智能視頻監控中目標跟蹤技術仿真研究

李亮

摘要：智能視頻監控是從安全監管領域延伸到民用市場的一種智能系統，可以智能地分析報告異常狀況。憑借其高度的智能化，智能視頻監控正在安防和民用等領域迅速蔓延，市場對其越來越高的要求也引發了相關領域科研人員的高度關注。目標跟蹤技術則是智能視頻監控系統中的一項關鍵技術，是獲取、識別、分類處理目標事物的一套算法，在復雜的環境中目標跟蹤是一項極其困難的任務，所以對目標跟蹤技術的研究具有重要價值，目標跟蹤技術仿真是其中一個主要的研究方向。本文將敘述智能視頻監控中目標跟蹤技術的研究進展和現存問題，分析目標跟蹤技術仿真的必要性。

關鍵詞：智能視頻監控；目標跟蹤技術；仿真

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2016）28-0203-03

1智能視頻監控中目標跟蹤技術的研究進展

目前智能視頻監控中，按照監控數量來劃分，目標跟蹤技術主要有單目標跟蹤技術和多目標跟蹤技術兩種。

1.1單目標跟蹤技術的研究現狀

基于單攝像機的在線目標跟蹤技術是單目標跟蹤技術的研究重點，廣泛應用于監控、導航、虛擬現實等領域。監控目標大多數情況下是運動的，那么其內外要素通常會因此發生一定的變化，從而導致監控目標在智能視頻監控系統中的模型也產生一定的改變，對監控準確性的影響也是不容忽視的，所以確保監控的準確性是一個非常值得深入研究的方向。

外觀模型的建立方式決定了一個單目標在線標跟蹤系統的準確性，目前已有眾多研究者在外觀模型建立上取得了重要進展。

生成模型是通過分析計算觀測值的聯合分布概率來建模，通常可以根據觀測數據直接生成模型。條件分布可以根據貝葉斯公式求得，倘若觀測值皆來源于生成模型，則模型的相關參數便可以通過估算獲得。然而當前技術環境下，生成模型產生全部觀測數據還需要更多的理論研究來幫助實現。目前常用的生成模型包括混合高斯模型、隱馬爾科夫模型、貝葉斯網絡模型等。

目標跟蹤技術的算法規定了生成模型的建立可以輔助建立觀測目標的外觀模型，然而只通過生成模型來獲得外觀模型，其中間的誤差是難以估量的，還必須通過外觀模型的重建來盡可能地減小誤差。當前科馬尼求提出的基于內核的算法和亞當提出的基于整體顏色直方圖的算法都可以幫助減小這些誤差。

判別模式是通過估計條件概率分布，找到不同數據的最佳分類面，比較異類數據的差異來建立外觀模型。目前常見的判別模型包括基于核函數的支持向量機、基于基于隱馬爾可夫模型的條件隨機場和臨近取樣等。

1.2 多目標跟蹤技術的研究現狀

鑒于多目標跟蹤技術在智能視頻監控中的重要性，這項技術的研究進展和目前存在的諸多困難正在吸引越來越多研究者的關注。

（1）遮擋問題

多目標的互相遮擋或者被背景遮擋是多目標跟蹤過程中必然會出現的問題，局部的遮擋稱為部分遮擋，一個以上的目標整體都被遮擋稱為全部遮擋。目標被遮擋會導致目標信息的丟失，這就使得目標跟蹤的準確性大為下降。多目標的遮擋是多目標跟蹤技術需要解決的一個重難點，多目標之間的大面積遮擋和高頻遮擋更是多目標遮擋問題的重中之重。

（2）多目標數目的隨機變化

在多目標跟蹤過程中，經常會有新目標出現和舊目標消失的情形，少數情況下也會有一個目標分成多個目標和多個目標合成一個目標的情形，這在多目標的跟蹤過程中也是不可避免的。在這種情況下，如何確保跟蹤的準確性也是一個亟待解決的問題。

（3）監控視頻背景的干擾

部分監控場景較為復雜，這勢必會使目標的跟蹤過程出現一些不可預料的問題，復雜的背景條件一般有：光影的變化、背景物體的變動、存在與目標相似的物體。

2智能視頻監控中目標跟蹤技術研究存在的問題

2.1基于區域匹配的跟蹤運算量大，耗時甚巨

基于區域匹配的跟蹤是目前學界研究熱度較高的算法之一。該算法要求先將背景中的一部分跟圖像中的各個部分比較分析，然后計算兩個部分的相似度，最后找到圖像中與背景中那部分相似度最高的部分，那就是目標的即時所在區域了。

這種跟蹤方式調用的是目標的全局特征。在背景簡單且沒有遮擋的情況下，這種方式的優勢很明顯，跟蹤精度相當高，準確性和穩定性也能得到保證。缺點同優點一樣明顯，無疑匹配過程將是漫長的，在硬件性能一般和圖像區域面積較大的情況下，匹配計算的時間是很難保證的，實時性就更加無法保證了。此外，當目標受到背景或者其他目標的遮擋時，匹配過程中將找不到目標，再加上目標本身也有可能出現外形發生變化的可能，跟蹤效果難以保證。

2.2 基于輪廓匹配的跟蹤無法解決遮擋問題

基于輪廓匹配的跟蹤類似于基于區域匹配的跟蹤，其核心就是優化匹配算法，也包括比較分析和匹配的過程。不同于基于區域匹配的跟蹤的地方是，基于輪廓匹配的跟蹤比較分析的特征是跟目標輪廓有關的全局特征，而前者分析比較的特征是點、線、邊等局部特征。相較于基于區域匹配的跟蹤，它還有一個重要的優勢，就是可以用于運動目標的跟蹤檢測。Kass等提出的Snake模型可以準確跟蹤單個發生形變的目標。基于輪廓匹配的跟蹤的計算難度不高，然而如何對輪廓進行初始值的建立是個比較棘手的問題，所以該方法不可用于對高速目標的實時追蹤。

2.3基于模型匹配的跟蹤難以滿足跟蹤的實時性要求

基于模型匹配的跟蹤方法首先要做的是根據已知的目標信息構建一個目標模型，然后在接下來的每一幀畫面中匹配目標，根據新的目標信息重構模型。目前常用的幾種運動目標的模型表示方式有以下幾種：（1）線圖模型：運用線段來描繪運動目標的特征?？藙诼逋薜热颂岢龅念愃朴谌梭w骨骼的分層模型，其可以對人體進行線段描繪。（2）二維模型：通過目標的平面投影來構造目標的二維模型。（3）三維立體模型：將目標的整體結構分解為球、立方體等立體結構來描述目標。這類模型的構建需要大量參數，分析匹配過程的耗時將是巨大的。

基于模型匹配的跟蹤方法能夠有效克服遮擋造成的障礙，同時還能得到大量運動過程中的行為數據，然而該方法準確性的提高必須依賴模型適配性的提高。在日常生活中，我們可以對目標的建?？梢陨燥@粗糙，然而要對運動目標進行精確建模大為不易。在監控場景中對多個運動目標進行模型的精確匹配非常困難，而且運算量極大，所以該方法還是難以保證對運動目標的跟蹤的實時性。

3智能視頻監控中目標跟蹤技術仿真的可行性研究

雖然智能視頻監控中目標跟蹤技術經過數十年的發展已經取得了眾多突破性的進展，然而現存的諸多問題仍亟待解決，因此目標跟蹤技術仿真的研究顯得尤為重要。仿真理論的研究已經頗為成熟，然而仿真技術的開發還需努力，筆者經過認真比較最終選擇了MATLAB中的SIMULINK作為仿真軟件。

3.1 SIMULINK仿真軟件的功能和特點

SIMULINK是一個用來對動態系統進行建模、仿真和分析的軟件包。它和MATLAB的無縫結合使得用戶可以利用MATLAB豐富的資源，建立仿真模型，監控仿真過程，分析仿真結果。SIMULINK有三大主要功能：建模、仿真和分析、支持代碼生成。

其中仿真過程分為兩個階段：（1）初始化階段：傳遞參數給MATLAR求值，展開模型層歡，檢查信號的寬度和連接，并確定狀態初值和采樣時間。（2）運行階段：仿真過程開始進行，在每個仿真步計算輸出和新的狀態。

3.2自定義模塊的建立

在SIMULIN中搭建模型時用SIMULIN庫中現有的塊，SIMULINK5.0自己帶有二十多個模塊庫，但用于生成DSP代碼的庫只有五六個，所以模塊有限，需要自己創建。同樣，當特定的算法無法找到合適的模塊時也需要自建模塊，而創建模塊的關鍵就是用S-function封裝自己的算法。

S-function是系統函數的英文縮寫，它由特定的語法構成，用來描述并實現連續系統，離散或混合系統。S-function可以用M，C，FORTRAN等語言編寫。往往S-function是整個動態系統的核心，所以掌握它是必需的。

3.3質心跟蹤算法的模型開發

在整個仿真系統中開發該目標跟蹤程序，由于仿真庫中已將與算法無關的程序部分像系統初始化、目標搜索、目標顯示、圖像數據的傳送都已寫入仿真庫中，在執行生成程序時會自動生成DSP的程序，所以用戶開發程序時僅僅需要用SIMULINK建立目標分割的算法。以下以方差最大準則法、迭代法、直方圖法求取閾值為例建立模型圖。

其中求閾值和完成圖像二值化需要很多模塊且降低生成代碼效率，故用inlined S-function完成。此S-function由C（mex）文件sfun_center.c和sfun_center.tlc構成。模型中三個帶TlC62x標志的模塊是C62x library中的定點模塊，這些模塊都對應C62x優化的匯編語言函數，在編譯鏈接時會自動用其對應的匯編函數代替，模型中用這些模塊可以大大提高代碼的執行速度。fun_center.c和sfun_center.tlc程序太長不在此給出。

模型建立好后，選用xds560或xds510硬件仿真器，配置仿真環境自動生成程序、建立CCS工程并在該目標仿真系統上實時運行。用三種求取閾值方法實現了目標跟蹤，跟蹤結果直接顯示在視頻上。由于實時系統對時間有嚴格要求，所以對三種不同的方法分別作了運行時間的比較。

本章對質心跟蹤算法進行驗證，表明了建立的目標跟蹤實時仿真庫是正確的可用的。由此也可看出用該仿真系統完成目標跟蹤算法只需要使用者建立SIMULINK的算法模型，至于C6000DSP的開發過程可完全不用知道，而若單純用DSP開發算法則不僅需要了解DSP的硬件系統還需要能開發DSP軟件，并不斷修改和調試才能完成?？傊?，使用該仿真系統可使算法研究者擺脫DSP底層設計的困擾，極大節省了DSP編程和調試的時間。

4 結束語

構建目標跟蹤仿真環境可以為研究智能視頻監控下目標跟蹤算法的學者帶來極大的便利，并且將過去必須在電腦主機上運作的仿真研究延伸到了實時進行的階段，這就使得模擬運作的仿真算法無限靠近真實環境中所需的算法。目前該仿真系統雖然很好的解決當前智能視頻監控下目標跟蹤技術存在的諸多問題，然而其自身也存在一些需要深入研究解決的弊端。其一是代碼結構尚需優化，通過目前的代碼結構來構建目標模型所需的代碼過多，這就導致系統的運算需要大量的時間。其二是構建模型缺少一些現成的模塊，使用S-function程序手動建模過于復雜，正確性也難以保證。因此應當盡可能地使用現存的模塊來完成算法的構建，可以預見在不久的將來，隨著相關學者對SIMULINK軟件的使用更加深入頻繁，該軟件的預置模塊定會更加豐富，智能視頻監控下目標跟蹤技術仿真研究也會更加便捷。

參考文獻：

[1] 顏佳，吳敏淵.遮擋環境下采用在線Boosting的目標跟蹤[J].光學精密工程，2012，20（2）：439-446.

[2]匡金駿，柴毅，熊慶宇.結合標準對沖與核函數稀疏分類的目標跟蹤田[J].光學精密工程，2012，20（11）：2540-2547.

[3] 王國良，劉金國.基于粒子濾波的多自由度運動目標跟蹤田[J].光學精密工程，2011，19（4）：864-69.

[4]龔俊亮，何聽，魏仲慧等.采用改進輔助粒子濾波的紅外多目標跟蹤田[J].光學精密工程，2012，20（2）：413-21.

[5]李麗，李平，楊明等.基于SIFT特征匹配的電力設備外觀異常檢測方法田[J].光學與光電技術，2010，8（6）：25-31.