移動(dòng)機(jī)器人行人目標(biāo)活動(dòng)區(qū)域快速檢測(cè)算法

楊大偉，姬夢(mèng)婷，張汝波，毛　琳

(大連民族大學(xué) 機(jī)電工程學(xué)院，遼寧 大連 116605)

?

移動(dòng)機(jī)器人行人目標(biāo)活動(dòng)區(qū)域快速檢測(cè)算法

楊大偉，姬夢(mèng)婷，張汝波，毛琳

(大連民族大學(xué) 機(jī)電工程學(xué)院，遼寧 大連 116605)

摘要：針對(duì)移動(dòng)機(jī)器人運(yùn)動(dòng)目標(biāo)檢測(cè)過程中運(yùn)動(dòng)目標(biāo)與背景均存在位移致使跟蹤失效的問題,提出一種顯著光流分析法對(duì)室內(nèi)行人目標(biāo)活動(dòng)區(qū)域進(jìn)行檢測(cè)與標(biāo)識(shí)，能夠快速有效地為移動(dòng)機(jī)器人視覺檢測(cè)與跟蹤算法提供簡(jiǎn)便的初始區(qū)域定位信息。經(jīng)仿真實(shí)驗(yàn)分析，該算法能夠在室內(nèi)復(fù)雜的情況下，快速檢測(cè)出行人目標(biāo)的活動(dòng)區(qū)域，方便人物識(shí)別與躲避，具有較強(qiáng)的工程應(yīng)用價(jià)值。

關(guān)鍵詞：移動(dòng)機(jī)器人；行人活動(dòng)區(qū)域；室內(nèi)；光流法；顯著分析法

在室內(nèi)環(huán)境中，移動(dòng)機(jī)器人時(shí)常要觀察行人的運(yùn)動(dòng)，以便有效識(shí)別或者躲避行人。由于移動(dòng)機(jī)器人上固定的攝像機(jī)會(huì)隨本體一并移動(dòng)，采集視頻中行人運(yùn)動(dòng)目標(biāo)與背景均會(huì)呈現(xiàn)出各自獨(dú)立的運(yùn)動(dòng)狀態(tài)[1]。同時(shí)環(huán)境中各種物品的出現(xiàn)，將會(huì)不同程度的對(duì)人體目標(biāo)進(jìn)行干擾，使得機(jī)器人視覺檢測(cè)會(huì)出現(xiàn)大量的冗余信息和觀測(cè)噪聲，在這樣的室內(nèi)環(huán)境中，如何快速檢測(cè)出運(yùn)動(dòng)的人物目標(biāo)成為機(jī)器人視覺領(lǐng)域中一個(gè)重要課題。

文獻(xiàn)[2]采用固定攝像機(jī)的HU不變矩分析方法來檢測(cè)運(yùn)動(dòng)目標(biāo)，與傳統(tǒng)算法相比能夠有效去除融合噪聲，但不能應(yīng)用于動(dòng)態(tài)背景的情況，對(duì)于穩(wěn)定的攝像機(jī)要求程度較高。文獻(xiàn)[3]基于超像素顯著檢測(cè)算法，結(jié)合顏色特征獲取圖像的感興趣目標(biāo)區(qū)域，計(jì)算量隨圖像尺寸變化而呈現(xiàn)幾何級(jí)數(shù)增長(zhǎng)，僅適用于處理靜態(tài)圖像。文獻(xiàn)[4]則利用背景減除法和前后幀差異法相結(jié)合，在攝像頭靜止環(huán)境下對(duì)目標(biāo)區(qū)域進(jìn)行檢測(cè)，不能適應(yīng)背景變化的動(dòng)態(tài)環(huán)境。文獻(xiàn)[5]同樣在靜態(tài)相機(jī)條件下，利用顯著分析法提取初始化目標(biāo)區(qū)域的中心位置，僅實(shí)現(xiàn)目標(biāo)初始位置進(jìn)行標(biāo)定，無法持續(xù)跟蹤運(yùn)動(dòng)目標(biāo)。

本文以移動(dòng)機(jī)器人視覺目標(biāo)檢測(cè)為研究對(duì)象，提出一種適用于室內(nèi)行人環(huán)境的、動(dòng)態(tài)目標(biāo)區(qū)域顯著光流快速檢測(cè)算法(Saliency Optical-Flow detection Algorithm，SOFA)，能夠有效提取出行人目標(biāo)的運(yùn)動(dòng)區(qū)域，為后續(xù)檢測(cè)跟蹤提供必要的定位參數(shù)信息。

1動(dòng)態(tài)目標(biāo)區(qū)域檢測(cè)算法

本文引入Horn-Schunck光流法[6]與剩余譜顯著分析法[7]聯(lián)合檢測(cè)運(yùn)動(dòng)特征和顯著特征，有效的分離前景與背景信息，通過自適應(yīng)加權(quán)融合優(yōu)化檢測(cè)結(jié)果，并利用能量累加后再濾波處理的方式有效的去除冗余信息和錯(cuò)誤融合目標(biāo)，SOFA算法邏輯如圖1。該算法僅涉及光流法和圖像時(shí)頻域變化計(jì)算及能量累加，所需計(jì)算量較小，更加適合于移動(dòng)機(jī)器人及小型計(jì)算設(shè)備使用。

圖1　動(dòng)態(tài)目標(biāo)區(qū)域檢測(cè)算法

1.1顯著光流法原理

設(shè)圖像上點(diǎn)(x,y)在t時(shí)刻的灰度為I(x,y,t)，u(x,y)和v(x,y)分別是光流w(u,v)的水平和垂直分量，那么HS光流算法即表示為：

(1)

式中，這里λ根據(jù)圖中噪聲情況取值，噪聲強(qiáng)時(shí)，λ取值較大，數(shù)據(jù)更加依賴光流約束方程。

自然圖像的頻域統(tǒng)計(jì)特性具有尺度不變性，基于這種尺度不變性，定義自然圖像為I(x)，經(jīng)傅里葉變換得到其幅度譜A(f)和相位譜P(f)，服從一種分布：

(2)

整體圖像的幅度譜在經(jīng)均值平滑后近似成一條直線，基于對(duì)數(shù)譜的相似不變性，剩余譜顯著算法認(rèn)為在統(tǒng)計(jì)譜線的平滑部分代表圖像非顯著區(qū)域，譜線中的奇異點(diǎn)處表明圖像中的顯著區(qū)域，通過平滑后譜線與原譜線相減得到剩余譜，從而得到顯著圖。

將HS光流法和剩余譜顯著分析法特征提取出的二值化圖像，逐點(diǎn)對(duì)應(yīng)取交集融合而形成顯著光流法。該算法可以在計(jì)算復(fù)雜度不高的情況下，快速在室內(nèi)捕獲行人輪廓特征。

1.2SOFA算法實(shí)現(xiàn)

基于上述算法原理，構(gòu)建動(dòng)態(tài)目標(biāo)區(qū)域顯著光流快速檢測(cè)算法，算法實(shí)現(xiàn)步驟如下;

第1步，數(shù)字視頻信息解碼為YUV420格式的圖像幀F(xiàn)，所得輸入視頻幀分辨率與輸入視頻一致;

第2步，融合HS光流法與剩余譜顯著分析法的特征結(jié)果，得到融合后二值化圖像幀F(xiàn)d;

第5步，去除微小干擾噪聲，此處采用分段函數(shù)直接舍棄小于閾值部分的方式：

(3)

(4)

(5)

(6)

(7)

2仿真實(shí)驗(yàn)和性能比較

為驗(yàn)證本文所提SOFA算法的有效性，以輪式移動(dòng)機(jī)器人機(jī)身上固定攝像機(jī)為平臺(tái)，對(duì)動(dòng)態(tài)場(chǎng)景下單目標(biāo)、多目標(biāo)運(yùn)動(dòng)進(jìn)行目標(biāo)檢驗(yàn)。全部仿真實(shí)例均為機(jī)器人勻速運(yùn)動(dòng)，攝像機(jī)水平移動(dòng)速度不大于0.5 m·s-1，行人目標(biāo)運(yùn)動(dòng)方向任意，速度約為1.5 m·s-1，攝像機(jī)輸出數(shù)字視頻信號(hào)為mpeg4video編碼，分辨率為320×240，幀速率為30幀·s-1。單目標(biāo)運(yùn)動(dòng)情況如圖2，兩目標(biāo)運(yùn)動(dòng)情況如圖3。

(a)第1幀原始輸入圖像　(b)第60幀原始輸入圖像

(c)所得第1幀檢測(cè)區(qū)域　(d)所得第60幀檢測(cè)區(qū)域

(a)第1幀原始輸入圖像　(b)第45幀原始輸入圖像

(c)所得第1幀檢測(cè)區(qū)域　(d)所得第45幀檢測(cè)區(qū)域

如上述場(chǎng)景仿真所示，場(chǎng)景1為單目標(biāo)運(yùn)動(dòng)，拍攝環(huán)境為樓內(nèi)走廊開闊區(qū)，圖2(a)為第0幀輸入視頻幀，圖2(b)為第60幀輸入視頻幀，圖2(c)和圖2(d)是對(duì)應(yīng)檢測(cè)結(jié)果?？梢钥闯?，在單目標(biāo)從左至右移動(dòng)時(shí)，攝像機(jī)隨之同向移動(dòng)，行人目標(biāo)區(qū)域始終被有效標(biāo)識(shí)；場(chǎng)景2為兩目標(biāo)運(yùn)動(dòng)，拍攝環(huán)境為辦公室內(nèi)，圖3(a)為第1幀輸入視頻幀，圖3(b)為第45幀輸入視頻幀，圖3(c)和圖3(d)是對(duì)應(yīng)檢測(cè)結(jié)果，兩行人目標(biāo)分別向相反方向運(yùn)動(dòng)，當(dāng)兩人不重疊時(shí)，能夠有效檢測(cè)出行人目標(biāo)輪廓信息。本文所提算法能夠從讀入視頻幀開始就能夠快速檢測(cè)出視頻圖像中運(yùn)動(dòng)目標(biāo)的區(qū)域位置，隨著時(shí)間的推移，運(yùn)動(dòng)目標(biāo)與背景均獨(dú)立發(fā)生變化后，仍能有效地區(qū)分目標(biāo)區(qū)域信息。

由于SOFA算法僅為標(biāo)識(shí)行人目標(biāo)運(yùn)動(dòng)區(qū)域，而不涉及目標(biāo)特征檢測(cè)，故當(dāng)多個(gè)目標(biāo)彼此相互靠近或重疊時(shí)，該算法則無法區(qū)分獨(dú)立個(gè)體，檢測(cè)區(qū)域也將出現(xiàn)重疊。檢測(cè)區(qū)域重疊如圖4。當(dāng)左側(cè)兩人相距過近時(shí)，目標(biāo)區(qū)域提取算法會(huì)認(rèn)為此時(shí)為一個(gè)行人，需要結(jié)合特征檢測(cè)等算法識(shí)別出該區(qū)域內(nèi)的多個(gè)目標(biāo)。

圖4　檢測(cè)區(qū)域重疊

3結(jié)語

本文針對(duì)室內(nèi)復(fù)雜環(huán)境中移動(dòng)機(jī)器人行人活動(dòng)區(qū)域提取問題，提出一種顯著光流算法，能夠有效地快速捕獲到視頻輸入圖像中的運(yùn)動(dòng)目標(biāo)本體活動(dòng)區(qū)域，在目標(biāo)和背景都發(fā)生位移變化的情況下，提取行人動(dòng)態(tài)目標(biāo)的區(qū)域輪廓信息，為后續(xù)跟蹤識(shí)別、行人檢測(cè)和避障應(yīng)用提供預(yù)處理算法，降低后續(xù)算法目標(biāo)特征搜索計(jì)算復(fù)雜度。該算法由于所用光流法和剩余譜顯著分析法的計(jì)算對(duì)硬件要求不高，十分易于移動(dòng)設(shè)備和低功耗設(shè)備的應(yīng)用，在實(shí)際的機(jī)器人視覺處理算法中具有較高的工程應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]KULCHANDANIJS,DANGARWALAKJ.Movingobjectdetection:Reviewofrecentresearchtrends[C]∥InternationalConferenceonPervasiveComputing(ICPC), 2015: 1-5.

[2]SHENY,LIUP,YAOF,etal.Region-basedmovingobjectdetectionusingHUmoments[C]∥IEEEInternationalConferenceonInformationandAutomation, 2015: 1590-1593.

[3]RENZ,GAOS,CHIALT,etal.Region-BasedSaliencyDetectionandItsApplicationinObjectRecognition[J].IEEETransactionsonCircuitsandSystemsforVideoTechnology. 2014, 24(5): 769-779.

[4]ARADHYA,MOHANA,KIRAN.Realtimeobjectsdetectionandpositioninginmultipleregionsusingsinglefixedcameraviewforvideosurveillanceapplications[C]∥InternationalConferenceonElectrical,Electronics,Signals,CommunicationandOptimization(EESCO), 2015: 1-6.

[5] 楊大偉, 宋程程. 視覺顯著運(yùn)動(dòng)目標(biāo)初始定位方法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2015(16):189-191.

[6]HORNBKP,SCHUNCKBG.Determiningopticalflow[J].ArtificialIntelligence, 1981(17): 185-203.

[7]HOUXiaodi,ZHANGLiqing.Saliencydetection:Aspectralresidualapproach[C]∥IEEEConferenceonComputerVisionandPatternRecognition, 2007: 1-8.

[8]BONDIE,PALAP,BERRETTIS,etal.Reconstructinghigh-resolutionfacemodelsfromKinectdepthsequencesacquiredinuncooperativecontexts[C]∥IEEEInternationalConferenceandWorkshopsonAutomaticFaceandGestureRecognition(FG), 2015(7): 1-6.

(責(zé)任編輯王楠楠)

A Fast Pedestrian Motion Region Detection Algorithm for Moving Robot

YANG Da-wei, JI Meng-ting, ZHANG Ru-bo, MAO Lin

(School of Electromechanical Engineering, Dalian Minzu University, Dalian Liaoning 116605, China)

Abstract:In the pedestrian detection of the moving robot, tracking scheme will fail on account of the displacement of motion object and background. In this paper, a saliency optical-flow detection algorithm is proposed for detecting and demarcating the active area of the indoor pedestrian targets. This algorithm can provide the initial localization information quickly and efficiently for the visual detection and tracking algorithm implemented in moving robot. The simulation experiments show that this algorithm can detect the active area of pedestrian target quickly under the complex condition indoors. And the algorithm can be used in character recognition and obstacle-avoiding so that it has strong engineering value.

Key words:moving robot; pedestrian motion region; in-door; optical flow; saliency analysis

收稿日期：2016-03-28

基金項(xiàng)目：中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(DC201501089)；大連金州新區(qū)科技創(chuàng)新主體支持計(jì)劃(KJCX-ZTPY-2014-0005)。

作者簡(jiǎn)介：楊大偉(1978-)，男，黑龍江哈爾濱人，副教授，博士，主要從事機(jī)器人視覺圖像處理研究。

文章編號(hào)：2096-1383(2016)03-0221-03

中圖分類號(hào)：TP242.6

文獻(xiàn)標(biāo)志碼：A