Horn-Schunck光流算法在運(yùn)動(dòng)目標(biāo)檢測及跟蹤中的運(yùn)用研究

謝梅芬

(福建林業(yè)職業(yè)技術(shù)學(xué)院自動(dòng)化信息工程系，福建 南平 353000)

Horn-Schunck光流算法在運(yùn)動(dòng)目標(biāo)檢測及跟蹤中的運(yùn)用研究

謝梅芬

(福建林業(yè)職業(yè)技術(shù)學(xué)院自動(dòng)化信息工程系，福建 南平 353000)

光流技術(shù)是提取圖像序列全局的或特征點(diǎn)的運(yùn)動(dòng)信息并對運(yùn)動(dòng)信息加工處理以完成目標(biāo)的跟蹤和檢測的方法。具體分析了Horn?Schunck光流算法(簡稱HS光流算法)，并將該算法應(yīng)用到視頻圖像序列中。研究表明，利用HS光流法計(jì)算能近似得到圖像中每個(gè)像素點(diǎn)的運(yùn)動(dòng)矢量，通過找到其中光流值不為零的像素點(diǎn)組成的最大連通區(qū)域，可以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測和跟蹤。

檢測；跟蹤；光流法；運(yùn)動(dòng)目標(biāo)

運(yùn)動(dòng)分析是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向，其主要應(yīng)用于運(yùn)動(dòng)目標(biāo)的檢測和跟蹤[1]。近年來，隨著計(jì)算機(jī)硬件技術(shù)的迅猛發(fā)展，計(jì)算機(jī)對圖像的存儲(chǔ)和處理都有了長足的進(jìn)步，為運(yùn)動(dòng)圖像的研究和分析提供了許多便利，從而極大地促進(jìn)了運(yùn)動(dòng)目標(biāo)檢測和跟蹤技術(shù)的發(fā)展。對運(yùn)動(dòng)目標(biāo)的檢測和跟蹤的實(shí)質(zhì)是對運(yùn)動(dòng)圖像中所包含的信息進(jìn)行分析和提取的過程[2]。在諸多的運(yùn)動(dòng)分析方法中，使用光流算法分析序列圖像的信息并計(jì)算運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度和方向，能有效實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測與跟蹤?；诠饬魉惴ǖ倪\(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)已經(jīng)在民用、醫(yī)學(xué)、天文和軍用的許多領(lǐng)域，顯示出巨大的應(yīng)用潛力。下面，筆者對Horn-Schunck光流算法在運(yùn)動(dòng)目標(biāo)檢測及跟蹤中的運(yùn)用進(jìn)行分析。

1 Horn-Schunck光流算法理論

光流是空間運(yùn)動(dòng)物體在觀測成像面上的像素運(yùn)動(dòng)的瞬時(shí)速度。由光流的定義可知，其包含了目標(biāo)的運(yùn)動(dòng)信息，可以用來表達(dá)圖像的變化。每個(gè)像素點(diǎn)都有一個(gè)光流值來表征圖像的像素點(diǎn)的個(gè)數(shù)，對此可以利用光流算法計(jì)算圖像中像素點(diǎn)的像素。光流算法分為2類[3]：計(jì)算圖像中每個(gè)像素點(diǎn)的像素的算法稱為稠密光流法；計(jì)算圖像中部分像素點(diǎn)的像素的算法稱為稀疏光流法。Horn-Schunck光流算法(簡稱HS光流法)屬于稠密光流法之一，由Horn和Schunck兩位學(xué)者創(chuàng)造性地將二維速度場與灰度相聯(lián)系，以光流約束方程為基礎(chǔ)，并假設(shè)光流在整個(gè)圖像上滿足全局平滑性(即速度的變化率為零)[4]。

記I(x,y,t)是圖像點(diǎn)(x,y)在時(shí)刻t的照度，如果u和v是該點(diǎn)光流速度的x和y分量，假定圖像點(diǎn)在t+dt時(shí)運(yùn)動(dòng)到(x+udt,y+vdt)時(shí)，照度保持不變，則有：

I(x+udt,y+vdt,t+dt)=I(x,y,t)

(1)

對于光滑變化的光流，構(gòu)造平滑判定函數(shù)[5]s(X)為：

s2(X)=?(2u+2v)dxdy=?dxdy

(2)

最后，使用拉格朗日乘數(shù)法將光流約束與平滑約束組合起來形成一個(gè)平衡。

2 Horn-Schunck光流算法試驗(yàn)

圖1 源圖像 圖2 HS光流算法檢測圖像

從視頻中提取筆者拍攝的圖片并轉(zhuǎn)化為8位的單通道灰度圖像，圖1所示是源圖像，圖2所示是用HS光流法檢測得到的圖像。由于圖2中背景是靜止的，所以背景像素流值為零，在圖中呈現(xiàn)為黑色。圖2中白色區(qū)域是運(yùn)動(dòng)目標(biāo)。因?yàn)檫\(yùn)動(dòng)引起了圖像中亮度的變化，所以光流值不為零的像素點(diǎn)則是目標(biāo)上的點(diǎn)，這些點(diǎn)組成的最大連通區(qū)域即運(yùn)動(dòng)目標(biāo)。從圖2可以看出，經(jīng)過HS光流法處理，可以過濾掉許多不必要的像素點(diǎn),減少計(jì)算光流的次數(shù)，從而提高算法的效率，并最終檢測出相關(guān)運(yùn)動(dòng)信息。

3 基于HS光流算法的運(yùn)動(dòng)目標(biāo)檢測

3.1單目標(biāo)運(yùn)動(dòng)檢測

圖3 基于HS光流算法的單目標(biāo)檢測和跟蹤 圖4 基于HS光流算法的多目標(biāo)檢測和跟蹤

筆者編程實(shí)現(xiàn)了基于HS光流算法的單目標(biāo)運(yùn)動(dòng)檢測，結(jié)果如圖3所示(圖3中方框代表檢測到的點(diǎn))。從圖3可以看出，經(jīng)過HS光流法處理的圖像能夠滿足單目標(biāo)運(yùn)動(dòng)檢測和跟蹤的要求。當(dāng)然，由于攝像機(jī)的移動(dòng)導(dǎo)致背景的全局運(yùn)動(dòng)(即圖像的抖動(dòng))，使得計(jì)算出的光流受到干擾，這會(huì)導(dǎo)致光流圖像中包含背景和前景運(yùn)動(dòng)目標(biāo)的光流。

3.2多目標(biāo)運(yùn)動(dòng)檢測

筆者編程實(shí)現(xiàn)了基于HS光流算法的多目標(biāo)運(yùn)動(dòng)檢測和跟蹤，結(jié)果如圖4所示(圖4中方框代表檢測到的點(diǎn))。從圖4可以看出，使用HS光流算法進(jìn)行多目標(biāo)檢測時(shí)會(huì)存在誤檢情況，這是由于檢測到目標(biāo)輪廓后，在框定連通區(qū)域時(shí)很難分開2個(gè)目標(biāo)造成的。

4 結(jié) 語

研究表明，利用HS光流法計(jì)算能近似得到圖像中每個(gè)像素點(diǎn)的運(yùn)動(dòng)矢量，通過找到其中光流值不為零的像素點(diǎn)組成的最大連通區(qū)域，可以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測和跟蹤。當(dāng)然，筆者在研究中沒有考慮運(yùn)動(dòng)目標(biāo)的形變和陰影去除問題，這會(huì)導(dǎo)致出現(xiàn)漏檢、誤檢與多目標(biāo)重疊等現(xiàn)象，因而需要進(jìn)一步研究以提高算法的準(zhǔn)確率，以便更好地實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測和跟蹤。

[1]孔斌.快速連通區(qū)域分析算法及其實(shí)現(xiàn)[J].模式識(shí)別與人工智能，2003,16(1):110-115.

[2]董穎.基于光流場的視頻運(yùn)動(dòng)檢測[D].濟(jì)南：山東大學(xué),2008.

[3]裴巧娜.基于光流法的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)[D].北京：北方工業(yè)大學(xué),2009.

[4]石雪杰.基于光流機(jī)制的運(yùn)動(dòng)目標(biāo)檢測[D].合肥：中國科學(xué)技術(shù)大學(xué),2010.

[5]王暉.視頻圖像的光流計(jì)算方法研究[D].長沙：國防科學(xué)技術(shù)大學(xué),2007.

[編輯] 李啟棟

10.3969/j.issn.1673-1409(N).2012.11.047

TP391 41

A

16731409(2012)11N14602