基于視覺傳達的多幀圖像特征目標跟蹤仿真

韋超現

(南寧師范大學，廣西 南寧 530000)

1 引言

圖像跟蹤技術是將物體的邊界信息作為一個關鍵特性加入多幀圖像跟蹤標簽中[1]。許多問題在計算機視覺中發生，如移動目標識別，但是在對圖像目標跟蹤過程時，由于環境、背景以及目標的復雜不確定性，容易導致物體移動時，目標圖像模具粘貼和顫抖[2]。在這種情況下，如何有效地實現運動圖像在視覺傳達下的目標跟蹤標記，是該領域中要解決的問題，已經有很多學者對此進行了廣泛的討論。

文獻[3]利用RGB顏色空間變換HSV空間圖像的亮度V分量，建立RGB圖像的背景掩膜，獲取二進制圖像，建立坐標系，獲取最小矩形特征向量，加入約束條件，并根據參數校準，實現動態樣例構建。該方法能夠快速跟蹤圖像特征目標，但該方法未考慮前景圖像輪廓權值問題，圖像特征目標跟蹤準確性較低。文獻[4]根據多尺度小波變換，得到運動前景目標信息提取的特點，采用卡爾曼濾波對粒子進行預測和校正，將當前觀測到的信息輸入粒子濾波過程中，通過均值和協方差估計對粒子狀態進行預測，使動態粒子更接近于概率分布，從而提高運動目標的跟蹤精度。該方法可以有效地跟蹤視頻運動目標，但該方法計算量大，圖像特征目標跟蹤效率較低。

針對上述問題，提出了基于視覺傳達的多幀圖像特征目標跟蹤方法。采用稀疏表示策略采集多幀圖像的特征目標，利用高斯分布建立圖像運動模型，再根據灰度投影法進行特征提取，對圖像各個幀間的特征點匹配，獲得多幀圖像的輪廓跟蹤目標并運算出前景輪廓的目標函數權重，實現多幀圖像特征目標跟蹤。實驗結果表明，該方法提取的多幀圖像目標特征精度較好，跟蹤準確率較高，能夠有效降低多幀圖像特征目標跟蹤時間。

2 視覺傳達下采集多幀圖像目標特征

計算機技術獲取和處理視覺圖像信息的功能越來越廣泛。雖然強大的視覺系統可以處理、分析和理解視覺信息，但是沒有實現圖像自主視覺[5]。采用稀疏表示方法，從多幅視頻圖像中采集有效的目標特征，視頻圖像的特征選擇過程如下式

(1)

式(1)中，A∈K×(m+n)作為多幀圖像轉換為32*32像素大小的圖像。字典是通過將其校驗為列向量來構造的。m與n作為字典對應的正負模板個數，K作為多幀圖像的特征維數，s作為稀疏系數向量，λ1作為權重因子，p∈m+n作為字典中每個原子的屬性，+1作為原子中的正模板屬性，-1作為原子中的負模板屬性，s內的非零元素作為多幀圖像特征選擇的依據，多幀圖像投影矩陣S的i行和l列元素的表達式為

(2)

式(2)中，si1表示為稀疏系數向量s內的第i1個元素，通過方程(2)將字典A與候選采樣x兩者投影到相同判別空間中，完成多幀圖像目標特征的采集，多幀圖像降維后的字典A′和候選狀態x′的表達式如下

A′=SA，x′=Sx

(3)

根據式(3)可以對K維多幀圖像進行高效的特征識別[6]。通過一系列多幀圖像的目標觀測值O1：t={o1，o2，…，ot}來估計當前多幀圖像的目標狀態，并利用方程(4)來運算多幀圖像目標狀態xt的后驗概率。

(4)

式(4)中，p(xt|xt-1)所描述的是視頻圖像的兩個相鄰幀之間的目標運動模型。p(xt-1|O1：t-1)所描述的是t-1時刻多幀圖像目標狀態xt的后驗概率。p(ot|xt)所描述的是似然函數。它闡述了候選狀態和目標模板之間的近似程度。利用高斯分布建立視頻圖像的運動模型，其表達式為

p(xt|xt-1)=N(xt，xt-1，ψ)

(5)

在式(5)中，N(· )作為高斯分布，ψ作為對角協方差矩陣，xt-1作為t-1時間段內圖像目標狀態多幀圖像第j個候選目標狀態xj的似然函數表達式如下

(6)

3 多幀圖像特征目標跟蹤方法

3.1 提取多幀圖像特征目標

為了提取多幀圖像的目標特征，首先需要對多幀圖像的灰度和細節特征進行小波分析，然后利用灰度投影法提取多幀圖像的目標特征，用圖像目標前景和圖像目標背景的分類問題代替多幀的特征跟蹤問題，分離圖像目標前景和圖像目標背景范圍的系數，根據圖像特征分布方差的比值函數判斷目標前景和目標背景范圍。

假設輸入校正后的灰度圖像為hx(a，b)，多幀圖像的兩個特征：灰度細節塔Px(u)和細節金字塔Qx(u，g)用多尺度描述。為了改善多幀圖像的特點，在視覺傳達下，對多幀圖像進行多幀處理用尺度差分法代替卷積過程，其公式為

(7)

式(7)中，tw所描述的是特征對比度測量值，δy所描述的是影響視頻圖像的目標范圍大小，δu所描述的是影響視頻圖像的抑制區域大小[7]。

在提取多幀圖像灰度和細節特征的目標特征時，需要設定Px(y)和Px(u)代表H(u)插值和H(y)尺度的目標范圍，得出公式為

(8)

設定Z(l，r)作為第x1幀視頻圖像中(l，r)像素的灰度值，ga作為x2幀視頻圖像之間的平移估計，gb作為k+m幀視頻圖像之間的平移估計，按照平移估計值合理運算出x3幀視頻圖像的特征目標，其表達式為

認知與計算的實踐轉向中，圖靈提出了一種客觀的，易于操作的檢驗方法。在他看來，如果一臺經過編程的計算機能夠與一個有理性思維能力的人談論任何話題，而用戶判斷不出他是在與一個人交談還是在與一臺機器交談，那就可以說這臺計算機是具有智能的。這就是“圖靈測驗”。

Nx(，r)=|Z(l，r)-ga-gb|

(9)

(10)

式(10)中：F(x)代表灰度特征顯著圖的歸一化函數為，F(x)代表細節特征顯著圖的歸一化函數，F(x)代表運動特征顯著圖的歸一化函數，最終提取到多幀圖像特征值為Ux。因此，利用Ux結果可以提取出具有目標特征的多幀圖像，通過上述步驟，完成多幀圖像特征目標的提取。

3.2 檢測多幀圖像目標

在對視覺傳達下多幀圖像特征目標跟蹤的過程中，根據所獲特征目標及上述多幀圖像背景高斯分布的參數模型，實時匹配多幀圖像的特征點，獲得多幀圖像的輪廓軌跡追蹤目標[8]。具體流程如下：

(11)

(12)

(13)

假設圖像中運動對象模型的速度是一個變量，運動區域外矩形框左上角和右下角坐標系中運動模型的速度也是一個變量，然后在α-β-γ濾波器內，狀態方程的公式即

(14)

(K+1)=(K)+α[(K+1+K)]

(15)

3.3 實現多幀圖像特征目標跟蹤

(16)

(17)

依據上述公式可知，目標函數優化前景區域的所有輪廓標記公式為

(18)

目標函數權重ci主要根據相應的前景圖像輪廓線的表面積與所有前視輪廓的總面積之比來確定的。根據權值結果，在視覺傳達下對多幀圖像實施特征目標跟蹤，由此實現多幀圖像特征目標跟蹤。

4 實驗結果分析

為了驗證基于視覺傳達的多幀圖像特征目標跟蹤方法的有效性，進行仿真。實驗數據選用具有235幀的flying多幀圖像數據，圖像特征目標選定為場景中的翅膀部分。在Matlab環境下搭建多幀圖像真實性建模仿真平臺。在實驗過程中，使用佳能5D相機拍攝了一系列的多幀模型序列圖像，焦距60mm，圖像分辨率2707×1772ppi。分別采用所提方法與文獻[3]方法、文獻[4]方法對提取的多幀圖像目標特征進行對比。對比結果如圖1所示。

圖1 不同方法提取的多幀圖像目標特征

從圖1中可以看出，文獻[3]方法提取的多幀圖像目標錯誤特征較多，其多幀圖像目標特征提取精度較差，文獻[4]方法提取的多幀圖像目標特征數量較少，無法準確地提取到多幀圖像特征目標，而所提方法能夠準確地提取多幀圖像目標特征。由此可知，所提方法提取的多幀圖像目標特征精度較好，因為本文根據多幀圖像背景高斯分布的參數模型，對多幀圖像的特征點實時匹配，從而能夠準確地提取多幀圖像目標特征，增強多幀圖像目標特征提取精度。

為了驗證基于視覺傳達的多幀圖像特征目標跟蹤方法的跟蹤時間，分別采用文獻[3]方法、文獻[4]方法與所提方法對多幀圖像特征目標跟蹤時間進行對比，結果如圖2所示。

圖2 不同方法多幀圖像特征目標跟蹤時間

分析圖2可知，文獻[3]方法的平均多幀圖像特征目標跟蹤時間為20s，文獻[4]方法的平均多幀圖像特征目標跟蹤時間為26s，而所提方法的平均多幀圖像特征目標跟蹤時間僅為7s。由此可知，所提方法的跟蹤時間最短，因為本文主要采用灰度投影法，能夠快速提取多幀圖像的目標特征，降低多幀圖像特征目標跟蹤時間。

為了驗證基于視覺傳達的多幀圖像特征目標跟蹤方法的跟蹤準確性，利用式(19)計算不同方法的多幀圖像特征目標跟蹤準確率，其表達式為：

(19)

式(19)中，PS表示為正確跟蹤匹配的多幀圖像幀數，ZS表示為總多幀圖像幀數。對比文獻[3]方法、文獻[4]方法與所提方法多幀圖像特征目標跟蹤準確率，對比結果如圖3所示。

圖3 不同方法多幀圖像特征目標跟蹤準確率

通過圖3可知，當多幀圖像幀數為250幀時，文獻[3]方法的平均多幀圖像特征目標跟蹤準確率為62%，文獻[4]方法的平均多幀圖像特征目標跟蹤準確率為70%，而所提方法的平均多幀圖像特征目標跟蹤準確率為90%，由此可知，所提方法的多幀圖像特征目標跟蹤準確率最高，因為本文主要根據前景圖像輪廓線的表面積與所有前視輪廓的總面積之比，確定權值結果，從而提高多幀圖像特征目標跟蹤準確率。

5 結論

為了解決多幀圖像目標特征提取精度差、跟蹤準確率低、跟蹤時間長的問題。提出了基于視覺傳達的多幀圖像特征目標跟蹤方法。采用稀疏表示策略采集多幀圖像的特征目標，利用高斯分布建立圖像運動模型，根據灰度投影法提取目標特征，匹配運動圖像幀間的特征點，得到多幀圖像的輪廓跟蹤目標，求解前景輪廓的目標函數權重，實現多幀圖像特征目標跟蹤。實驗結果表明，所提方法提取的多幀圖像目標特征精度較好，能夠提高多幀圖像特征目標跟蹤準確率、降低跟蹤時間。