復(fù)雜背景下運(yùn)動(dòng)目標(biāo)跟蹤的算法研究

羅富貴　覃運(yùn)初　李明珍

摘要：在進(jìn)行背景非常復(fù)雜的情況對(duì)于移動(dòng)目標(biāo)進(jìn)行監(jiān)控并進(jìn)行跟蹤的算法研究已經(jīng)取得了突破性的進(jìn)展，那么人的眼睛對(duì)于自己所處的環(huán)境能夠進(jìn)行感覺和捕捉作用，尤其是對(duì)于大量運(yùn)動(dòng)物體的移動(dòng)能夠提取相關(guān)的信息輸入進(jìn)大腦，然后進(jìn)行綜合計(jì)算得到有用的信息。并且能夠捕捉到有用的信息以后進(jìn)行下一步移動(dòng)物體的預(yù)算處理。這也是本文主要研究的對(duì)于移動(dòng)目標(biāo)物體在復(fù)雜背景下進(jìn)行移動(dòng)預(yù)測(cè)研究算法的主要目的。

關(guān)鍵詞：移動(dòng)目標(biāo)；跟蹤算法；算法原理

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）09-0241-02

伴隨著現(xiàn)代技術(shù)信息的高速發(fā)展，計(jì)算機(jī)技術(shù)的大量運(yùn)用在通信行業(yè)中，并且這些技術(shù)被大量的運(yùn)用到圖像成像技術(shù)中，這些技術(shù)也使得計(jì)算機(jī)圖像處理技術(shù)變得越來越先進(jìn)。那么在計(jì)算機(jī)圖像處理中對(duì)于移動(dòng)目標(biāo)的檢測(cè)與跟蹤是其最為重要和主要方向研究的核心技術(shù)之一，計(jì)算機(jī)圖像處理技術(shù)大量的融合了很多先進(jìn)的技術(shù)其中就包括有圖像處理以及目標(biāo)識(shí)別、人工智能判斷以及自動(dòng)智能控制等多種技術(shù)學(xué)科進(jìn)行相互交織的領(lǐng)域進(jìn)行的技術(shù)研究，這一技術(shù)手段被大量的運(yùn)用到了社會(huì)中各個(gè)方面其中就包含有軍事領(lǐng)域的研究或者是航空行業(yè)以及其它的視頻監(jiān)控領(lǐng)域等，在這些研究領(lǐng)域中對(duì)于移動(dòng)目標(biāo)在復(fù)雜背景下的跟蹤研究取得了很大的研究成果和重要的實(shí)際意義。

現(xiàn)在最為流行的無(wú)疑是雙幀和三幀以及背景差分和光流算法這幾種，這幾種方法不是彼此之間相互獨(dú)立的，而是可以相互之間進(jìn)行變換和融合的。所謂的移動(dòng)目標(biāo)跟蹤就是要?jiǎng)?chuàng)建一個(gè)以移動(dòng)目標(biāo)為對(duì)象的實(shí)時(shí)移動(dòng)的數(shù)據(jù)模型來進(jìn)行實(shí)時(shí)的跟蹤計(jì)算。采用一種好的算法能夠很大程度上保證最后得到的移動(dòng)目標(biāo)的計(jì)算跟蹤結(jié)果更加精確和精準(zhǔn)。這一算法將在以后的時(shí)間中一樣被人們所熱愛和研究，因?yàn)檫@些算法還有很大的提升空間來進(jìn)行改進(jìn)和創(chuàng)新。

1 運(yùn)動(dòng)目標(biāo)跟蹤的原理

運(yùn)動(dòng)目標(biāo)跟蹤是根據(jù)每一個(gè)移動(dòng)的物體在每一個(gè)畫面像素之間的序列位置來進(jìn)行的移動(dòng)目標(biāo)的跟蹤計(jì)算處理分析。那么隨著社會(huì)科學(xué)技術(shù)的進(jìn)步，對(duì)于這一方法出現(xiàn)了很多種的方法來進(jìn)行移動(dòng)目標(biāo)的跟蹤計(jì)算分析處理。那么主要的就是有下面的幾種來進(jìn)行我們的移動(dòng)目標(biāo)的跟蹤計(jì)算分析結(jié)果處理。本文主要列舉了幾個(gè)簡(jiǎn)單具有明顯特征的方法來進(jìn)行移動(dòng)目標(biāo)跟蹤信息的分析與計(jì)算處理。

1.1針對(duì)區(qū)域的跟蹤

針對(duì)于某一個(gè)區(qū)域進(jìn)行的移動(dòng)目標(biāo)的跟蹤計(jì)算分析的主要中心思想是：首先把得到的捕捉的圖像進(jìn)行加工分割處理劃分為一個(gè)個(gè)包含有有用信息的一些壓縮包的模式板塊，然后設(shè)定一個(gè)標(biāo)準(zhǔn)的量來進(jìn)行模塊的選取，在原油的圖像目標(biāo)中進(jìn)行有用信息的收集處理。那么因?yàn)殚_始在進(jìn)行額分割處理以后的一些小的模塊中含有大量的完整的信息，所以在移動(dòng)目標(biāo)能夠看見前，這一方法能夠達(dá)到很高的精確度來進(jìn)行移動(dòng)目標(biāo)的跟蹤和計(jì)算分析。并且具有跟蹤性能十分穩(wěn)定等特點(diǎn)。但是主要缺點(diǎn)還是過于耗費(fèi)時(shí)間，尤其是在一些較大的區(qū)域進(jìn)行這種方法時(shí)，耗費(fèi)的時(shí)間一般都較長(zhǎng)。所以這一方法在進(jìn)行區(qū)域性搜索時(shí)一般是運(yùn)用于區(qū)域性較小的地方，或者是陰暗對(duì)比較差的區(qū)域來進(jìn)行的。

1.2 針對(duì)于特征的跟蹤

針對(duì)于某一個(gè)特征的跟蹤計(jì)算分析處理的中心思想是：首先對(duì)于一個(gè)目標(biāo)的某一個(gè)局部特點(diǎn)進(jìn)行提取記錄，然后再用計(jì)算機(jī)配對(duì)法里斯進(jìn)行圖像信息的對(duì)比，最后達(dá)到跟蹤移動(dòng)目標(biāo)的目的。這一方法主要的優(yōu)點(diǎn)就是即使被捕捉的目標(biāo)某一個(gè)地方被掩蓋，也能夠通過局部特征法來進(jìn)行跟蹤分析計(jì)算，從而達(dá)到跟蹤目標(biāo)的目的。那么這一方法一般是和卡爾曼濾波器相互進(jìn)行使用，這樣能夠達(dá)到最好的效果，所以這一目標(biāo)一般常用的場(chǎng)所就是在一些較為復(fù)雜的背景下進(jìn)行目標(biāo)的跟蹤。

1.3針對(duì)于活動(dòng)輪廓的跟蹤

針對(duì)于活動(dòng)輪廓的目標(biāo)跟蹤的中心思想是：運(yùn)用了曲線的封閉性能來進(jìn)行的移動(dòng)目標(biāo)的跟蹤計(jì)算和分析。主要是依靠了目標(biāo)特征和數(shù)學(xué)計(jì)算來進(jìn)行的曲線函數(shù)的數(shù)學(xué)運(yùn)用更新，達(dá)到目標(biāo)跟蹤的目的。這一方法自從被發(fā)明出來以后，就被大家廣泛的應(yīng)用到目標(biāo)搜索中去，因?yàn)樗哂袦p少清晰敏感度的優(yōu)點(diǎn)，并且能夠在移動(dòng)目標(biāo)被物體所壓蓋以后還能夠自動(dòng)的進(jìn)行目標(biāo)對(duì)象的跟蹤處理。但是這一方法主要的缺點(diǎn)也是受開始輸入數(shù)據(jù)和噪音系數(shù)的影響較大。

1.4針對(duì)于模型的跟蹤

針對(duì)于模型的跟蹤方法的主要的中心思想是：首先由一定的數(shù)據(jù)庫(kù)來進(jìn)行目標(biāo)數(shù)據(jù)的建模處理，然后再經(jīng)過匹配計(jì)算達(dá)到跟蹤目標(biāo)的目的，并且能夠自動(dòng)的進(jìn)行數(shù)據(jù)模型庫(kù)的實(shí)時(shí)更新。從而得到較為完整的具有鮮明特點(diǎn)的數(shù)據(jù)結(jié)構(gòu)據(jù)。但是背景差分法最大的缺點(diǎn)就是對(duì)于環(huán)境的要求太高，尤其是光的敏感度的干擾特別嚴(yán)。從而更好的確定目標(biāo)的信息幀數(shù)，達(dá)到更為清晰的畫面的展示。幀數(shù)之間的差分法對(duì)于背景為移動(dòng)畫面時(shí)的移動(dòng)目標(biāo)的畫面捕捉是最為適合的，因?yàn)閹瑪?shù)差分法對(duì)于移動(dòng)的物體更加的敏感，或者說這一方法只適合運(yùn)用到移動(dòng)的物體間。人工智能判斷以及自動(dòng)智能控制等多種技術(shù)學(xué)科進(jìn)行相互交織的領(lǐng)域進(jìn)行的技術(shù)研究，這一技術(shù)手段被大量的運(yùn)用到了社會(huì)中各個(gè)方面其中就包含有軍事領(lǐng)域的研究或者是航空行業(yè)以及其它的視頻監(jiān)控領(lǐng)域等，在這些研究領(lǐng)域中對(duì)于移動(dòng)目標(biāo)在復(fù)雜背景下的跟蹤研究取得了很大的研究成果和重要的實(shí)際意義。尤其是對(duì)于大量運(yùn)動(dòng)物體的移動(dòng)能夠提取相關(guān)的信息輸入進(jìn)大腦，然后進(jìn)行綜合計(jì)算得到有用的信息。并且能夠捕捉到有用的信息以后進(jìn)行下一步移動(dòng)物體的預(yù)算處理。

2 運(yùn)動(dòng)目標(biāo)檢測(cè)算法分析

從復(fù)雜的背景情況中進(jìn)行移動(dòng)目標(biāo)圖像信息的獲取就是我們的移動(dòng)目標(biāo)跟蹤技術(shù)。主要分別在于攝像機(jī)和我們的移動(dòng)目標(biāo)之間的動(dòng)靜關(guān)系的確定，其中分為兩種，第一種是在背景為靜態(tài)時(shí)移動(dòng)目標(biāo)信息的獲取和第二種移動(dòng)背景下移動(dòng)目標(biāo)信息的獲取。第一種就是指我們的攝像機(jī)不產(chǎn)生移動(dòng)，在整個(gè)的拍攝過程中保持靜止的狀態(tài)來進(jìn)行拍攝。第二種就是我們的攝像機(jī)在拍攝時(shí)發(fā)生了平移或者是旋轉(zhuǎn)等方向的移動(dòng)而進(jìn)行的拍攝。

2.1 背景差分法

這一方法是目前為止在進(jìn)行這一移動(dòng)目標(biāo)信息獲取方面最為人們所常用的一種方法，這一背景差分法中心思想就是在得到了一個(gè)收集了的數(shù)據(jù)背景模型以后，將現(xiàn)有的幀數(shù)和背景模塊中的幀數(shù)進(jìn)行減法運(yùn)算得到一個(gè)差值，那么這一差值的結(jié)果如果大于一定的標(biāo)準(zhǔn)就可以知道這一信息為移動(dòng)目標(biāo)的信息，如果沒有大于這一標(biāo)準(zhǔn)就可以判定這一信息為我們的背景模型中的數(shù)據(jù)。利用背景差分法能夠有效的進(jìn)行移動(dòng)目標(biāo)信息的判別，從而得到較為完整的具有鮮明特點(diǎn)的數(shù)據(jù)結(jié)構(gòu)據(jù)。

但是背景差分法最大的確定就是對(duì)于環(huán)境的要求太高，尤其是光的敏感度的干擾特別嚴(yán)。那么針對(duì)于這一情況我們的技術(shù)人員最主要的方法就是創(chuàng)造出不同的背景模型來進(jìn)行移動(dòng)目標(biāo)的跟蹤計(jì)算，這樣能夠最大限度的減小因?yàn)榄h(huán)境因素的影響從而產(chǎn)生的對(duì)移動(dòng)目標(biāo)跟蹤計(jì)算出現(xiàn)的失誤等現(xiàn)象。對(duì)移動(dòng)目標(biāo)的跟蹤計(jì)算至關(guān)重要的就是對(duì)于背景模型的創(chuàng)立和模式選取以及背景陰影的摒棄，將在很大程度上對(duì)整個(gè)的移動(dòng)目標(biāo)跟蹤計(jì)算的結(jié)果造成關(guān)鍵性的影響。這一方法對(duì)于儀器設(shè)備的要求不是太高，能夠簡(jiǎn)單的實(shí)現(xiàn)，除了要在固定不移動(dòng)的背景下進(jìn)行捕捉以外，其余的性能都很好，能夠做到快速的進(jìn)行移動(dòng)目標(biāo)信息的獲取，從而能夠精確的進(jìn)行信息的取締。但是這一方法最大的缺陷就是對(duì)于環(huán)境的要求很苛刻，容易受到光線強(qiáng)弱變化的影響，而這一影響將給整個(gè)計(jì)算帶來嚴(yán)重的偏差。

圖1 背景差分法算法流程

2.2 幀間差分法

這一方法主要就死利用三三兩兩相互靠近的幀數(shù)在連續(xù)像素中的變化，利用時(shí)間差值來進(jìn)行的時(shí)間差值分化從而進(jìn)行的移動(dòng)目標(biāo)的信息幀數(shù)獲取。這一方法對(duì)于移動(dòng)的幀數(shù)具有相當(dāng)強(qiáng)硬的適應(yīng)性，但是幀數(shù)差分法主要的缺陷就是不能夠提出所有的移動(dòng)目標(biāo)的關(guān)鍵性像素，從而導(dǎo)致最后的呈像會(huì)出現(xiàn)一些空洞的現(xiàn)象。那么針對(duì)于這一重大的缺點(diǎn)我們的技術(shù)人員就運(yùn)用了我們的對(duì)稱幀數(shù)差分法來進(jìn)行缺陷的修補(bǔ)。

這一方法主要就是在進(jìn)行獲取了的圖像幀數(shù)中針對(duì)于每三幀數(shù)的圖像信息來進(jìn)行的對(duì)稱差分法的修補(bǔ)，對(duì)稱差分法主要就是運(yùn)用了從上一幀數(shù)的圖像信息中進(jìn)行模塊的切割來進(jìn)行的移動(dòng)目標(biāo)的幀數(shù)范圍的確定，這樣能夠得到一個(gè)較為清晰的移動(dòng)目標(biāo)幀數(shù)的移動(dòng)范圍，從而更好的確定目標(biāo)的信息幀數(shù)，達(dá)到更為清晰的畫面的展示。幀數(shù)之間的差分法對(duì)于背景為移動(dòng)畫面時(shí)的移動(dòng)目標(biāo)的畫面捕捉是最為適合的，因?yàn)閹瑪?shù)差分法對(duì)于移動(dòng)的物體更加的敏感，或者說這一方法只適合運(yùn)用到移動(dòng)的物體間。其實(shí)，幀數(shù)間差分法捕捉的主要就是相對(duì)來說是移動(dòng)的物體，從而造成了捕捉到的兩個(gè)畫面之間的時(shí)間值很短，所以就會(huì)不容易受到外界光照等因素的影響。這也是幀數(shù)間差分法和上一方法之間最大的區(qū)別之一，幀數(shù)間差分法具有簡(jiǎn)單有效并且不容易受到外界的影響，具有效果穩(wěn)定，反應(yīng)速度快等特點(diǎn)。

2.3光流法

這一方法能夠充分的用捕捉到的圖像信息來進(jìn)行移動(dòng)目標(biāo)信息的獲取。運(yùn)動(dòng)場(chǎng)能就是移動(dòng)在空間力矩中的表示，那么要在一個(gè)平面上表現(xiàn)物體的移動(dòng)就是通過平面中的陰暗對(duì)比色調(diào)來進(jìn)行移動(dòng)物體的展示的。最后就會(huì)使得整個(gè)的運(yùn)動(dòng)場(chǎng)在畫面上進(jìn)行展示，這種現(xiàn)象我們稱之為光流現(xiàn)象。那么光流就是指一瞬間產(chǎn)生的運(yùn)動(dòng)力場(chǎng)而變現(xiàn)的現(xiàn)象，其中就有一些基本的移動(dòng)物體的很多信息。那么針對(duì)于光流現(xiàn)象我們就采用了時(shí)間變化而變化的光速效應(yīng)，因?yàn)楣馑倭髦邪写罅康男畔⒖梢赃M(jìn)行有效的利用。在理想狀態(tài)下可以進(jìn)行移動(dòng)目標(biāo)的測(cè)量，并且可以不用其余的參照物來進(jìn)行參照對(duì)比。能夠做到最大限度的得到移動(dòng)物體的移動(dòng)信息，可以運(yùn)用進(jìn)行背景動(dòng)態(tài)運(yùn)轉(zhuǎn)時(shí)對(duì)于移動(dòng)目標(biāo)物體的跟蹤計(jì)算測(cè)量。

但是這一方法主要的缺點(diǎn)就是對(duì)于儀器設(shè)備的要求很高，不能夠第一時(shí)間的進(jìn)行分析計(jì)算處理。對(duì)稱差分法主要就是運(yùn)用了從上一幀數(shù)的圖像信息中進(jìn)行模塊的切割來進(jìn)行的移動(dòng)目標(biāo)的幀數(shù)范圍的確定，這樣能夠得到一個(gè)較為清晰的移動(dòng)目標(biāo)幀數(shù)的移動(dòng)范圍，從而更好的確定目標(biāo)的信息幀數(shù)，達(dá)到更為清晰的畫面的展示。幀數(shù)之間的差分法對(duì)于背景為移動(dòng)畫面時(shí)的移動(dòng)目標(biāo)的畫面捕捉是最為適合的，因?yàn)閹瑪?shù)差分法對(duì)于移動(dòng)的物體更加的敏感，或者說這一方法只適合運(yùn)用到移動(dòng)的物體間。

3 結(jié)束語(yǔ)

跟蹤目標(biāo)的算法現(xiàn)在已經(jīng)有很多種，每一種的類型和方式都是不一樣的，但是這些算法無(wú)一例外都是只能夠針對(duì)于某一種情況或者是多種情況來進(jìn)行移動(dòng)目標(biāo)的跟蹤計(jì)算分析處理，并不能夠做到所有的環(huán)境都使用一種算法的理想狀態(tài)，所以這也是以后要研究和解決的地方?，F(xiàn)在最為流行的無(wú)疑是雙幀和三幀以及背景差分和光流算法這幾種，這幾種方法不是彼此之間相互獨(dú)立的，而是可以相互之間進(jìn)行變換和融合的。所謂的移動(dòng)目標(biāo)跟蹤就是要?jiǎng)?chuàng)建一個(gè)以移動(dòng)目標(biāo)為對(duì)象的實(shí)時(shí)移動(dòng)的數(shù)據(jù)模型來進(jìn)行實(shí)時(shí)的跟蹤計(jì)算。其實(shí)，幀數(shù)間差分法捕捉的主要就是相對(duì)來說是移動(dòng)的物體，從而造成了捕捉到的兩個(gè)畫面之間的時(shí)間值很短，所以就會(huì)不容易受到外界光照等因素的影響。這也是幀數(shù)間差分法和上一方法之間最大的區(qū)別之一，幀數(shù)間差分法具有簡(jiǎn)單有效并且不容易受到外界的影響，具有效果穩(wěn)定，反應(yīng)速度快等特點(diǎn)。采用一種好的算法能夠很大程度上保證最后得到的移動(dòng)目標(biāo)的計(jì)算跟蹤結(jié)果更加精確和精準(zhǔn)。這一算法將在以后的時(shí)間中一樣被人們所熱愛和研究，因?yàn)檫@些算法還有很大的提升空間來進(jìn)行改進(jìn)和創(chuàng)新。

參考文獻(xiàn)：

[1] 施家棟，王建中. 動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[J].北京理工大學(xué)學(xué)報(bào)，2009（10）.

[2] 陸軍，李鳳玲，姜邁. 攝像機(jī)運(yùn)動(dòng)下的動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤[J].哈爾濱工程大學(xué)學(xué)報(bào)，2008（8）.

[3] 程建，楊杰. 一種基于均值移位的紅外目標(biāo)跟蹤新方法[J].紅外與毫米波學(xué)報(bào)，2005（3）.