基于自適應(yīng)PSO粒子濾波的智能跟蹤系統(tǒng)

楊文龍，賈敏智

（太原理工大學(xué) 信息工程學(xué)院，太原 030024）

基于自適應(yīng)PSO粒子濾波的智能跟蹤系統(tǒng)

楊文龍，賈敏智

（太原理工大學(xué) 信息工程學(xué)院，太原 030024）

0 引言

目前，通過視頻跟蹤目標(biāo)的跟蹤系統(tǒng)大多是在PC機(jī)上實現(xiàn)的，應(yīng)用C/C++、VC++等高級程序設(shè)計語言，采用軟件方式實現(xiàn)視頻跟蹤算法，由于算法的復(fù)雜性和不實用性，跟蹤算法只能仿真實現(xiàn)而不能應(yīng)用到實際，而PC機(jī)體積大、功耗高等特點(diǎn)限制了它在視頻跟蹤中的應(yīng)用[1]?，F(xiàn)有的粒子濾波算法是一種新提出的用于視頻跟蹤的算法，該算法在處理非線性非高斯方面具有優(yōu)越性，采用帶權(quán)重的粒子集來估計后驗分布，一般的粒子濾波算法在目標(biāo)跟蹤時的持續(xù)性有效性存在不足，把粒子群優(yōu)化算法融入粒子濾波的算法在動態(tài)求取最優(yōu)解時往往使最優(yōu)解陷入局部最優(yōu)[2]。針對現(xiàn)有算法的不足，對現(xiàn)有PSO粒子濾波算法進(jìn)行了改進(jìn)，提出了一種新的PSO粒子濾波算法，該算法能夠在線調(diào)整粒子數(shù)，動態(tài)尋優(yōu)，減少運(yùn)算量，并能準(zhǔn)確估計目標(biāo)的位置狀態(tài)?；诖怂惴ㄔO(shè)計了智能跟蹤系統(tǒng)，該系統(tǒng)以TMS320F28335（DSP）和FPGA為主要硬件處理視頻圖像數(shù)據(jù)。TMS320F28335的串行通信對數(shù)據(jù)處理有一定影響，但FPGA具有可修改性高、功耗低、并行執(zhí)行等特點(diǎn)，使其能彌補(bǔ)DSP的不足?；贔PGA實現(xiàn)的目標(biāo)跟蹤器在硬件設(shè)計上采用并行和流水線技術(shù)，能達(dá)到圖像數(shù)據(jù)處理的速度要求，有效的實現(xiàn)目標(biāo)跟蹤。

1 系統(tǒng)整體方案

本系統(tǒng)是基于自適應(yīng)PSO粒子濾波算法的智能跟蹤系統(tǒng)，具有能自動識別目標(biāo)并對目標(biāo)進(jìn)行有效跟蹤的功能。攝像頭模塊采集的圖像數(shù)據(jù)由FPGA先進(jìn)行預(yù)處理，然后發(fā)送到DSP。

TMS320F28335微處理器主要負(fù)責(zé)視頻圖像數(shù)據(jù)的分析與處理，根據(jù)視頻跟蹤算法識別目標(biāo)，確定目標(biāo)位置然后根據(jù)目標(biāo)的位置信息來控制小車移動，跟蹤目標(biāo)。

1.1 系統(tǒng)硬件設(shè)計

系統(tǒng)硬件由DSP數(shù)據(jù)分析處理模塊，視頻圖像處理轉(zhuǎn)換模塊，圖像存儲單元，F(xiàn)PGA數(shù)字處理模塊，電機(jī)驅(qū)動部分，觸摸屏顯示模塊，OV7670攝像頭模塊等組成。

系統(tǒng)硬件框圖如圖1所示。

圖1 系統(tǒng)硬件框圖

攝像頭模塊能自動將視頻信號經(jīng)過模數(shù)轉(zhuǎn)換為8位數(shù)字信號輸出，并對視頻信號進(jìn)行行、場同步分離，驅(qū)動地址分離器為采集的圖像分配存儲地址并按順序存入圖像采集存儲器。在擴(kuò)充外部RAM時選用IS61LV25616AL型號RAM，外部FLASH選用SST39VF800a。LCD顯示屏用來觀察跟蹤目標(biāo)的狀態(tài)。TMS320F28335執(zhí)行相應(yīng)的自適應(yīng)PSO粒子濾波的算法程序進(jìn)行圖像數(shù)據(jù)的分析與處理，確定出目標(biāo)的位置，微處理器再根據(jù)目標(biāo)狀態(tài)信息E( xt)來控制電機(jī)驅(qū)動模塊使小車調(diào)整車速和方向?qū)崿F(xiàn)目標(biāo)跟蹤。

1.2 視頻信號預(yù)處理單元

該部分主要由FPGA來完成。采用在線可編程大容量的FPGA（EP1K100）。FPGA為系統(tǒng)的數(shù)字處理單元，具有數(shù)字濾波功能，能抑制信號中的干擾，使目標(biāo)檢測能力提高[3]。FPGA在接收到攝像頭模塊輸出的視頻信號后對其進(jìn)行預(yù)處理，再將處理后的數(shù)字圖像信息存放在圖像存儲器中。

1.3 圖像數(shù)據(jù)處理單元

本單元主要由TMS320F28335、圖像存儲器組成。對目標(biāo)的圖像信息進(jìn)行處理，分析控制中心的命令并實時進(jìn)行去噪處理、背景分離、目標(biāo)提取、粒子濾波獲取每幀的圖像信息 ( x0,y0,r0)，輸出目標(biāo)在視頻圖像中的大小和位置數(shù)據(jù)[4]。每幀圖片為320×240大小。 DSP通過FPGA配置OV7670模塊，使其直接輸出8位數(shù)據(jù)，以此來減輕DSP處理圖像信息的負(fù)荷。

1.4 主控制程序

系統(tǒng)的主控制程序控制著系統(tǒng)的有序運(yùn)行。系統(tǒng)在上電或者復(fù)位后，進(jìn)行初始化，初始化后進(jìn)入自動跟蹤程序，主程序首先調(diào)用圖像接收程序，再調(diào)用自適應(yīng)PSO粒子濾波目標(biāo)跟蹤算法程序，然后調(diào)用圖像分析和處理程序來確定目標(biāo)，進(jìn)而獲得目標(biāo)位置信息 ( x0,y0,r0)，利用PWM調(diào)速模塊驅(qū)動電機(jī)控制小車移動并追蹤目標(biāo)。系統(tǒng)的主控制流程圖如圖2所示。

1.5 圖像采集

攝像頭模塊OV7670的VSYNC、HREF、PCLK各引腳信號由FPGA讀取，并將其狀態(tài)存儲在一個8bit數(shù)據(jù)變量SIGA中供DSP讀取，DSP根據(jù)讀取的SIGA狀態(tài)和攝像頭模塊輸出的圖像信息時序圖來采集圖像數(shù)據(jù)，根據(jù)PSO自適應(yīng)粒子濾波算法來處理圖像信息，進(jìn)而確定出目標(biāo)現(xiàn)在狀態(tài)E( xt)。圖像獲取流程圖如圖3所示。

圖2 系統(tǒng)主控制流程圖

圖3 圖像獲取流程圖

2 改進(jìn)的自適應(yīng)PSO粒子濾波算法

自適應(yīng)PSO粒子濾波算法相對于傳統(tǒng)的卡爾曼濾波、Mean—Shift算法等有很高的精度，能夠有效解決遮擋、光照和背景變化等目標(biāo)跟蹤時出現(xiàn)的問題。傳統(tǒng)的粒子濾波算法因為粒子數(shù)目多，所以運(yùn)算復(fù)雜，濾波時間長，使得系統(tǒng)的實時跟蹤性差。改進(jìn)的自適應(yīng)PSO粒子濾波算法是一種可以動態(tài)改變粒子數(shù)的算法，能根據(jù)各個時刻實際跟蹤情況 ，在保證一定性能的前提下，自動擇優(yōu)改變粒子數(shù)目，可以有效的降低參與運(yùn)算的粒子數(shù)目，從而使濾波時間性能和實時性提高。本算法對行人進(jìn)行人體骨架模型簡化，用三角特征來描述目標(biāo)，再通過粒子濾波估計目標(biāo)位置。

2.1 人體骨架模型

在檢測識別人體時選擇了人體骨架模型作為目標(biāo)檢測的特征值，以簡單的人體模型的肢體作為局部坐標(biāo)，各個主要肢節(jié)為關(guān)節(jié)點(diǎn)，用一組線段來連接各個關(guān)節(jié)點(diǎn)。圖4所示為人體骨架模型[5]。

圖4 人體骨架模型圖

圖5 人體抽象模型

人體用三元組X=(x,y,r)來表示，x,y,r分別表示人的圖像在幀中的坐標(biāo)位置和大小，跟蹤就是在視頻幀中確定出目標(biāo)的X=(x,y,r)。

2.2 行人檢測

常見的行人行走姿勢如圖5所示，傳統(tǒng)的行人檢測是采用矩形特征來描述，這種方法效率低，檢測范圍具有局限性。由人的行走姿勢圖可知人的各個部位都廣泛的存在著傾斜，這種不同程度的傾斜從各個角度都能觀測到。為此，采用三角特征來代替矩形特征更符合人的行走姿態(tài)，三角特征能改善矩形特征的局限性，可以從各個部位來檢測行人，也更符合行人特征，減少了所需的特征數(shù)目，降低了誤差率，提高了目標(biāo)檢測準(zhǔn)確率[6]。

本文在Rainer Lienhart矩形特征值計算方法基礎(chǔ)上，采用一種極限思想，逐級逼近計算三角特征特征值[6]，如圖6所示。

圖6 三角特征計算示意圖

計算三角特征的特征值S為：

2.3 跟蹤算法描述

本文采用的PSO粒子濾波算法是一種自適應(yīng)的算法，該跟蹤算法描述如下[2,5]。

3）計算有效性樣本容量Neff。如果Neff

5）重采樣。

繼續(xù)跟蹤則轉(zhuǎn)入2）。

3 圖像預(yù)處理原理

采用中值濾波法來消除原始圖像噪聲，將所求點(diǎn)(i,j)像素周圍的9個像素值進(jìn)行排列并求取中值，該中值既為所求點(diǎn)(i,j)像素值。在去噪處理過程中該方法可使目標(biāo)邊緣信息很好的保留[7]。

為降低環(huán)境對目標(biāo)提取過程中的干擾，分離目標(biāo)圖像和其當(dāng)前背景，并二值化處理目標(biāo)圖像。

在此基礎(chǔ)上通過腐蝕處理目標(biāo)圖像來進(jìn)一步減小環(huán)境噪聲干擾。用5×5的結(jié)構(gòu)元素對獲得的當(dāng)前目標(biāo)圖像的每個像素點(diǎn)進(jìn)行掃描，用該結(jié)構(gòu)元素和其覆蓋下的二值化的目標(biāo)圖像進(jìn)行邏輯“與”運(yùn)算，結(jié)果為1，則圖像像素值為1，否則為0[8]。經(jīng)過以上處理能進(jìn)一步優(yōu)化消噪效果，準(zhǔn)確標(biāo)記目標(biāo)。

圖像在經(jīng)過上述預(yù)處理后標(biāo)記出目標(biāo)所在的位置，再通過加權(quán)平均法獲得目標(biāo)在當(dāng)前圖像中的位置坐標(biāo)信息，算法如下：

其中（X,Y）為目標(biāo)所在圖像中的位置坐標(biāo)。

D為當(dāng)前圖像進(jìn)行二值化后最終的所有像素值之和，即D為跟蹤目標(biāo)占當(dāng)前圖像面積的大小，由透視原理可知遠(yuǎn)近不同物體大小也不同，所以可根據(jù)D值來通過相應(yīng)算法計算出目標(biāo)和小車之間的距離，進(jìn)而決定小車是否前進(jìn)和前進(jìn)的距離。

4 測試結(jié)果

在實驗室環(huán)境下，取視頻幀中的兩幀為例進(jìn)行說明。如圖7所示，圖7（a）為從目標(biāo)背后采集的圖像，圖7（b）為從目標(biāo)側(cè)面采集的圖像。不論是從后面還是側(cè)面，采集的是人體的哪個部位，該跟蹤系統(tǒng)都能準(zhǔn)確識別目標(biāo)，并進(jìn)行跟蹤。經(jīng)試驗測試，小車能識別跟蹤人的最遠(yuǎn)距離為3m，小車的最快速度為2m/s，在此基礎(chǔ)上小車能很好的跟蹤行人。

圖7 目標(biāo)跟蹤測試結(jié)果

5 結(jié)束語

在算法上采用改進(jìn)的自適應(yīng)PSO粒子濾波算法，減小了運(yùn)算量，結(jié)合中值濾波，背景差分，腐蝕處理等數(shù)字圖像處理技術(shù)，成功的提取了目標(biāo)位置。硬件上通過FPGA處理攝像頭輸出的圖像信息，這樣不僅實現(xiàn)了電平轉(zhuǎn)化，還減輕了DSP獲取圖像的負(fù)擔(dān)。該跟蹤系統(tǒng)完成了算法與硬件的結(jié)合，實現(xiàn)了智能跟蹤功能，穩(wěn)定性良好。由于現(xiàn)有條件有限，該跟蹤系統(tǒng)的目標(biāo)識別距離有限，復(fù)雜環(huán)境下的跟蹤情況還有待改進(jìn)。

[1]王愛俠,李晶皎,陸振林,等.基于FPGA的粒子濾波跟蹤系統(tǒng)的設(shè)計與實現(xiàn)[J].小型微型計算機(jī)系統(tǒng),2013,34(3):580-584.

[2]姚海濤,朱福喜,陳海強(qiáng).一種自適應(yīng)的PSO粒子濾波人臉視頻跟蹤方法[J].武漢大學(xué)學(xué)報(自然科學(xué)版),2012,37(4):492-495.

[3]干戈.基于DSP+FPGA的雙通道實時圖像處理系統(tǒng)設(shè)計[J].艦船電子工程,2008,28(7):75-78.

[4]劉陵順.TMS320F28335 DSP原理及開發(fā)編程[M].北京:北京航空航天大學(xué)出版社,2011.

[5]丁婕,汪亞明,鄭俊褒.自適應(yīng)粒子濾波在人體跟蹤過程中的應(yīng)用[J].工業(yè)控制計算機(jī),2010,23(11):59-60,63.

[6]趙春暉,潘泉,梁彥等.視頻圖像運(yùn)動目標(biāo)分析[M].北京:國防工業(yè)出版社,2011.

[7]孫興華,郭麗.數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社,2012.

[8]許甲海,王立東,盧曉文.基于TMS320F2812的圖像識別智能跟蹤小車[DB/OL].（2012-8-4）[2013-10-21]http://wenku.baidu.com/view/b68a5736b90d6c85ec3ac6a7.html.

Intelligent tracking system based on adaptive PSO particle filter

YANG Wen-long，JIA Min-zhi

為解決現(xiàn)有跟蹤算法的復(fù)雜性和不實用性等問題，提出了一種新的自適應(yīng)PSO粒子濾波算法。該算法能動態(tài)調(diào)整粒子數(shù)，根據(jù)三角特征提取目標(biāo)信息，準(zhǔn)確估計目標(biāo)狀態(tài)位置。在此算法基礎(chǔ)上設(shè)計了智能跟蹤系統(tǒng)，該系統(tǒng)以DSP為視頻圖像處理的核心，由FPGA預(yù)處理視頻圖像數(shù)據(jù)，實現(xiàn)了對目標(biāo)的識別與跟蹤。

自適應(yīng)PSO粒子濾波；圖像處理；DSP；實時跟蹤

楊文龍（1988 -），男，河北石家莊人，碩士研究生，研究方向為智能控制理論與應(yīng)用。

TP391.4

A

1009-0134(2014)06(上)-0011-04

10.3969/j.issn.1009-0134.2014.06(上).03

2014-01-09