考慮遮擋的視頻圖像運動目標激光跟蹤定位方法

摘" 要： 為能夠有效解決遮擋情況下，視頻圖像快速運動目標的精確跟蹤定位問題，文中提出考慮遮擋的視頻圖像運動目標跟蹤定位方法。利用Kalman濾波方法將視頻圖像中下一幀的位置提前至當前幀進行估計，并對未來幀進行修正，完成對遮擋狀態下運動目標的粗定位。在粗定位的基礎上，采用激光逐次逼近模式與激光離散點插值模式相結合的形式對運動目標進行定位。通過激光逐次逼近模式，系統從初始位置開始逐步調整激光發射方向，不斷接近目標物體。當激光測量到目標點時，獲取目標離散點的空間坐標。利用激光離散點插值模式對這些離散點數據進行插值處理，獲得連續的目標軌跡表示。通過在連續圖像幀中實時更新和匹配軌跡，對視頻圖像進行運動目標定位和跟蹤。實驗結果表明，該方法能夠在遮擋的情況下準確獲取運動目標的位置中心點，有效實現對運動目標的精準跟蹤定位。

關鍵詞： 遮擋； 視頻圖像； 運動目標； 激光； 跟蹤定位； 卡爾曼（Kalman）濾波器

中圖分類號： TN911.73?34； TP753" " " " " " " "文獻標識碼： A" " " " " " " " " " " 文章編號： 1004?373X（2025）03?0076?05

Laser tracking and localization method for moving objects

in video images considering occlusion

CHEN Jian1， LU Changchun2

（1. Department of Physical Education， The Engineering and Technical College of Chengdu University of Technology， Leshan 614000， China;

2. College of Physical Education， Leshan Normal University， Leshan 614000， China）

Abstract： A video image moving object tracking and localization method considering occlusion is proposed to accurately track and locate the fast moving objects in video images in case of occlusion. The Kalman filtering method is used to advance the position of the next frame in the video images to the current frame for estimation and correct the future frames， so as to achieve coarse localization of moving objects in the state of occlusion. On the basis of rough localization， a combination of laser successive approximation mode and laser discrete point interpolation mode is used to locate the moving object. With the laser successive approximation mode， the system adjusts the laser emission direction gradually from the initial position and approaches the object continuously. When the points （the objects） are detected by laser， the spatial coordinates of the discrete points （the objects） are obtained. The laser discrete point interpolation mode is used to implement interpolation processing on these discrete point data， so as to obtain a continuous representation of the object trajectory. The moving object localization and tracking are performed in video images by updating and matching trajectories in real?time in continuous image frames. The experimental results show that the method can accurately obtain the center point of the position of the moving object in the case of occlusion， and effectively achieve accurate tracking and positioning of the moving object.

Keywords： occlusion; video image; moving object; laser; tracking and positioning; Kalman filter

0" 引" 言

視頻圖像中的運動目標跟蹤在許多實際應用中起到關鍵作用，但當目標被其他物體遮擋時，傳統跟蹤方法往往無法準確追蹤目標的位置和運動[1?2]。因此，考慮遮擋的視頻圖像運動目標激光跟蹤定位方法具有重要意義。本文旨在解決目標遮擋帶來的跟蹤困難，提高目標跟蹤的穩定性和準確性。

現階段，對于遮擋運動目標跟蹤定位方法的研究有很多，比如文獻[3]提出了光流估計算法，通過比較相鄰幀之間像素的位移，分析圖像當前幀的前一幀與下一幀的運動趨勢，完成目標定位。但是該算法對遮擋以及快速運動等因素較為敏感，這些因素都可能導致跟蹤結果的不準確或失敗。文獻[4]基于2個跟蹤器的輸出響應值情況獲取最佳跟蹤器，再采用該最佳跟蹤器跟蹤目標。但是該跟蹤器為了確保2個跟蹤器能夠準確、一致地跟蹤目標，需要進行精確的校準和同步，這可能會增加遮擋情況下跟蹤系統的復雜性和操作難度，同時也可能引入誤差和不穩定因素。文獻[5]提出了CK CBMeMBer濾波跟蹤算法，預測運動目標模型在下一幀的狀態和數量，根據接收的量測信息更新目標的狀態和數量估計，根據預設的約束條件修正目標數量的估計，以確保其位于合理范圍內。但該算法在觀測目標處于遮擋情況下，數據關聯會產生誤差，導致目標跟蹤觀測結果不穩定。文獻[6]通過三維掃描系統采集運動點云圖像特征，對采集的點云圖像進行預處理，運用Freeman鏈碼檢測邊緣特征，識別運動目標[6]。遮擋情況下的噪聲可能導致圖像邊緣點的位置或方向發生微小的變化，這會使得Freeman鏈碼對邊緣的方向變化非常敏感，并且邊緣方向稍有變化，鏈碼就可能完全不同，使得Freeman鏈碼檢測的邊緣特征存在一定的偏差，影響最終運動目標識別的效果。

針對上述問題，本文提出一種考慮遮擋的視頻圖像運動目標激光跟蹤定位方法，其綜合運用Kalman濾波器和激光跟蹤技術實現運動目標的準確跟蹤。

1" 視頻圖像運動目標激光跟蹤定位

1.1" 運動目標粗定位

遮擋會導致目標在視頻圖像中無法完整觀測到，影響跟蹤定位的準確性。因此，需要對遮擋問題進行有效處理。遮擋處理的作用在于更準確地識別和跟蹤被遮擋的目標，剔除干擾因素，提高跟蹤的準確性和穩定性，由于傳統方法普遍沒有對運動目標進行預測，只從目前幀的目標質心位置修正未來幀，導致定位結果不精準[7?9]。

針對該問題，本文通過Kalman濾波方法進行目標遮擋處理，以此實現運動目標粗定位。Kalman濾波方法具有較強的狀態估計能力和對噪聲的魯棒性，可以有效預測被遮擋目標的位置和運動軌跡，在遇到短暫遮擋或不完全觀測時仍能提供穩健的跟蹤結果，有助于減小跟蹤誤差[10?11]。利用Kalman濾波方法將下一幀的位置提前至當前幀進行估計，以此為基礎對未來幀進行修正，完成對遮擋狀態下運動目標的粗定位。

首先，預測運動目標在下一幀的狀態：

[xg?（g-1）=γg?（g-1）Og?（g-1）] （1）

式中：[xg?（g-1）]表示運動目標未來狀態估計值；[γg?（g-1）]和[Og?（g-1）]表示狀態轉移矩陣以及誤差協方差矩陣。

根據式（1）預測運動目標在下一幀的狀態，然后對預測值進行修正。

預測值修正：

[x=xg?（g-1）+GgZg-Dgxg?（g-1）] （2）

誤差協方差修正：

[Og=x-GgDgOg?（g-1）] （3）

式中：[Dg]和[Zg]是預測目標位置和測量目標位置；[Gg]是卡爾曼濾波增益。

由上述分析可知，利用當前狀態估計對目標位置進行預測，然后通過預測值修正和誤差協方差修正，從而提高定位的準確性和穩定性。

1.2" 運動目標精準跟蹤定位

通過上述過程實現遮擋時視頻圖像中運動目標位置的粗定位，為了實現運動目標位置的精準定位，采用激光逐次逼近模式與激光離散點插值模式相結合的形式對運動目標進行定位。

1.2.1" 激光逐次逼近模式

激光逐次逼近模式是指在激光自動瞄準過程中，系統通過連續調整激光的發射方向，實現逐步靠近目標的過程。系統會根據預設的算法和規則，逐步縮小激光與目標之間的距離，直至激光能夠準確鎖定目標，從而實現精準的運動目標定位[12?13]。這種模式可以幫助系統逐步接近目標，提高定位的準確性和穩定性。

設置[XT，YT]為運動目標點的像素坐標，[XL，YL]是激光點像素坐標，則目標點和激光點間的直線斜率[k]的表達式為：

[k=YT-YLXT-XL] （4）

在激光逐次逼近模式中，目標點和激光點間的直線斜率可以幫助系統分析目標與激光之間的相對位置關系，通過監測斜率的變化，系統可以判斷目標是向激光靠近還是遠離，并據此調整激光的發射方向，實現對目標的精確定位。

受到目標點位置以及激光跟蹤儀硬件的干擾，使得激光點不能和目標點完全一致，為了解決該問題，應設置原點為目標點，并規定激光點出現在像素偏差值區域[14]。運動目標圖像被連續捕捉后，瞄準定位機制以漸次接近的方式，提高激光點運行效率并且快速地對運動目標完成定位。

1.2.2" 激光離散點插值模式

在實際應用中，激光傳感器通常會返回一系列離散的測距點，而為了更好地表示目標表面的形狀和幾何特征，需要對這些離散點進行插值，以獲得連續的曲線或曲面表示，從而得到更加連續且精細的目標表面或輪廓信息。

利用激光追蹤儀跟蹤運動目標時，激光質心會從坐標橫軸向縱軸變化，用[Δα]、[Δβ]描述激光追蹤儀的水平轉角和垂直轉角，激光點從坐標橫軸[Pint]轉移到坐標縱軸[Ptar]的轉變值用（[Δu]、[Δv]）描述，則有：

[Δu=kα1Δα+b1Δv=kα2Δβ+b2] （5）

式中：[α1]、[α2]分別表示激光點在[x]軸和[y]軸方向上的移動距離；[b1]、[b2]分別表示激光點在橫軸和縱軸上的起始角度。

由此得到目標運動矩陣為：

[ΔuΔv1=α10b10α2b2001ΔαΔβ1] （6）

則可得：

[ΔuΔv1=α20-α2b10α1-α1b200α1α2] （7）

式（5）中的[Δu，Δv]可以替換成目標點像素坐標減去微動后激光點像素坐標的差[X，Y]，則能夠得到激光追蹤儀對運動目標的轉動角度[Δα，Δβ]。

將激光逐次逼近模式和激光離散點插值模式結合，展開視頻圖像運動目標跟蹤定位的具體方法如下：

1） 通過激光逐次逼近模式，系統從初始位置開始逐步調整激光發射方向，不斷接近目標物體。當激光測量到目標點時，獲取目標離散點的空間坐標。

2） 利用激光離散點插值模式，對這些離散點數據進行插值處理，獲得連續的目標軌跡表示，通過在連續圖像幀中實時更新和匹配軌跡，進行運動目標定位和跟蹤。

3） 通過不斷修正預測值和誤差協方差，結合激光逐次逼近和激光離散點插值，可以實現更精確和穩定的視頻圖像運動目標跟蹤定位。

這種結合方法能夠充分利用激光測量的高精度數據，并利用插值模式處理離散點，提供更準確的目標位置估計和軌跡跟蹤。

2" 實驗分析

為了證明本文所提出的考慮遮擋的視頻圖像運動目標激光跟蹤定位方法的有效性，進行實驗研究。以籃球賽事視頻圖像作為實驗樣本，視頻中每一幀圖像的分辨率是704×396，幀率是4 f/s，對其中一段180 f的籃球運動員比賽視頻開始具體測試。實驗使用徠卡LeicaAT930激光跟蹤儀，如圖1所示，其技術參數如表1所示。

采用上述設備展開實驗研究，具體實驗步驟如下。

1） 實驗準備。準備激光跟蹤儀設備，確保設備工作正常，標定實驗場景，包括擺放運動目標、設置可能出現遮擋的障礙物等。在此過程中，確保實驗中所有設備的數據同步性，以保證視頻圖像和激光數據的一致性。

2） 數據采集。捕獲運動目標在不同運動狀態下的視頻圖像，同步記錄激光傳感器數據，包括距離值、角度等信息。

3） 目標檢測與跟蹤。利用激光傳感器數據對目標進行跟蹤定位，獲取目標在空間中的精確位置信息。對采集到的視頻圖像序列進行目標檢測和跟蹤處理，通過圖像處理算法確定目標位置。

4） 結果分析。評估考慮遮擋的視頻圖像運動目標激光跟蹤定位方法在遮擋情況下的有效性。

通過以上實驗步驟的設計和執行，驗證考慮遮擋的視頻圖像運動目標激光跟蹤定位方法的有效性，并得出科學合理的結論。

對籃球賽運動員（紅8號）進行跟蹤定位檢測，結果如圖2所示。

從圖2中可以看出，本文所述遮擋的視頻圖像運動目標激光跟蹤定位方法可有效完成對籃球運動員的跟蹤定位。該方法結合了Kalman濾波方法和激光測距技術，通過預測和修正視頻圖像中目標位置來進行粗定位，并采用激光逐次逼近和離散點插值的方式對目標進行定位，提高了跟蹤定位的準確性。

為驗證本文方法的跟蹤定位精度，將均方根誤差作為實驗指標，對比本文方法、光流目標檢測方法和三維激光點云方法的跟蹤定位效果，結果如表2所示。

分析表2中的數據可得，本文方法的均方根誤差明顯低于光流目標檢測方法和三維激光點云方法，其最低值僅為3.59，而光流目標檢測方法和三維激光點云方法的均方根誤差最低值分別為5.74和5.34，說明本文方法的籃球運動員狀態跟蹤精度較高。

為驗證本文方法跟蹤籃球運動目標中心位置的準確性，實驗對比本文方法和光流目標檢測方法跟蹤籃球運動目標中心位置的偏差值，結果如表3所示。分析表中數據能夠得出，本文方法跟蹤籃球運動目標中心位置的偏差值小于光流運動目標檢測方法，具有較高的跟蹤定位精度。這是因為本文方法使用激光測量到的離散點數據進行插值處理，得到連續的目標軌跡表示。這樣可以更好地還原目標運動軌跡，并提高跟蹤的精度。

3" 結" 論

本文提出考慮遮擋的視頻圖像運動目標激光跟蹤定位方法，通過綜合應用Kalman濾波和激光測距技術，在遮擋情況下實現了精確跟蹤定位。利用Kalman濾波預測視頻圖像中目標的位置，并結合激光逐次逼近和離散點插值模式進行目標定位，有效提高了跟蹤定位的準確性和魯棒性。本文方法在連續圖像幀中實時更新和匹配軌跡，成功應用于運動目標的跟蹤定位，并取得了令人滿意的實驗結果。

參考文獻

[1] 蘭浩然，李旭，朱建瀟，等.遮擋環境下基于路側異源雷達融合的多交通目標魯棒跟蹤方法[J].儀器儀表學報，2022，43（11）：31?39.

[2] 胡雙貴，湯井田.基于重力及其梯度張量的目標在線定位與追蹤算法[J].地球物理學進展，2023，38（6）：2692?2703.

[3] FUE K G， PORTER W M， BARNES E M. Ensemble method of deep learning， color segmentation， and image transformation to track， localize， and count cotton bolls using a moving camera in real?time [J]. Transactions of the ASABE， 2021， 64（1）： 341?352.

[4] 陳富健，謝維信，夏婷.基于LCT+的自適應抗遮擋目標跟蹤算法[J].計算機工程與應用，2021，57（22）：190?198.

[5] BARBARY M， ELAZEEM M H A. Joint detection and tracking of non?ellipsoidal extended targets based on cubature Kalman?CBMeMBer sub?random matrices filter [J]. IET image processing， 2020， 14（17）： 4676?4689.

[6] 尤錕，張全成，李凱勇.基于三維激光點云的運動圖像動態目標識別方法[J].應用激光，2022，42（4）：147?153.

[7] 張晉，王元余，林丹丹，等.基于相關濾波的紅外目標跟蹤抗遮擋處理[J].紅外技術，2022，44（3）：277?285.

[8] 王慧炳，左云波，劉重陽.多特征融合的抗遮擋相關濾波目標跟蹤算法[J].北京信息科技大學學報（自然科學版），2023，38（6）：48?55.

[9] 劉耀勝，廖育榮，林存寶，等.基于特征融合與抗遮擋的衛星視頻目標跟蹤方法[J].北京航空航天大學學報，2022，48（12）：2537?2547.

[10] 李可非，馬曉川，劉宇，等.基于轉換量測容積卡爾曼濾波器帶多普勒量測的目標跟蹤算法[J].控制與決策，2021，36（6）：1425?1434.

[11] 單珊，周穗華，戴忠華，等.強跟蹤漸進更新擴展卡爾曼濾波器及其在磁偶極子跟蹤中的應用[J].海軍工程大學學報，2022，34（1）：105?112.

[12] 謝郭蓉，曲毅，蔣镕圻.抗遮擋目標跟蹤的模型學習綜述[J].計算機工程與應用，2022，58（2）：43?56.

[13] 黃東，陳樂庚.基于激光掃描的機器人運動目標跟蹤技術研究[J].計算機仿真，2022，39（6）：439?443.

[14] 張嘯天，瞿暢，劉蘇蘇，等.一種基于Azure Kinect的目標跟蹤定位方法[J].傳感技術學報，2021，34（11）：1502?1508.