結果誤差過大，應該使用Kalman預測結果進行校正，用Kalman的預測值代替誤差較大的Camshift跟蹤結果值，作為跟蹤結果輸出，并跳入步驟①。具體檢測跟蹤、流程如圖2所示。基于以上循環，從而實現對竹材的穩定、可靠、高效跟蹤。

圖2竹材檢測、跟蹤算法的流程4 竹材檢測跟蹤試驗結果

試驗環境：Windows 7系統下，利用Matlab 2012a編寫程序完成算法編寫。利用DV采集一段竹材運動視頻，選取部分幀，采集速率為15 f/s。

將含有一段竹材運動的圖像序列作為讀入的視頻序列，

圖3竹材目標檢測結果注：（a）、（b）、（c）中綠色方框分別代表傳統Camshift算法在第8幀、第56幀、第88幀時的跟蹤結果，（d）、（e）、（f）紅色方框分別代表該研究提出的基于Kalman修正的Camshift跟蹤算法結果。

圖4該研究算法與傳統Camshift算法跟蹤結果對比圖按照該研究提出的檢測算法對竹材進行實時檢測。運行結果如圖3所示，其中（a）、（b）分別為第8幀、第24幀背景圖像，（c）、（d）分別為在采用幀間差分和背景差分算法對運動竹材的檢測時第8幀、第24幀的檢測結果。從試驗結果可以看出，該算法可以可靠地實現對竹材位置的實時檢測。

圖4為傳統Camshift算法和該研究提出的算法跟蹤竹材試驗結果。從竹材跟蹤部分試驗結果對比可以看出，利用Camshift算法來實現對竹材位置的實時監測，經Kalman濾波修正后的Camshift跟蹤結果更加準確，可以很好地適應竹材自身特點，是切實可行的。

5 結論

基于背景差分和幀間差分相結合的竹材檢測算法很好地實現了在竹材加工生產系統中，對竹材的實時檢測，并且幀間差分法使算法具有較高準確性，背景差分使算法很好地克服了光照因素帶來的干擾。二者的結合，結合優點，規避缺點，實現了可靠、高效檢測。基于Kalman修正的Camshift竹材跟蹤算法中，Camshift實現了對竹材的位置進行實時定位，Kalman實現了基于上一幀對當前幀的可靠預測，且Kalman在Camshift基礎上對試驗結果進行修正，進一步提高了竹材跟蹤結果的準確性。在跟蹤過程中，對陰影、目標與背景相似等問題的處理，增加了跟蹤的穩定性。該研究提出的算法可以很好地應用于竹材加工系統，實現竹材的實時監測、竹材加工智能流水線，達到高效、智能的工作水平，具有較高實用性。

參考文獻

[1] 李大勝.整竹去青技術及裝備的研究[D].南京：南京林業大學，2004.

[2] 甄景蕾.基于全景視覺的運動目標檢測與跟蹤方法研究[D].哈爾濱：哈爾濱工程大學，2008.

[3] 錢永青，謝勤嵐.結合Camshift和Kalman預測的運動目標跟蹤[J].計算機工程與科學，2010，32（8）：81-83，137.

[4] YIN M H，ZHANG J，SUN H G，et al.Multicuebased CamShift guided particle filter tracking[J].Expert Systems with Application，2011，38（5）：6313-6318.

[5] LI Y B，SHEN X L，BEI S S，et al.Realtime tracking method for moving target based on an improved Camshift algorithm[C].2011 International Conference on Mechatronic Science， Electric Engineering and Computer，2011：978-981.

[6] 闞言東.Kalman濾波新算法及其在數據融合中的應用[D].南京：南京工業大學，2008.

[7] 王瑋，李紅波，吳渝，等.一種運動目標陰影輪廓的兩步檢測算法[J].廣西師范大學學報：自然科學版，2010，28（3）：165-169.

[8] 朱明旱，羅大庸，曹倩霞，等.幀間差分與背景差分相融合的運動目標檢測算法[J].計算機測量與控制，2005，13（3）：215-217.