一種基于CamShift算法和隨機Hough變換的球形目標(biāo)跟蹤算法

張晨+王紅茹+丁文+王云輝+錢康

摘 要 為提高視覺移動機器人對球形目標(biāo)的跟蹤精度與實時性，文章利用CamShift算法具有依靠顏色模型能夠?qū)δ繕?biāo)快速跟蹤的特點，并結(jié)合隨機Hough圓變換提出一種實效球形目標(biāo)跟蹤算法。實驗結(jié)果表明，提出的方法能夠?qū)崿F(xiàn)簡單室內(nèi)環(huán)境下球形目標(biāo)的快速準(zhǔn)確跟蹤。

關(guān)鍵詞 目標(biāo)跟蹤；球形目標(biāo)；CamShift算法；隨機Hough變換

中圖分類號：TP391.41 文獻標(biāo)識碼：A 文章編號：1671-7597（2014）04-0054-02

計算機視覺應(yīng)用中，目標(biāo)跟蹤一直是研究的熱點內(nèi)容之一。而在目標(biāo)跟蹤研究中，最值得關(guān)心的就是跟蹤算法的實時性和準(zhǔn)確性。為此，相關(guān)學(xué)者提出了很多不同的方法，其中應(yīng)用最為廣泛的是Gary R Bradski提出的基于自適應(yīng)均值漂移（Continuously adaptive mean shift，CamShift）算法。CamShift算法依靠視頻圖像的色彩信息來實現(xiàn)對目標(biāo)的跟蹤，其運算速度快且比較適合不太復(fù)雜的背景下的目標(biāo)跟蹤，因此適合室內(nèi)移動機器人對目標(biāo)的跟蹤。

而對于基于視覺的室內(nèi)移動機器人目標(biāo)跟蹤，僅僅依靠CamShift這種依靠顏色模型的跟蹤方法，無法在照度不均的情況下獲得圓形目標(biāo)物的精確位置信息。而隨機Hough圓變換具有對圓形目標(biāo)識別精度高且速度快的特點。為此，本文提出采用CamShift算法與隨機Hough變換結(jié)合的方法以實現(xiàn)對球形目標(biāo)的快速、準(zhǔn)確跟蹤。

1 算法原理

1.1 CamShift算法介紹

CamShift算法實際上是連續(xù)自適應(yīng)的MeanShift算法的簡稱。該算法降低了由光照亮度變化對跟蹤效果的影響，并且利用基于像素顏色概率分布信息進行目標(biāo)跟蹤的方法，使算法的效率比較高。CamShift算法采用基于概率密度的梯度攀升來尋找局部最優(yōu)的思想對每一幀圖像運用MeanShift算法做處理。根據(jù)前一幀圖像的搜索結(jié)果自適應(yīng)調(diào)整搜索窗的大小，從而實現(xiàn)對當(dāng)前圖像中目標(biāo)的定位。

算法主要步驟如下。

1）首先將當(dāng)前幀圖像由RGB空間轉(zhuǎn)換到HSV空間，并將當(dāng)前圖像整幅都作為搜索范圍。

2）設(shè)定搜索窗口（SearchWindow）大小與位置的初始值并計算窗口內(nèi)的色度（Hue）分量概率分布直方圖。

3）對當(dāng)前圖像的每一個像素采用其顏色的概率值進行替換，從而得到顏色概率分布圖。

4）在顏色概率分布圖中選取搜索窗。

5）計算零階矩：

計算一階矩：

計算搜索窗的質(zhì)心：

6）調(diào)整搜索窗大小，窗口寬度為；長度為1.2w。

7）將SearchWindow的中心移動到質(zhì)心位置，當(dāng)移動距離超過了設(shè)定的閾值時，則跳轉(zhuǎn)到步驟5），當(dāng)SearchWindow的中心與質(zhì)心間的距離小于一個預(yù)設(shè)值或者迭代次數(shù)達到最大時，停止計算。

8）在下一幀輸入的圖像中用上一步中的結(jié)果再一次計算搜索窗口的參數(shù)，然后跳轉(zhuǎn)到步驟2）繼續(xù)目標(biāo)搜索。

1.2 隨機Hough圓變換介紹

Hough變換是一種在圖像中尋找直線、圓以及其他簡單形狀的方法。其基本思想是將原始圖像中的曲線或者直線檢測問題轉(zhuǎn)變成在參數(shù)空間中聚類求峰值問題。由于圓形包含3個自由參數(shù)，需要在三維空間中投票求峰值，其計算量很大且對內(nèi)存消耗大，算法運算時間長。因此XU等人提出了隨機Hough變換（Randomized Hough Transform，RHT），使用了3個新的操作機制，即在圖像空間中的隨機抽樣、參數(shù)空間中的動態(tài)鏈接列表以及連接圖像空間和參數(shù)空間的收斂映射，從而加快了運算速度和提高了內(nèi)存的利用率。然而隨機采樣會引入大量的無效累積和無效采樣，在處理復(fù)雜背景和較大圖像時對算法識別性能有較大的影響。因此有學(xué)者提出了改進的RHT算法，但不可否認(rèn)的是在處理背景簡單尤其是小圖像的識別時，隨機Hough變換運算速度很快，識別精度高。

1.3 基于CamShift與RHT的球體跟蹤方法

由于CamShift算法是運用物體顏色信息和聚類的方式跟蹤視頻序列中的運動目標(biāo)，因此算法具有較高的執(zhí)行效率。而在雙目移動機器人運用視差法計算球體目標(biāo)三維坐標(biāo)時，需要輸入球體在圖像中的二維坐標(biāo)位置，二維坐標(biāo)位置的誤差過大會影響目標(biāo)的定位及機器人姿態(tài)的調(diào)整。但是僅僅依靠CamShift算法返回的搜索區(qū)域的質(zhì)心無法較精確的識別圓形目標(biāo)的圓心及半徑，考慮針對小圖像運用隨機Hough圓變換的具有高識別精度和運算速度快的特點，因此將CamShift和RHT兩種算法結(jié)合并運用在簡單的室內(nèi)環(huán)境下對球形目標(biāo)的跟蹤上。在前文闡述的CamShift算法步驟中，步驟5）、6）、7）其實就是MeanShift算法的主要步驟，則CamShift與RHT結(jié)合的球體跟蹤識別方法主要步驟表述如下。

1）確定初始目標(biāo)的位置及區(qū)域并計算目標(biāo)的H分量直方圖。

2）利用直方圖計算反向投影圖。

3）采用MeanShift算法在上一步的反向投影圖中進行迭代搜索，當(dāng)計算結(jié)果收斂或達到最大迭代次數(shù)時停止計算。

4）利用MeanShift算法返回的搜索窗口的中心位置，取輸入幀圖像在周圍的局部圖像保存為子圖像（SubImage），子圖像的高度（subheight）和寬度度（subwidth）與搜索窗的寬度和長度相等。

采用隨機Hough圓變換對SubImage進行圓形特征檢測。

在子圖像中若識別出圓形特征則返回其在原始圖像當(dāng)中的位置，假設(shè)子圖像中圓心坐標(biāo)為，原始圖像中的圓心位置由如下坐標(biāo)變換公式求得：

5）將步驟3）中獲得的新的搜索窗口參數(shù)帶入到步驟2）中，繼續(xù)下一幀圖像的目標(biāo)位置搜索。endprint

2 實驗結(jié)果與分析

本實驗是在配置為Intel酷睿雙核i5-2450M（2.5GHz）內(nèi)存為1G的計算機上用Visual Studio 2010編程實現(xiàn)的。

所用移動機器人為自搭的簡易四輪全自主移動機器人，攝像頭為百腦通高清網(wǎng)絡(luò)攝像頭。

圖1所示為移動機器人跟蹤移動乒乓球在不同位置的四幅圖像，圖像大小均為640×480像素。表1是四幅跟蹤圖像中乒乓球的圖像像素坐標(biāo)位置。由圖1和表1可知本文算法運用在移動機器人上能夠?qū)唵问覂?nèi)環(huán)境中的球體進行跟蹤識別，識別精度高。

表1 移動乒乓球球心圖像像位置

圖像 a b c d

圓心坐標(biāo) （328，377） （304，379） （239，377） （347，409）

圖2為只采用隨機Hough變換對同樣一張圖像的檢測結(jié)果，圖3為用CamShift算法結(jié)合Hough變換識別小球的圖像。由圖2和圖3可知僅采用隨機Hough變換對球形物體跟蹤會引入大量無效累積，且對背景稍微復(fù)雜的圖像檢測效果不理想。而用本文提出的球體檢測算法可以達到比較好的檢測效果。

圖2 僅用隨機Hough變換檢測結(jié)果 圖3 本文算法檢測結(jié)果

3 結(jié)束語

本文研究了CamShift算法與隨機Hough圓變換的主要原理，融合了兩種算法的優(yōu)點，提出一種基于CamShift算法與隨機Hough圓變換結(jié)合的算法來跟蹤識別球形目標(biāo)的方法。在室內(nèi)運動球體的跟蹤實驗中，此方法運行效果良好，跟蹤識別精度高，實時性強。但還存在對于有顏色干擾和稍復(fù)雜的背景下跟蹤效果不夠理想，這還需在后續(xù)研究中進一步改進和完善。

參考文獻

[1]Gary R B. Real time face and object tracking as a component of a perceptual user interface[A]. Proceedings of 4th Workshop on Applications of Computer Vision[C]. Princeton， USE： IEEE， 1998： 214-219.

[2]Cheng Yizong. MeanShift mode seeking and clustering[J].IEEE Transaction on Pattern Analysis and Machine Intelligence， 1995， 17（8）： 790-799.

[3]XU L， OJA E. A new curve detection method： Randomized Hough Transform（RHT）[J]. Pattern Recognition Letters，1990， 11（5）： 331-338.

[4]劉延杰，賴日飛，等.基于改進隨機Hough變換的快速中心檢測方法[J].納米技術(shù)與精密工程，2011，9（4）：298-304.

[5]付琰，盧榮勝，等.基于重要性采樣的隨機Hough變換圓檢測算法[J]. 電子測量技術(shù)，2012，35（5）：45-48.

[6]Christoper Hollit. A convolution approach to the circle Hough transform for arbitrary radius[J].Machine Vision and Applications， 2013，24（4）：683-694.

作者簡介

張晨（1991-），男，江蘇泰州人，大學(xué)本科生，機械電子工程專業(yè)。

通信作者：王紅茹（1979-），女，河南南陽人，講師，博士，研究方向：智能機器人技術(shù)。endprint

2 實驗結(jié)果與分析

本實驗是在配置為Intel酷睿雙核i5-2450M（2.5GHz）內(nèi)存為1G的計算機上用Visual Studio 2010編程實現(xiàn)的。

所用移動機器人為自搭的簡易四輪全自主移動機器人，攝像頭為百腦通高清網(wǎng)絡(luò)攝像頭。

圖1所示為移動機器人跟蹤移動乒乓球在不同位置的四幅圖像，圖像大小均為640×480像素。表1是四幅跟蹤圖像中乒乓球的圖像像素坐標(biāo)位置。由圖1和表1可知本文算法運用在移動機器人上能夠?qū)唵问覂?nèi)環(huán)境中的球體進行跟蹤識別，識別精度高。

表1 移動乒乓球球心圖像像位置

圖像 a b c d

圓心坐標(biāo) （328，377） （304，379） （239，377） （347，409）

圖2為只采用隨機Hough變換對同樣一張圖像的檢測結(jié)果，圖3為用CamShift算法結(jié)合Hough變換識別小球的圖像。由圖2和圖3可知僅采用隨機Hough變換對球形物體跟蹤會引入大量無效累積，且對背景稍微復(fù)雜的圖像檢測效果不理想。而用本文提出的球體檢測算法可以達到比較好的檢測效果。

圖2 僅用隨機Hough變換檢測結(jié)果 圖3 本文算法檢測結(jié)果

3 結(jié)束語

本文研究了CamShift算法與隨機Hough圓變換的主要原理，融合了兩種算法的優(yōu)點，提出一種基于CamShift算法與隨機Hough圓變換結(jié)合的算法來跟蹤識別球形目標(biāo)的方法。在室內(nèi)運動球體的跟蹤實驗中，此方法運行效果良好，跟蹤識別精度高，實時性強。但還存在對于有顏色干擾和稍復(fù)雜的背景下跟蹤效果不夠理想，這還需在后續(xù)研究中進一步改進和完善。

參考文獻

[1]Gary R B. Real time face and object tracking as a component of a perceptual user interface[A]. Proceedings of 4th Workshop on Applications of Computer Vision[C]. Princeton， USE： IEEE， 1998： 214-219.

[2]Cheng Yizong. MeanShift mode seeking and clustering[J].IEEE Transaction on Pattern Analysis and Machine Intelligence， 1995， 17（8）： 790-799.

[3]XU L， OJA E. A new curve detection method： Randomized Hough Transform（RHT）[J]. Pattern Recognition Letters，1990， 11（5）： 331-338.

[4]劉延杰，賴日飛，等.基于改進隨機Hough變換的快速中心檢測方法[J].納米技術(shù)與精密工程，2011，9（4）：298-304.

[5]付琰，盧榮勝，等.基于重要性采樣的隨機Hough變換圓檢測算法[J]. 電子測量技術(shù)，2012，35（5）：45-48.

[6]Christoper Hollit. A convolution approach to the circle Hough transform for arbitrary radius[J].Machine Vision and Applications， 2013，24（4）：683-694.

作者簡介

張晨（1991-），男，江蘇泰州人，大學(xué)本科生，機械電子工程專業(yè)。

通信作者：王紅茹（1979-），女，河南南陽人，講師，博士，研究方向：智能機器人技術(shù)。endprint

2 實驗結(jié)果與分析

本實驗是在配置為Intel酷睿雙核i5-2450M（2.5GHz）內(nèi)存為1G的計算機上用Visual Studio 2010編程實現(xiàn)的。

所用移動機器人為自搭的簡易四輪全自主移動機器人，攝像頭為百腦通高清網(wǎng)絡(luò)攝像頭。

圖1所示為移動機器人跟蹤移動乒乓球在不同位置的四幅圖像，圖像大小均為640×480像素。表1是四幅跟蹤圖像中乒乓球的圖像像素坐標(biāo)位置。由圖1和表1可知本文算法運用在移動機器人上能夠?qū)唵问覂?nèi)環(huán)境中的球體進行跟蹤識別，識別精度高。

表1 移動乒乓球球心圖像像位置

圖像 a b c d

圓心坐標(biāo) （328，377） （304，379） （239，377） （347，409）

圖2為只采用隨機Hough變換對同樣一張圖像的檢測結(jié)果，圖3為用CamShift算法結(jié)合Hough變換識別小球的圖像。由圖2和圖3可知僅采用隨機Hough變換對球形物體跟蹤會引入大量無效累積，且對背景稍微復(fù)雜的圖像檢測效果不理想。而用本文提出的球體檢測算法可以達到比較好的檢測效果。

圖2 僅用隨機Hough變換檢測結(jié)果 圖3 本文算法檢測結(jié)果

3 結(jié)束語

本文研究了CamShift算法與隨機Hough圓變換的主要原理，融合了兩種算法的優(yōu)點，提出一種基于CamShift算法與隨機Hough圓變換結(jié)合的算法來跟蹤識別球形目標(biāo)的方法。在室內(nèi)運動球體的跟蹤實驗中，此方法運行效果良好，跟蹤識別精度高，實時性強。但還存在對于有顏色干擾和稍復(fù)雜的背景下跟蹤效果不夠理想，這還需在后續(xù)研究中進一步改進和完善。

參考文獻

[1]Gary R B. Real time face and object tracking as a component of a perceptual user interface[A]. Proceedings of 4th Workshop on Applications of Computer Vision[C]. Princeton， USE： IEEE， 1998： 214-219.

[2]Cheng Yizong. MeanShift mode seeking and clustering[J].IEEE Transaction on Pattern Analysis and Machine Intelligence， 1995， 17（8）： 790-799.

[3]XU L， OJA E. A new curve detection method： Randomized Hough Transform（RHT）[J]. Pattern Recognition Letters，1990， 11（5）： 331-338.

[4]劉延杰，賴日飛，等.基于改進隨機Hough變換的快速中心檢測方法[J].納米技術(shù)與精密工程，2011，9（4）：298-304.

[5]付琰，盧榮勝，等.基于重要性采樣的隨機Hough變換圓檢測算法[J]. 電子測量技術(shù)，2012，35（5）：45-48.

[6]Christoper Hollit. A convolution approach to the circle Hough transform for arbitrary radius[J].Machine Vision and Applications， 2013，24（4）：683-694.

作者簡介

張晨（1991-），男，江蘇泰州人，大學(xué)本科生，機械電子工程專業(yè)。

通信作者：王紅茹（1979-），女，河南南陽人，講師，博士，研究方向：智能機器人技術(shù)。endprint