基于粒子濾波的視頻圖像目標(biāo)遮擋算法研究

王中杰，張志恒

(山西大學(xué) 電子信息工程系，山西 太原 030013)

?

基于粒子濾波的視頻圖像目標(biāo)遮擋算法研究

王中杰，張志恒

(山西大學(xué) 電子信息工程系，山西 太原 030013)

基于粒子濾波的視頻圖像目標(biāo)遮擋算法是當(dāng)前的一個(gè)熱門(mén)研究領(lǐng)域。在對(duì)于視頻圖像目標(biāo)跟蹤方面，綜合運(yùn)用了多種算法進(jìn)行檢測(cè)和跟蹤，詳細(xì)分析光流法、幀間差分法、背景差分法和視頻圖像目標(biāo)特征的提取，并在最后對(duì)幀間差分的算法進(jìn)行了改進(jìn)。通過(guò)實(shí)驗(yàn)證明，采用基于粒子濾波的視頻圖像目標(biāo)遮擋算法能夠更加有效地解決對(duì)跟蹤目標(biāo)的準(zhǔn)確判斷。

多特征融合；陰影處理；運(yùn)動(dòng)目標(biāo)檢測(cè)；彩色邊緣檢測(cè)；算法

人類(lèi)獲取外界信息的一個(gè)重要的途徑就是通過(guò)視覺(jué)來(lái)獲取，在對(duì)人類(lèi)視覺(jué)領(lǐng)域的研究方面，運(yùn)動(dòng)目標(biāo)的檢測(cè)和捕捉一直是重要的研究方向，其研究的果有著非常重要的應(yīng)用。例如對(duì)公共場(chǎng)合對(duì)行人和車(chē)輛的監(jiān)控；戰(zhàn)場(chǎng)上對(duì)導(dǎo)彈、飛機(jī)等目標(biāo)的監(jiān)測(cè)；武器開(kāi)發(fā)方面對(duì)模擬運(yùn)動(dòng)目標(biāo)的探測(cè)等[1]。因此，對(duì)移動(dòng)目標(biāo)的監(jiān)測(cè)和跟蹤具有非常重要的意義。在人員比較密集的場(chǎng)合，比如飛機(jī)場(chǎng)、火車(chē)站和汽車(chē)站，可以通過(guò)對(duì)監(jiān)控視頻圖像的分析，來(lái)提取中特定的目標(biāo)特征，從而能夠達(dá)到對(duì)運(yùn)動(dòng)目標(biāo)的監(jiān)測(cè)、提取、識(shí)別和跟蹤，有效降低人工操作的復(fù)雜度，提高智能化的程度。

1 視頻圖像的預(yù)處理

視頻圖像是由專(zhuān)門(mén)的視頻采集設(shè)備采集過(guò)來(lái)并經(jīng)過(guò)一系列的數(shù)字轉(zhuǎn)換而形成的，所謂的數(shù)字轉(zhuǎn)換是指由最初的模擬信號(hào)轉(zhuǎn)變成為數(shù)字信號(hào)，在這個(gè)過(guò)程中運(yùn)用數(shù)字量化的方法來(lái)使圖像能夠達(dá)到預(yù)期結(jié)果，但是在模擬量向數(shù)字量轉(zhuǎn)換的過(guò)程中，原始的信號(hào)都會(huì)有不同程度的失真，那么最后得到的結(jié)果與實(shí)際的結(jié)果就有誤差，為了確保對(duì)本課題所研究?jī)?nèi)容計(jì)算數(shù)據(jù)的準(zhǔn)確性，在對(duì)圖像進(jìn)行處理之前首先進(jìn)行圖像的預(yù)處理，預(yù)處理的最主要目的是為了能夠有效改善圖像的質(zhì)量，提高后期圖像的計(jì)算準(zhǔn)確性。

對(duì)自然界中的任何一個(gè)圖像來(lái)說(shuō)，都有唯一的直方圖與其對(duì)應(yīng)。所謂的顏色直方圖是指這幅圖像中的所有顏色都是一些顏色粒子的集合，圖像中的顏色差異是由顏色粒子的不均勻分布造成的。在對(duì)圖像做數(shù)學(xué)計(jì)算時(shí)，需要對(duì)這幅圖像的全局進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)的結(jié)果以直方圖的形式反映出來(lái)。

在對(duì)視頻圖像目標(biāo)進(jìn)行計(jì)算的過(guò)程中假設(shè)N為該顏色直方圖中圖像像素點(diǎn)的總體個(gè)數(shù)，S(xi)表示圖像中某一特征值為xi的像素的個(gè)數(shù)，對(duì)這個(gè)圖像進(jìn)行歸一化處理，處理的具體過(guò)程為

(1)

那么，該圖像中特征的直方圖可以表示為

H=[h(x1),h(x2),…,h(xn)]

(2)

在目標(biāo)的實(shí)際運(yùn)動(dòng)的過(guò)程當(dāng)中，獲取一個(gè)運(yùn)動(dòng)目標(biāo)的完整圖像的特征值是無(wú)法在目前的研究技術(shù)條件下實(shí)現(xiàn)的，這個(gè)對(duì)圖像特征值的統(tǒng)計(jì)出現(xiàn)較多的誤差，也會(huì)出現(xiàn)統(tǒng)計(jì)直方圖不精確的問(wèn)題，或者說(shuō)有零點(diǎn)現(xiàn)象的出現(xiàn)。

零點(diǎn)的出現(xiàn)會(huì)導(dǎo)致在對(duì)兩幅圖像的相似度進(jìn)行判別時(shí)，不能夠精確反應(yīng)兩幅圖像的區(qū)別。為了解決圖像直方圖零點(diǎn)的問(wèn)題，提出了一種累加直方圖[2]的概念，這個(gè)概念是建立在全局直方圖的基礎(chǔ)之上的。

假設(shè)圖像某一特征的一般直方圖可以表示為H=[h(x1),h(x2),…,h(xn)]，令

(3)

那么該特征的累加直方圖可以表示為

λ=[λ(x1),λ(x2),…,λ(xn)]

(4)

式中：rk是k級(jí)灰度；nk是圖像中灰度級(jí)為rk的像素的個(gè)數(shù)。

將離線函數(shù)用高斯函數(shù)來(lái)表現(xiàn)

(5)

式中：r表示運(yùn)動(dòng)目標(biāo)的中心。采用這種方法對(duì)運(yùn)行目標(biāo)中心附近的像素點(diǎn)進(jìn)行較大的權(quán)重賦值的時(shí)候，圖像的邊緣會(huì)收到各種各樣的干擾，在這種情況下，圖像會(huì)被賦給更小的權(quán)值，從而導(dǎo)致其顏色模型的信度不一樣，顏色分布模型qy可以表示為

(6)

在式(6)的計(jì)算過(guò)程中，都會(huì)有一個(gè)核函數(shù)，而通常這個(gè)核函數(shù)都是會(huì)選用高斯函數(shù)來(lái)進(jìn)行計(jì)算的，利用核函數(shù)來(lái)對(duì)計(jì)算過(guò)程中的數(shù)據(jù)目標(biāo)值來(lái)進(jìn)行賦值操作，這個(gè)賦值的過(guò)程也稱(chēng)之為賦權(quán)值。本文計(jì)算過(guò)程中的R(x)函數(shù)的取值是在一個(gè)在比較大的范圍內(nèi)的概率是為1，這個(gè)概率對(duì)運(yùn)動(dòng)目標(biāo)中圖像的干擾度是影響比較大的，并且當(dāng)C超過(guò)相對(duì)閾值的時(shí)候，需要對(duì)運(yùn)動(dòng)目標(biāo)的邊緣進(jìn)行賦權(quán)值，方法是采用Epanechniko核函數(shù)[3]。這種改進(jìn)的顏色分布的模型可以在一定程度上對(duì)運(yùn)動(dòng)目標(biāo)的本質(zhì)特征進(jìn)行詳細(xì)描述，這可以反映一幅圖像不同位置上的像素差別，從而能夠最大限度地避免靜態(tài)背景的干擾。

2 非線性貝葉斯跟蹤

非線性貝葉斯跟蹤算法的內(nèi)容是對(duì)某一個(gè)事件進(jìn)行數(shù)據(jù)檢測(cè)時(shí)，事件T時(shí)刻之前的所有數(shù)據(jù)都可以作為待用的數(shù)據(jù)，通過(guò)這些數(shù)據(jù)來(lái)對(duì)目前的后驗(yàn)證概率進(jìn)行重新計(jì)算。

本課題的圖像目標(biāo)跟蹤所用到的非線性貝葉斯跟蹤算法的核心內(nèi)容是對(duì)接下來(lái)所有時(shí)刻所檢測(cè)到的數(shù)據(jù)都要進(jìn)行計(jì)算和統(tǒng)計(jì)，因?yàn)槊恳粋€(gè)時(shí)刻的數(shù)據(jù)都有一定的概率包括本文需要的有效數(shù)據(jù)信息，可以利用概率的方法來(lái)對(duì)這些有效的數(shù)據(jù)信息進(jìn)行有效整合，從而對(duì)T時(shí)刻的目標(biāo)狀態(tài)來(lái)進(jìn)行提前研判。

貝葉斯公式可以表示為

(7)

一旦得到p(xt|z1:t)的估計(jì)值，就可以得到任何期望的xt的統(tǒng)計(jì)信息。

在第一步中，用t-1時(shí)刻運(yùn)動(dòng)目標(biāo)的后驗(yàn)概率p(xt-1|z1:t-1)和狀態(tài)模型的概率形式p(xt|xt-1)去計(jì)算t時(shí)刻運(yùn)動(dòng)目標(biāo)的后驗(yàn)概率，在后驗(yàn)概率的計(jì)算過(guò)程當(dāng)中，整個(gè)的計(jì)算過(guò)程并沒(méi)有對(duì)某一個(gè)具體時(shí)刻t的圖像進(jìn)行觀測(cè)，這就會(huì)出現(xiàn)當(dāng)前的檢測(cè)系統(tǒng)并無(wú)法對(duì)某一個(gè)具體t時(shí)刻的圖像進(jìn)行詳細(xì)分析，所以要對(duì)后驗(yàn)分布的情況進(jìn)行相應(yīng)的預(yù)測(cè)，預(yù)測(cè)的計(jì)算公式為

(8)

在計(jì)算的第二步當(dāng)中，可以綜合的運(yùn)用貝葉斯鼎力來(lái)對(duì)K時(shí)刻的觀測(cè)值進(jìn)行相應(yīng)的計(jì)算，以得出Z值，并對(duì)計(jì)算過(guò)程當(dāng)中的概率值進(jìn)行驗(yàn)證，得到想要的后驗(yàn)概率p(xt|zt)

(9)

假設(shè)狀態(tài)序列是馬爾科夫的，即p(xt|xt-1,z1:t-1)=p(xt|xt-1)。則式(8)中，p(xt|xt-1,z1:t-1)=p(xt|xt-1)。那么

(10)

(11)

其中

(12)

3 粒子濾波的原理

在粒子濾波的應(yīng)用過(guò)程當(dāng)中，一種比較常用的方法就是蒙特卡羅方法。通過(guò)蒙特卡羅方法可以很好地對(duì)某個(gè)運(yùn)動(dòng)物體的幾何特征和幾何的數(shù)據(jù)量進(jìn)行有效計(jì)算，可以利用數(shù)學(xué)方面的知識(shí)進(jìn)行有效的模擬實(shí)驗(yàn)，并得出相應(yīng)的結(jié)果。蒙特卡羅方法的基本內(nèi)容是當(dāng)所要要求解決的目的是某一個(gè)事件在一定條件下出現(xiàn)的概率時(shí)，后期可以通過(guò)某種實(shí)驗(yàn)的方法來(lái)使得該概率事件重現(xiàn)。同時(shí)也可以對(duì)該概率事件進(jìn)行數(shù)學(xué)建模，通過(guò)數(shù)學(xué)模型的方法來(lái)進(jìn)行實(shí)驗(yàn)，以得出相應(yīng)的實(shí)驗(yàn)結(jié)果。

(13)

通過(guò)上述的計(jì)算過(guò)程對(duì)后驗(yàn)概率的進(jìn)行無(wú)偏估計(jì)

(14)

傳統(tǒng)的算法在解決多維因素或者一些復(fù)雜問(wèn)題方面比較困難，而蒙特卡羅方法相對(duì)來(lái)說(shuō)具有很大的優(yōu)勢(shì)，對(duì)于這些多維因素和復(fù)雜問(wèn)題解決起來(lái)比較容易。在解決這些問(wèn)題的時(shí)候，蒙特卡羅方法能夠得到服從后驗(yàn)分布概率函數(shù)P(x0;t|z0;t)的N個(gè)抽樣點(diǎn)。但實(shí)際的應(yīng)用過(guò)程中，后驗(yàn)分布概率函數(shù)是一個(gè)不規(guī)范和多元的函數(shù)，要想從這個(gè)不規(guī)范和多元函數(shù)的分布中進(jìn)行采樣，難度是非常大的，幾乎是不可能實(shí)現(xiàn)的。

4 改進(jìn)的粒子濾波重采樣算法

在對(duì)粒子濾波的算法進(jìn)行設(shè)計(jì)的過(guò)程中，其中一個(gè)非常重要的內(nèi)容就是對(duì)其計(jì)算過(guò)程中的函數(shù)進(jìn)行選擇，首先要對(duì)函數(shù)的重要性進(jìn)行判斷，然后基于重要性來(lái)進(jìn)行選擇，將重要性函數(shù)選為狀態(tài)轉(zhuǎn)移模型，即

q(Xt|Xt-1,Zt)=p(Xt|Xt-1)

(15)

每個(gè)粒子的權(quán)值計(jì)算如下

(16)

具體實(shí)現(xiàn)步驟為：

步驟1，初始化步驟，t=0，具體代碼如下：

Fori=1，…，N，

顏色直方圖中的顏色粒子的數(shù)量進(jìn)行初始化

(17)

對(duì)圖像目標(biāo)的顏色分布情況進(jìn)行計(jì)算

(18)

步驟2，更新下一時(shí)刻的圖像信息，具體代碼如下：

Fori=1，…，N

根據(jù)式(19)采樣新粒子

(19)

步驟3，判斷每個(gè)粒子的分布狀態(tài)。

(20)

對(duì)每個(gè)視頻圖像粒子的權(quán)值進(jìn)行計(jì)算

(21)

步驟4，幀間差分步驟。

計(jì)算Neff

(22)

如果Neff

步驟5，進(jìn)行狀態(tài)估計(jì)。

(23)

步驟6，更新t=t+1，跳轉(zhuǎn)至步驟2。

改進(jìn)算法的流程圖，如圖1所示。

圖1 改進(jìn)算法的流程圖

5 實(shí)驗(yàn)結(jié)果分析

本文中的實(shí)驗(yàn)選取了發(fā)生視頻目標(biāo)遮擋后的幾幀，這幾幀在整個(gè)的序列當(dāng)中是非常具有代表性的。跟蹤結(jié)果的誤差分析如圖2所示，由圖2可以得出當(dāng)使用傳統(tǒng)的粒子濾波算法進(jìn)行計(jì)算的過(guò)程中，尤其是在進(jìn)行視頻序列遮擋的時(shí)候，是無(wú)法獲取目標(biāo)信息的，同時(shí)也是非常容易丟失目標(biāo)的。通過(guò)對(duì)比發(fā)現(xiàn)，本文所設(shè)計(jì)的算法能夠有效地對(duì)目標(biāo)進(jìn)行跟蹤，無(wú)論目標(biāo)是否被遮擋[4-5]。

圖2 跟蹤結(jié)果的誤差分析

從圖2中的跟蹤結(jié)果的誤差分析中可以看出，本文所設(shè)計(jì)的基于粒子濾波的視頻圖像目標(biāo)遮擋算法可以有效解決傳統(tǒng)的目標(biāo)遮擋算法中存在的問(wèn)題，本文中所述的算法可以很好地保證被跟蹤目標(biāo)的魯棒性，誤差較小[6]。

6 總結(jié)

本文所研究的基于粒子濾波的視頻圖像目標(biāo)遮擋算法利用了多個(gè)學(xué)科的內(nèi)容，綜合運(yùn)用計(jì)算得到了一個(gè)較好的算法，同時(shí)視頻圖像目標(biāo)遮擋算法課題的研究是一個(gè)全新的領(lǐng)域，在這個(gè)領(lǐng)域中依然存在很多問(wèn)題還沒(méi)有得到解決，有待在日后的工作中繼續(xù)研究。

[1]王展青，凡友福，張桂林.跟蹤遮擋目標(biāo)的一種魯棒算法[J].計(jì)算機(jī)工程與應(yīng)用，2007(27)：12-15.

[2]王江濤，楊靜宇.遮擋情況下基于Kalman均值偏移的目標(biāo)跟蹤[J].系統(tǒng)仿真學(xué)報(bào)，2007(18)：33-37.

[3]ASIF M M.Real-time object tracking using color-based kalman particle filter[J].Evolving Fuzzy Systems，2009(4)：357-361.

[4]KIM H B，SIM K B.A particular object tracking in an environment of multiple moving objects[J].Control Automation and Systems，2010(5)：1053-1059.

[5]RAMAKOTI N．Particle swarm optimization aided kalman filter for object tracking[J]．Journal Soft Computing，2009(2)：531-540.

[6]MCKENNA J，JABRI S，DURIC Z，et al.Tracking groups of people[J].Computer Vision and Image Understanding，2000(1)：324-341.

Research of Blocked Algorithm of Video Image Target Based on Particle Filter

WANG Zhongjie，ZHANG Zhiheng

(DepartmentofElectronicInformationEngineering，ShanxiUniversity，Taiyuan030013，China)

Blocked algorithm of video image target has been researched a lot recently.To improve the effect of video target tracking，variety of algorithms to detect and track have been utilized with detailed analysis of the optical flow method，frame difference method，background difference method and extraction of video image target characteristic，and with which an improved algorithm of inter-frame difference was applied.The researched blocked algorithm of video image target based on particle filter is proved more effectively to get accurate judgment to the target tracking by experiments.

feature fusion；shading；moving target detection；color edge detection；algorithm

TN911.73

A

10.16280/j.videoe.2015.07.007

2014-10-10

【本文獻(xiàn)信息】王中杰，張志恒.基于粒子濾波的視頻圖像目標(biāo)遮擋算法研究[J].電視技術(shù),2015，39(7).

王中杰(1973— )，女，碩士，講師，主要研究方向?yàn)闊o(wú)線通信、圖像處理；

張志恒(1964— )，副教授，主要研究方向?yàn)閿?shù)字信號(hào)處理、電子技術(shù)。

責(zé)任編輯：時(shí) 雯