基于OpenMV視覺技術對物體識別與跟蹤的實驗研究

楊益寬　王俊偉　孫鈺樟

摘 要 以OpenMV作為圖像處理模塊，搭配兩個云臺舵機設計了一個物體識別與跟蹤實驗系統。介紹了實驗所采用的裝置和具體實現過程，對舵機采用了增量式PID算法進行控制。該實驗系統實現了對物體的識別與跟蹤功能。

關鍵詞 OpenMV 機器視覺 PID算法 舵機 識別 動態追蹤

中圖分類號 TP216? ?文獻標識碼 A? ?文章編號 1000－3932（2023）04－0569－04

機器視覺是人工智能正在發展的一個分支，隨著人工智能的興起，機器視覺的前景極好［1］。隨著科技的發展，各行業自動化、智能化程度不斷加深，未來幾年全球機器視覺市場將持續增長。全球機器視覺產業正處于一個逐步與人工智能完美協調融合完成工業生產向智能化轉型的新時期。

國外從20世紀50年代開始研究二維圖像的統計模式識別。1965年，ROBERTS L R通過計算機程序從數字圖像中提取出諸如立方體、楔形體及棱柱體等多面體的三維結構，并對物體形狀和物體的空間關系進行描述，其研究工作開創了以理解三維場景為目的的三維機器視覺研究。該方向的研究在20世紀90年代進入高速發展期，提出了多種新概念、新方法和新理論［2］。至2006年，隨著深度學習概念的提出，機器可以通過訓練自主建立識別邏輯，圖像識別準確率大幅提升，機器視覺發展進入一個新的階段。

我國機器視覺的研究起步較晚，直至20世紀90年代才成立了少數視覺公司。通過搭建簡單的機器視覺初級應用系統，并不斷地培訓和引導中國客戶對機器視覺技術和產品的理解，讓更多的產業人員了解到機器視覺給自動化產業帶來的獨特價值和廣闊的應用前景［3］。其中煙草行業和特種印刷行業成為了早期機器視覺的受益者，為推動機器視覺在其他行業的發展做出了重要貢獻，拉開了中國機器視覺行業的歷史帷幕。OpenMV設計小巧、編程簡單，可以將其應用到很多創意產品上完成與各種機器視覺相關的任務。

OpenMV是一款圖像處理模塊，具有小巧、低功耗、低成本及編程簡單等特點，并搭載了Python腳本，因此在處理復雜的機器視覺算法方面有很大的優勢。同時，也可以很輕松地觸發外部終端拍攝或者執行算法，能夠很好地應用到很多創意產品上，完成各種機器視覺相關任務。在此，筆者利用其對物體的識別功能，尋找目標物體最大色塊區域，通過串口發送被跟蹤物體的位置信息，實現與舵機云臺的信息互換，完成了對目標物體的識別與跟蹤。

1 實驗介紹

實驗系統的目的是要實現對物體的識別與跟蹤，系統分為兩個部分：一部分是以OpenMV為主體的圖像處理模塊，用來實現對物體的識別功能，并將識別到的位置信息實時傳遞；另一部分是系統的跟蹤模塊，由兩個二自由云臺舵機組成，用來實現系統對物體的跟蹤功能。云臺舵機接收OpenMV發出的位置信息，與OpenMV進行數據交換。

實驗設計的整體邏輯為OpenMV對物體進行初步的識別，篩選出被跟蹤的物體，對其進行鎖定，其次使用云臺舵機的跟蹤功能，通過與OpenMV進行數據交換，得到被跟蹤物體的實時位置，達到對物體跟蹤的目的，具體流程如圖1所示。

2 實驗設計

圖像識別由OpenMV完成。首先初始化攝像頭，尋找目標物體，對最大色塊進行識別，判斷是否為目標物體，框出目標物體。物體跟蹤由兩個9G ST90S舵機實現，兩舵機分別記為X軸舵機與Y軸舵機，它們可以與OpenMV進行信息交互，采用增量式PID算法控制。

在本次實驗中對綠色小球進行識別與跟蹤，在這個過程中對物體的識別依靠對小球顏色的識別，故需要將OpenMV中的綠色閾值進行調整，目的在于定義綠色，使得OpenMV了解什么是綠色，如圖2所示。在閾值編輯器中，根據源圖像的基礎，通過對Lab閾值［4］的調整，使得在二進制圖像中只有被跟蹤的小球的影像，便可以得出最佳的顏色跟蹤閾值。

將得到的綠色閾值數據賦值給green_threshold，并在OpenMV IDE中的函數庫調用image.find_blobs（）函數對該色域進行識別。程序效果如圖3所示。

在OpenMV對物體識別的過程中，倘若在OpenMV傳輸的圖像中存在小面積的綠色區域，便干擾了對物體的識別，如圖4所示。

由于在識別的過程中存在綠色色域可能會對識別造成干擾，故需要對所有可能存在的色域進行篩選，再找出最大的綠色色塊，這樣就有效避免了云臺在跟蹤時小面積色塊對系統的影響。在程序里筆者定義了一個find_max（blobs）函數，用于確認在識別圖像時，系統選擇的是最大色塊。程序運行效果如圖5所示。

對小球跟蹤時，兩個舵機分別控制X軸與Y軸，對舵機的控制采用增量式PID算法，增量式PID算法相較于傳統PID算法的優勢為控制量是計算機每一次計算的增量，發生故障后對系統的影響范圍小［5］。

3 功能實現

運行實驗系統可以實現對綠色小球的動態追蹤，當綠色小球出現在OpenMV的識別范圍內時，系統將會過濾小面積綠色區域的干擾，在幀緩存查看器中把綠色小球框出，并在中心區域用十字標出，判斷小球的位置。在移動小球位置后，OpenMV再進行拍照，對小球的位置進行反饋，云臺得到小球的位置后，通過對舵機旋轉的控制，從而鎖定綠色小球，以實現對物體的跟蹤。

4 結束語

實驗基于OpenMV視覺技術，通過Lab閾值調整與增量式PID控制算法，不僅完成了對小球的識別，還可以對其進行實時跟蹤，并將信息顯示出來。整套系統小巧便捷，很大程度上方便了使用者。相對于傳統的跟蹤系統，該系統可進行更好地識別和實時跟蹤，并具有攝像、監控等功能，打破了傳統系統在空間中的局限性。該系統可實時顯示圖像，預測大致運動方向，可輕松地將其應用到很多創意產品中，滿足不同用戶的需求。

參 考 文 獻

［1］ 袁云佳.人工智能的發展與應用綜述［J］.科技風，2020（17）：25-26.

［2］ 宋春華，彭泫知.機器視覺研究與發展綜述［J］.裝備制造技術，2019（6）：213-216.

［3］ 朱云，凌志剛，張雨強.機器視覺技術研究進展及展望［J］.圖學學報，2020，41（6）：871-890.

［4］ 鄒秋霞，楊林楠，彭琳，等.基于Lab空間和－Means聚類的葉片分割算法研究［J］.農機化研究，2015，37（9）：222-226.

［5］ 梅真，趙熙臨.基于增量式PID智能車調速系統的設計［J］.湖北工業大學學報，2015，30（2）：72-76.

［6］ 王祎晨.增量式PID和位置式PID算法的整定比較與研究［J］.工業控制計算機，2018，31（5）：123-124.

（收稿日期：2022-07-06，修回日期：2023-06-08）

Experimental Research on Object Recognition and Tracking Based on OpenMV Vision Technology

YANG Yi－kuan， WANG Jun－wei， SUN Yu－zhang

（College of Mechanical and Electrical Engineering， Hetao University）

Abstract? ?Taking OpenMV as an image processing module and matched with two PTZ servos to realize object recognition and tracking functions was implemented and devices adopted in the experiment and its concrete realization process were described. The incremental PID algorithm was employed for the servo control.

Key words? ?OpenMV， machine vision， PID algorithm， servo， recognition， dynamic tracking