基于計算機視覺的運動目標跟蹤算法

鄧劍勛

摘 要截至目前，運動目標跟蹤已經歷經了幾十年的發展研究，其作為當前社會一項至關重要的先進技術，對于人們的日常工作生活以及社會經濟、軍事政治等其他各領域均有著積極的幫助作用。特別是在計算機視覺技術逐漸發展成熟的今天，運動目標跟蹤與計算機視覺技術的融合程度也越來越高。基于此，本文將選擇當前比較常見的一種目標跟蹤算法即Kalman filter算法，并以運動的人臉作為跟蹤目標，著重圍繞基于計算機視覺的運動目標跟蹤算法進行簡要分析研究。

【關鍵詞】計算機視覺 運動目標 跟蹤算法

在計算機等現代科學技術尚未出現以前，人們在獲取外界信息時往往主要依賴視覺，而在我國計算機技術水平不斷發展提升的背景之下，計算機視覺技術的出現使得人類肉眼視覺得到了進一步的發展延伸，尤其是在各種傳感器技術的幫助之下，使得人們能夠對保持運動狀態的目標進行實時跟蹤，從而準確掌握目標的具體形態屬性。在此背景之下，本文將運動目標設定為運動的人臉，通過探究基于計算機視覺的運動目標跟蹤算法，希望能夠為相關研究人員提供相關參考和幫助。

1 Kalman filter目標跟蹤算法的簡要概述

Kalman filter目標跟蹤算法是當前眾多跟蹤算法當中使用范圍較廣、使用頻率比較集中的一種跟蹤算法，這一算法最早可以追溯至上個世紀六十年代，人們通過將濾波理論與狀態空間模型相集合，從而得到的一種遞推估計的算法也就是卡爾曼濾波理論。其通過利用上一時刻獲取的預估值以及當下獲取的實際觀測值，在信號與噪聲狀態空間模型當中不斷更新狀態變量，進而順利完成估計預測并獲得當前時刻估計預測值。經過不斷的發展，在計算機圖像處理以及其他運動目標跟蹤當中經常會使用Kalman filter算法。如果在k時刻系統下的狀態向量用xk表示，那么在t0時刻下初始化的狀態預測方程為；在tk時刻下更新系統狀態的具體方程為

，其中Hk、Zk分別表示測量矩陣m×n維以及轉移矩陣n×n維的狀態向量。但在跟蹤計算機視覺運動目標譬如說視頻目標時，由于相鄰的兩幀視頻圖像本身時間間隔非常短，因此目標在這一時間內難以發生明顯的運動狀態變化，此時我們可以通過將此間隔時間設定為單位時間，同時目標在單位時間內一直保持勻速運動狀態，這時我們可以得到一個狀態轉移矩陣且

，定義系統觀測矩陣即為

，定義噪聲Wk以及Vk協方差矩陣則可以分別用

和表示。

如果在濾波器在經過若干次卡爾曼濾波后仍然能夠恢復至原始狀態，則其具有較好的穩定性，但如果在進行運動目標跟蹤實驗的過程當中，對于處于運動狀態的被跟蹤目標，一旦出現遮擋行為則將在第一時間內暫停估計參數，并將這一參數估計值直接代入到狀態方程當中，使得運動目標無論是否被遮擋均可以對其進行精確跟蹤。

2 基于計算機視覺的運動目標跟蹤算法

2.1 建立顏色概率模型

顏色囊括了諸多的信息量光柱點，尤其是在人類的視覺世界從本質上來說也是一種用過感知自然界色彩以及明暗變化的世界，因此人們可以通過使用三基色原理獲得RGB顏色空間。考慮到顏色與計算機視覺場景當中各個場景和目標之間有著緊密的關系，同時不同于目標的大小、形態等其他視覺特征，顏色特征鮮少會受到包括觀察視角等在內各因素的干擾影響，從某種角度上來說基于顏色特征的運動目標具有較好的穩定性。為了能夠保障目標跟蹤既穩定又迅速，需要選擇合適的顏色特征，否則將極有可能導致出現跟蹤失敗。在這一環節當中人們通常使用的是RGB顏色空間以及HSI顏色空間，但由于二者均具有一定的局限性，因此本文在對人臉特征尤其是顏色特征進行選取時，選擇了rgI顏色直方圖的方法，在解決兩種顏色空間自身缺陷的同時，盡量避免目標人臉運動位置以及尺寸等變化因素對目標追蹤造成的干擾影響。在rgI顏色直方圖當中

，，，L=r+g+I其中R、G、B就是RGB顏色空間當中的三原色，r、g、I有著相同的取值范圍即在0到1之間。保持間隔相等的情況下劃分L值即可得到rgI顏色直方圖。雖然rgI顏色直方圖與物體相對應，但如果目標只是位置以及尺寸等出現變化，rgI顏色直方圖并不會受到任何實質性影響，因此在理想情況下，利用rgI顏色直方圖能夠對視頻圖像中不同運動位置以及不同尺寸的人臉進行目標追蹤。

2.2 跟蹤算法

運動目標的不斷變化將會使得模板圖像隨之發生相應變化，因此需要不斷更新模板圖像才能夠有效完成對運動目標的連續跟蹤，本文在對運動目標的實際運動范圍進行預測過程中選擇使用卡爾曼濾波，之后利用rgI顏色直方圖在預測運動范圍之內搜索和匹配相應目標，從而通過此舉獲得與目標模板有著最小歐式距離的區域，在此過程當中存在一個特定閾值T，如果兩者的歐氏距離在進行相減時差值沒有超過這個特定閾值，那么此時該區域就是運動目標所在的實際位置，利用在這一區域當中的rgI顏色直方圖并將其充當下一幀運動目標的匹配模板，在不斷重復的過程中模板能夠實現不間斷地更新。由于相鄰的兩幀視頻圖像之間，時間間隔并不長，因此目標人臉在極短的時間間隔當中基本上不會出現突然變化，此時我們可以認為運動目標人臉的運動連續性比較強，此時利用公式

可以進行歐式距離的計算并用以衡量匹配的模板。其中匹配區域和模板的rgI顏色直方圖分別用l和l'表示，而rgI顏色直方圖中的維數則用n進行表示。根據相關視頻圖像顯示，通過不斷更新模板確實可以對目標運動人臉進行實時跟蹤顯示。

3 結束語

總而言之，本文通過選擇當前比較常見的目標跟蹤算法即Kalman filter算法，利用卡爾曼濾波以及rgI顏色直方圖完成對運動人臉的跟蹤。事實證明，Kalman filter算法確實能夠在對各目標之間的干擾進行明確區分的基礎之上，準確描述運動人臉目標，從而較好地跟蹤運動目標，但由于人臉之間本身存在一定的相似性，因此本文只是對理想狀態下的運動人臉進行跟蹤實驗，日后還需要對計算機視覺技術和Kalman filter算法進行進一步優化以妥善解決多人臉目標以及相似性問題。

參考文獻

[1]鄭薇.基于雙目視覺的運動目標跟蹤算法研究及應用[D].哈爾濱：哈爾濱工程大學，2014.

[2]李慧霞，李臨生，閆慶森，周景文.基于Mean Shift算法的目標跟蹤綜述[J].計算機與現代化，2017（01）：65-70.

[3]李寰宇，畢篤彥，楊源，查宇飛，覃兵，張立朝.基于計算機視覺的運動目標跟蹤算法研究[J].電子與信息學報，2015（09）：2033-2039.

[4]陳曦，殷華博.基于計算機視覺運動目標跟蹤技術分析[J].無線電工程，2014（06）：22-24+39.

作者單位

重慶電子工程職業學院軟件學院 重慶市 401331