基于小波圖像預處理的運動目標檢測方法

賈繼紅，郭向陽

(1.軍事交通學院 軍事物流系，天津300161;2.軍事交通學院學員旅，天津300161)

當前，機器視覺技術對靜態目標的檢測已經相當完善，但針對“動對動”的運動目標檢測，無論理論還是應用都不成熟，成為當前研究的主要方向。目前，采用的方法側重于算法應用，國內的主要方法大多是先補償全局運動，使動態背景轉化為靜態背景，再利用幀差法或背景差法檢測運動目標［1］。該類方法僅僅是把運動目標識別出來，并沒有給出運動目標的位置。對于運動目標位置的判定，現有文獻主要提供了3類較為有效的方法:一是以激光干涉儀為基礎測量柔性坐標來實現［2］;二是在一種嵌入式彩色視頻應用平臺上應用小波變換實現圖像分離、特征提取以及目標定位的算法［3］;三是利用仿生學視覺系統捕捉目標特征，用Matlab軟件處理圖像，再通過單、雙目標定法標定［4］。這3種方法均需要昂貴的硬件設備和復雜的算法，不適于成本低廉的服務型機器人使用。

本文研究餐飲服務機器人的主動避讓問題。該類機器人避讓的對象主要是人，故運動目標定為行人。本文提出一種不依賴于硬件實現的簡潔算法，判定行人與機器人之間的相對位置關系。但該算法的實時性依賴于圖像的前期預處理，其中，處理海量數據是關鍵。為了縮短數據處理時間，最行之有效的途徑有兩種:一是壓縮圖像數據，只保留有用信息;二是盡量簡化算法，從而減少迭代次數和運算時間。

1 圖像預處理

考慮復雜背景圖像普遍存在信噪比低、噪聲較大、背景干擾嚴重等缺點，選用小波變換理論對圖像進行預處理，即完成圖像的壓縮和分割。

1.1 基于小波變換的圖像壓縮

基于小波變換的壓縮方法很多，較成熟的方法有小波包變換方法、小波域紋理模型方法、小波變換零樹壓縮和小波變換向量壓縮等，這些方法對圖像壓縮都是十分有用的工具。田苗苗［5］經研究與實驗仿真，證明了小波包可以對信號的高頻部分做更細致的刻畫，對信號的分析能力更強，故本文采用小波包變換的方法壓縮圖像。經驗證壓縮效果較好(如圖1所示)。

圖1 小波包壓縮效果

1.2 基于小波變換的圖像分割

目前，用于圖像分割的算法有很多，但各自針對的圖像特點和應用范圍不同。對于運動目標而言，為滿足運動目標被動定位的實時性要求，要求算法計算量要小，因而分割算法不宜太復雜。同時，由于目標圖像隨目標所處環境的變化而不斷變化，所以要求分割算法應具有一定的自適應能力，以滿足目標對環境條件的變化［6］。

基于小波變換的圖像分割方法主要有邊緣檢測和角點檢測。吉李滿等［7］提出了一種基于小波變換的角點檢測算法，將雙正交小波用在提取角點的前期處理中，既克服了直接從灰度圖像中提取角點所帶來的算法復雜、耗時長的缺點，又克服了一般邊緣提取算法所帶來的噪聲敏感問題。

本文圖像分割采用OpenCV來實現，因為，OpenCV可以在多種操作系統上運行，同時為其他軟件提供多種接口［8］。分割效果如圖2所示。

圖2 自適應閾值法特征提取效果

2 運動目標位置檢測方法

目前，國內用于運動目標位置檢測的方法并不多，且絕大多數都依托于跟蹤系統或仿生結構等硬件設備實現，成本較高。本文主要針對服務機器人，面對的運動目標大多是行人，移動速度基本是人類步行的速度。考慮機器人的功能特點和應用范圍，適合采用成本不高且快速有效的方法實現運動目標或行人的位置檢測。故此，提出一個簡單易行的算法。

2.1 相機的安裝位置

相機鏡頭的焦距與視角成一定幾何關系，焦距越小視角越寬。所以，對于智能機器人，可根據相機的視角來調整相機的位置，使獲取的圖像背景完全為地面信息，從而簡化行人背景，以便準確獲取行人的位置信息并提高處理速度。本文通過提取行人的動態輪廓，利用行人腳尖位于照片中的方位來確定行人在實際環境中的位置。這需要調整相機鏡頭，使鏡頭視角全部投影在地面上，以便機器人獲取的圖像全部為行人的位置。

在實際安裝過程中，相機鏡頭傾斜面向地面，使鏡頭的視角全部覆蓋在地面上，不拍攝其他環境(如圖3所示)。

圖3 照相機視覺幾何關系

2.2 人與機器人之間距離的測定

根據相機的安裝位置，得到如圖4所示的幾何關系，利用光線的路徑、行人位置和行人在照片中的成像位置3者之間的幾何關系，可以推導出行人與機器人之間的距離。

圖4 人機像3者幾何關系

圖中:C點為相機鏡頭的位置;h為鏡頭距離地面的高度;直線AB為相機的采光板;E點為行人的實際位置;D點為照片中行人的位置。則行人與機器人之間的距離為

2.3 人與機器人相對位置關系的判定

要實現機器人的主動避讓，僅僅測得行人與機器人的距離是不夠的，還要測出行人與機器人之間的位置關系。可通過對行人腳尖位置的檢測來判定行人與機器人的相對位置。俯視相機與行人的幾何關系如圖5所示。

圖5 俯視相機光線幾何關系

圖中:E點為行人腳尖的位置;B點為行人腳尖在照片中的位置;x為行人與機器人之間的距離;FE與AH平行。由相似原理可推出:

已知鏡頭的視角為∠GCD=i，由三角定理可得

由式(1)、(2)可得

若AB/AH可求，則可得到FE。以圖2為例，相機所得照片的像素為1 282×596，行人腳尖的位置為735×292，則

當FE大于機器人本身寬度時，機器人不需要躲避，可按原路線繼續行走。當FE小于機器本身寬度時，機器人需要主動避讓行人:當AB/AH＜0.5 m時，說明行人位于機器人的左側，機器人需要向右移動來躲避行人;當AB/AH＞0.5 m時，行人位于機器人的右側，機器人需要向左移動來躲避行人。

3 結語

本文針對運動目標檢測中處理海量數據耗時過長和現有算法過于復雜，不適于服務型機器人的問題，主要完成兩項工作:

(1)采用相同數學工具——小波變換法進行預處理。本文對圖像壓縮和圖像分割的現有方法進行了仿真驗證，根據仿真效果選出了適于本實驗的圖像壓縮和圖像分割方法。

(2)利用目標成像位置與實際位置的幾何關系，以及位置與像素之間的關系，提出一種簡潔算法，利用該算法能快速檢測出行人與機器人之間的距離。最后，依據成像原理及已獲得的“人機距離”，提出一種判定行人與機器人相對位置關系的算法，依據該算法可準確判定二者的位置關系，指示機器人做出主動避讓。經實驗驗證，該方法所測得的位置精度可控制在0.5 m內。

［1］ 孫斌，黃神治.移動背景下運動目標檢測與跟蹤技術研究［J］.電子測量與儀器學報，2011，25(3):206-209.

［2］ 陳文磊.激光跟蹤儀控制系統研究［D］.天津:天津大學，2012:3-4.

［3］ 顧海軍.嵌入式彩色電視跟蹤系統的設計和實現［D］.長春:中國科學院長春光學精密機械與物理研究所，2003:1-112.

［4］ 型強.仿昆蟲復眼結構的運動目標位置檢測［D］.南京:南京航空航天大學，2010:4-5.

［5］ 田苗苗.小波分析和小波包在圖像壓縮中的應用［J］.安徽科技學院學報，2009，23(5):32-34.

［6］ 陳恩科，劉上乾，麻彥軒，等.一種新的運動目標自適應圖像分割算法［J］.西安電子科技大學學報(自然科學版)，2008，35(3):490-493.

［7］ 吉李滿，陳賀新，桑愛軍.基于小波變換的運動目標特征提取［J］.微計算機信息，2008，24(3):300-302.

［8］ 雷建鋒，汪偉.基于OpenCV的圖像閾值分割研究與實現［J］.現代電子技術，2013，36(24):73-76.