基于機(jī)器視覺的運(yùn)動目標(biāo)跟蹤方法研究

李志朋

（天津光電高斯通信工程技術(shù)股份有限公司 天津市 300392）

科學(xué)合理的應(yīng)用運(yùn)動目標(biāo)的跟蹤方法具有十分重要的意義，并且具有較大的應(yīng)用價值。用機(jī)器來替代人的大腦和眼睛，可以為人們的生活和工作帶來諸多便利，在當(dāng)前的交通運(yùn)輸、單位安保、醫(yī)學(xué)及軍事等方面得到廣泛應(yīng)用。運(yùn)動目標(biāo)跟蹤將圖像中運(yùn)動目標(biāo)的大小、運(yùn)動目標(biāo)的具體位置和運(yùn)動目標(biāo)的速度等數(shù)據(jù)信息分析出來，如果在對運(yùn)動目標(biāo)進(jìn)行跟蹤的過程中受到各種外界因素以及內(nèi)在因素的影響，就會導(dǎo)致跟蹤工作的難度加大，并且還會對跟蹤結(jié)果的準(zhǔn)確性和可靠性造成嚴(yán)重影響[1]。隨著社會的發(fā)展和進(jìn)步，計(jì)算機(jī)技術(shù)也在不斷發(fā)展，大大降低了視頻圖像采集和儲存的成本，并且讓處理效率得到提升，視頻跟蹤技術(shù)符合智能化、信息化和自動化的時代發(fā)展潮流。

1 目標(biāo)跟蹤評判標(biāo)準(zhǔn)和難點(diǎn)

1.1 目標(biāo)跟蹤判斷依據(jù)

運(yùn)動目標(biāo)跟蹤算法的評價依據(jù)主要有以下三點(diǎn)：

（1）準(zhǔn)確性。其準(zhǔn)確性能夠通過運(yùn)動目標(biāo)具體方位以及運(yùn)動跟蹤結(jié)果二者之間的對比，來對它們的相近程度進(jìn)行比較。準(zhǔn)確性能夠在全部的跟蹤算法評判依據(jù)中得到有效應(yīng)用，假如目標(biāo)跟蹤的結(jié)果沒有合理應(yīng)用準(zhǔn)確性，就會導(dǎo)致前期進(jìn)行的工作不具備實(shí)際意義。

（2）實(shí)時性。運(yùn)動目標(biāo)跟蹤算法執(zhí)行過程所需時間可以通過實(shí)時性進(jìn)行衡量，如果具有非常快的算法運(yùn)行速度，而且也用不著太多的計(jì)算資源，就可以將該算法的實(shí)時性很好的表現(xiàn)出來。在跟蹤運(yùn)動目標(biāo)時，計(jì)算量會隨著視頻幀數(shù)發(fā)生變化，幀數(shù)越多計(jì)算量也就越大，序列圖像要想實(shí)現(xiàn)快速處理，就必須要求跟蹤算法具有實(shí)時性。

（3）魯棒性。魯棒性指的是一種抗干擾能力，跟蹤算法在運(yùn)行時對受到外部環(huán)境的影響，如果運(yùn)動目標(biāo)背景中存在噪聲或是其他干擾因素，算法執(zhí)行效果都會受到影響。對于運(yùn)動目標(biāo)跟蹤來說，算法魯棒可以確保其具有穩(wěn)定性和持續(xù)性。

1.2 目標(biāo)跟蹤算法工作中存在的困難

通常來說，運(yùn)動目標(biāo)基本上存在于較為復(fù)雜的環(huán)境當(dāng)中，所以在開展運(yùn)動目標(biāo)跟蹤工作之前，需要進(jìn)行圖像預(yù)處理，對目標(biāo)區(qū)域開展檢測工作，并獲取目標(biāo)位置，接著科學(xué)合理的應(yīng)用運(yùn)動算法進(jìn)行運(yùn)動目標(biāo)跟蹤工作。目標(biāo)跟蹤算法的難點(diǎn)可以從以下幾個方面體現(xiàn)出來：

（1）光照的變化。運(yùn)動目標(biāo)的表觀現(xiàn)象會受到光照顏色、方向以及強(qiáng)度變化的影響。如果運(yùn)動目標(biāo)光照變化比較強(qiáng)烈時，會對顏色特征穩(wěn)定性造成影響，導(dǎo)致跟蹤算法的準(zhǔn)確性得不到保證。

（2）背景顏色影響。如果背景顏色和運(yùn)動目標(biāo)顏色比較接近，就會導(dǎo)致目標(biāo)分離工作難度加大，難以讓運(yùn)動目標(biāo)完整的與背景相脫離，并且會影響到目標(biāo)的跟蹤過程[2]。

（3）目標(biāo)大小改變。如果目標(biāo)的大小出現(xiàn)一定程度的變化，那么對目標(biāo)的跟蹤工作就無法固定窗口跟蹤算法來實(shí)現(xiàn)，讓目標(biāo)跟蹤喪失可靠性。

2 運(yùn)動目標(biāo)檢測方法

2.1 光流法

對二維圖像中運(yùn)動物體的像素進(jìn)行分析，通過分析結(jié)果可以實(shí)現(xiàn)三維運(yùn)動物體運(yùn)動信息的有效獲取。光流和運(yùn)動場比較相似，通過對時間域內(nèi)的物體像素進(jìn)行分析研究，掌握運(yùn)動物體對應(yīng)位置像素變化，從而獲得物體的運(yùn)動速度及方向。光流法的優(yōu)點(diǎn)是不需要提前了解視頻場景中的目標(biāo)大小、光照情況和動態(tài)背景等信息，就可以準(zhǔn)確檢測到運(yùn)動中的目標(biāo)。光流法在背景運(yùn)動場景中比較適用，如果情況比較理想，能夠精確計(jì)算出運(yùn)動目標(biāo)的速度。但使用光流場計(jì)算公式所提出的假設(shè)條件在具體的視頻場景中很難得到滿足，因此，當(dāng)條件不理想的情況下，會讓光流場正確求解的難度加大。除此之外，在目標(biāo)檢測過程中使用光流法還會消耗大量時間，不具備較好的實(shí)時性。

2.2 幀差法

幀差法具有十分簡單的應(yīng)用原理，在具體的應(yīng)用過程中也不會有較高難度，所以得到了較為普遍的應(yīng)用。相鄰幀之間的差異性和相關(guān)性是幀差法的重要基礎(chǔ)，視頻中背景的灰度值和像素點(diǎn)位置不會改變，目標(biāo)一旦發(fā)生運(yùn)動，就會讓相鄰的灰度值發(fā)生改變。通過差分的使用，能夠快速找到出現(xiàn)變化的區(qū)域。運(yùn)動目標(biāo)如果是利用幀差法得到，那么就不具備一定的完整性，在之后的工作中還需要再次處理，為運(yùn)動目標(biāo)的有效提取提供保障[3]。幀差法的優(yōu)點(diǎn)主要有以下幾個方面：

（1）具有比較簡單的原理，容易實(shí)現(xiàn)對運(yùn)動目標(biāo)的獲取。

（2）具有較快的運(yùn)行速度，可以有效加快圖像的處理速度。

（3）具有一定的場景適應(yīng)性，受到光照或環(huán)境影響較小。

2.3 背景差法

背景差法的應(yīng)用原理跟上文介紹的幀差法相似程度較高，對比兩種不同的圖像，背景圖像的像素不會出現(xiàn)太大程度的改變，而運(yùn)動目標(biāo)區(qū)域像素會發(fā)在很大程度上發(fā)生改變，通過可續(xù)分析像素差異性特征，可以成功檢測到運(yùn)動目標(biāo)的具體位置（如圖1）。在具體的實(shí)踐工作過程中，背景圖像直接獲取的難度非常大，所以通常會利用背景建模法來獲取圖像。背景差法算法比較簡單，能夠得到比較完整的運(yùn)動物體區(qū)域。但在實(shí)際環(huán)境中會受到多種外界因素的影響，無法滿足實(shí)時性要求，并且會有出現(xiàn)誤差的可能，所以需要對背景進(jìn)行更新，確保獲取運(yùn)動物體的準(zhǔn)確性。專家學(xué)者也在不斷對此方法進(jìn)行創(chuàng)新，并取得了不錯的成果，提升了背景算法的豐富程度。

圖1：背景差法流程圖

3 運(yùn)動目標(biāo)跟蹤方法分析

我們可以以運(yùn)動目標(biāo)檢測為依據(jù)，科學(xué)合理的進(jìn)行運(yùn)動目標(biāo)的跟蹤。在對運(yùn)動目標(biāo)具體位置進(jìn)行檢測的過程中，可以在視頻圖像序列中把運(yùn)動目標(biāo)分離出來。在檢測目標(biāo)運(yùn)動的時候，做好運(yùn)動目標(biāo)的跟蹤工作，確定好運(yùn)動目標(biāo)在時間軸上面的具體運(yùn)動軌跡，獲取跟運(yùn)動目標(biāo)相近的其他目標(biāo)物體，并做好兩者之間的連接。首先，應(yīng)將運(yùn)動目標(biāo)模板確定下來，通過一定的度量準(zhǔn)則，根據(jù)相應(yīng)規(guī)定標(biāo)準(zhǔn)，尋找具有最高匹配程度的目標(biāo)位置，然后進(jìn)行匹配工作，成功完成目標(biāo)物體位置追蹤。隨著時代的快速發(fā)展，運(yùn)動目標(biāo)跟蹤的使用層面也在逐步提升，并出現(xiàn)了大量的跟蹤算法。目前，比較常用的跟蹤算法有粒子濾波、卡爾曼濾波等，可以將目標(biāo)跟蹤算法分為以下幾種：

3.1 將區(qū)域匹配作為依據(jù)的跟蹤算法

這種算法主要是匹配圖像的不同區(qū)域，并成功獲取運(yùn)動目標(biāo)模板，以目標(biāo)特征為依據(jù)，找出相鄰圖像之間的位置點(diǎn)，并最大程度確保具有相同的特征，從而實(shí)現(xiàn)確定運(yùn)動目標(biāo)位置的目的。區(qū)域面積、目標(biāo)顏色、目標(biāo)紋理等都是目標(biāo)區(qū)域的典型特征，圖像相關(guān)匹配法是比較常用的區(qū)域匹配方法。將區(qū)域匹配算法科學(xué)合理的在運(yùn)動目標(biāo)跟蹤工作中使用，可以有效提升目標(biāo)跟蹤工作的效率，如果目標(biāo)出現(xiàn)不同的變化，比如變形、旋轉(zhuǎn)等，或是受到光線變化的影響，就容易導(dǎo)致區(qū)域匹配出現(xiàn)錯誤[4]。在比較復(fù)雜的場景中應(yīng)用，受到的外界因素影響較大，就會對匹配效果造成嚴(yán)重影響，甚至?xí)屗惴ㄊА；趨^(qū)域匹配的跟蹤算法實(shí)時性比較差，這一缺點(diǎn)導(dǎo)致了此方法沒有得到廣泛普及。

3.2 以主動輪廓為基礎(chǔ)的跟蹤算法

此方法與區(qū)域匹配跟蹤算法具有比較相似的原理，它們都是通過兩部分來完成，即目標(biāo)匹配和確定匹配模板。但二者之間也存在不同，這種方法不是以圖像區(qū)域作為匹配模板，而是以目標(biāo)的大致輪廓作為基礎(chǔ)。首先確定好圖像的大致輪廓，接著在圖像中將具有較大相似度的匹配輪廓尋找出來。另外，輪廓匹配跟蹤算法的運(yùn)動量比區(qū)域匹配跟蹤算法小很多，而且對運(yùn)動目標(biāo)的跟蹤準(zhǔn)確性也比較高。Michael Kass 等人提出的主動輪廓模型是此方法的典型代表，將一組可以變化形態(tài)的曲線在目標(biāo)區(qū)域內(nèi)設(shè)定好，通過控制點(diǎn)慢慢對目標(biāo)輪廓和自身形狀進(jìn)行調(diào)整，確保二者達(dá)到一致[5]。通過函數(shù)的求解工作，獲得函數(shù)最小值，這種曲線被定義為Snake 曲線。

3.3 以特征匹配為基礎(chǔ)的跟蹤算法

上文中提到的兩種匹配方法是將物體當(dāng)作整體來進(jìn)行跟蹤，而基于特征匹配的跟蹤則是選擇具有特性代表的運(yùn)動物體，針對物體上面的特征點(diǎn)進(jìn)行跟蹤，具有較好的持續(xù)性。代表性的物體特征點(diǎn)需要具備下面幾個特點(diǎn)：不跟背景相混淆、具備一定的獨(dú)特性、不會受到光照變化影響以及不隨物體形狀發(fā)生變化。此方法的優(yōu)點(diǎn)是：能夠?qū)ξ矬w的形態(tài)變化進(jìn)行很好的適應(yīng)，針對遮擋住的部分也有很好的效果，假如沒有全部遮擋住物體的特征，就能夠完成物體跟蹤工作，還可以對光照變化和環(huán)境變化進(jìn)行很好的適應(yīng)。但此方法也存在一定的難點(diǎn)：是否可以很好的適應(yīng)各種外界因素的影響，將物體自身的特點(diǎn)呈現(xiàn)出來。所以，在使用此方法時需要根據(jù)實(shí)際環(huán)境來選擇運(yùn)動目標(biāo)的特點(diǎn)，比如物體的顏色、紋理、邊緣等。

3.4 以模型為基礎(chǔ)的跟蹤算法

這種跟蹤算法與其他運(yùn)動目標(biāo)跟蹤算法相比較來說，具有較大差異，它能夠快速獲取運(yùn)動目標(biāo)的三維信息，促進(jìn)運(yùn)動目標(biāo)信息多樣性的提升。在目標(biāo)跟蹤時應(yīng)用此算法，需要在線下運(yùn)動目標(biāo)的三維模型構(gòu)建好，并以此模型自身具備的特征為基礎(chǔ)，準(zhǔn)確確定運(yùn)動目標(biāo)各方面的內(nèi)容，如果3D 目標(biāo)種類不同那么3D 模型也會存在差別。三維目標(biāo)模型建模比較復(fù)雜，但可以對運(yùn)動目標(biāo)進(jìn)行比較全面的描述，能夠有效克服目標(biāo)遮擋障礙，并且對復(fù)雜場景具有比較好的適應(yīng)性，在今后的運(yùn)動目標(biāo)跟蹤工作中會得到廣泛應(yīng)用。

3.5 將運(yùn)動目標(biāo)特點(diǎn)作為依據(jù)的跟蹤算法

這種運(yùn)動目標(biāo)的跟蹤算法可以對目標(biāo)信息進(jìn)行有效利用，并創(chuàng)建運(yùn)動目標(biāo)信息模型，以現(xiàn)有的運(yùn)動規(guī)律數(shù)據(jù)為基礎(chǔ)，準(zhǔn)確判斷運(yùn)動目標(biāo)在下一幀圖像中的位置。這種跟蹤算法具有獨(dú)特的優(yōu)勢，可以有效降低需要搜索的區(qū)域面積大小，而且可以促進(jìn)搜索工作效率的提升，有效減少目標(biāo)跟蹤的工作量，同時又節(jié)省了大量的工作時間。

4 結(jié)語

隨著社會的不斷發(fā)展和進(jìn)步，機(jī)器視覺受到人們的重視程度在不斷增加，各種機(jī)構(gòu)在此方面的研究力度也得到加強(qiáng)，許多的研究成果也已經(jīng)應(yīng)用到我們的生活中，在娛樂、生產(chǎn)、軍事等方面應(yīng)用較為廣泛。目標(biāo)跟蹤的結(jié)果會受到跟蹤算法的影響，由于運(yùn)動目標(biāo)具有環(huán)境多變性、物體形狀多變性等特點(diǎn)，讓運(yùn)動目標(biāo)跟蹤過程難度加大，所以應(yīng)選擇合適的跟蹤算法。目前我們對目標(biāo)跟蹤方面的研究仍處于初級階段，還有更多的問題等著我們?nèi)ヌ剿鳎詰?yīng)不斷加強(qiáng)跟蹤算法研究力度，合理利用先進(jìn)科學(xué)技術(shù)，期待獲得更多的優(yōu)秀成果。