模糊理論在遮擋情況下目標(biāo)跟蹤算法中的應(yīng)用

劉 穎

(91404部隊(duì)93分隊(duì),河北 秦皇島 066001)

?

模糊理論在遮擋情況下目標(biāo)跟蹤算法中的應(yīng)用

劉 穎

(91404部隊(duì)93分隊(duì),河北 秦皇島 066001)

遮擋問(wèn)題是目標(biāo)跟蹤算法中的難點(diǎn)問(wèn)題之一。用模糊算法模擬人腦的記憶過(guò)程,結(jié)合圖像序列的時(shí)間相關(guān)性和空間相關(guān)性,采用模糊分析方法實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)跟蹤,取得了很好的效果。本文針對(duì)目標(biāo)被局部遮擋或者偽目標(biāo)干擾等情況,提出了基于分層模板匹配與模糊跟蹤相結(jié)合的目標(biāo)跟蹤算法。該算法在matlab軟件環(huán)境下進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明:算法實(shí)現(xiàn)了跟蹤過(guò)程中目標(biāo)存在遮擋問(wèn)題、偽目標(biāo)干擾時(shí)的穩(wěn)定的、實(shí)時(shí)的跟蹤。

模糊理論; 遮擋; 目標(biāo)跟蹤

1 引 言

運(yùn)動(dòng)目標(biāo)的跟蹤算法很多,但是,大多算法的研究還存在很大的局限性。對(duì)于某類(lèi)目標(biāo)的研究在實(shí)驗(yàn)室中跟蹤、識(shí)別的效果很好。但在實(shí)際應(yīng)用中,由于許多不可預(yù)知的環(huán)境條件(光照、氣候、能見(jiàn)度等)以及目標(biāo)被遮擋、偽目標(biāo)干擾等情況的影響,使圖像識(shí)別變得困難,進(jìn)而影響了目標(biāo)跟蹤的穩(wěn)定性和實(shí)時(shí)性。如何解決目標(biāo)跟蹤過(guò)程中的偽目標(biāo)干擾及遮擋問(wèn)題是本文研究的重點(diǎn)。自從Zadeh根據(jù)人腦在分類(lèi)判決時(shí)的內(nèi)在不精確性提出模糊集思想以來(lái)[1]引入不確定性概念的模糊算法已被應(yīng)用于圖像處理、模式識(shí)別及自動(dòng)控制等多個(gè)領(lǐng)域,并顯示出了獨(dú)特的優(yōu)點(diǎn)。本文用模糊算法模擬人腦的記憶過(guò)程,結(jié)合圖像序列的時(shí)間相關(guān)性和空間相關(guān)性,采用模糊分析方法實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)跟蹤,取得了很好的效果。

2 分層模板匹配跟蹤算法

分層加權(quán)匹配的方法[2,3],即把目標(biāo)區(qū)域以目標(biāo)中心點(diǎn)為中心,分成多個(gè)矩形區(qū)域帶,中心區(qū)域的權(quán)重大,外圍區(qū)域權(quán)重小,如圖1所示,其高度代表權(quán)重,最上層為中心區(qū)域,最低部為目標(biāo)區(qū)域的最外部。采用兩幅圖像間的相似性作為匹配的度量。它就是圖像和它所覆蓋的模板區(qū)域間像素灰度差之和,意為相似像素點(diǎn)越多,匹配程度越高,圖像和它所覆蓋的模板區(qū)域間像素灰度差之和越小。

圖1 分層模板示意圖Fig.1 Schematic diagram of hierarchical template

假設(shè)模板圖像區(qū)域?yàn)锽,其大小為m×n,那么模板圖像和其所覆蓋的圖像區(qū)域A之間的像素差之和定義為

(1)

其中:

(2)

式中:aij、bij分別為區(qū)域A和B中對(duì)應(yīng)點(diǎn)像素灰度值;T為閾值,T值選擇得太大或太小都會(huì)造成錯(cuò)誤匹配。顯然DAB越大表示區(qū)域匹配得越好,跟蹤的過(guò)程就是尋求DAB的最大值。

如果相鄰兩幅圖像的對(duì)應(yīng)區(qū)域內(nèi)背景與靜態(tài)物體均相同,那么由于光照強(qiáng)度的不同,在兩區(qū)域中所造成的像素間灰度差異的均值差可視為一常數(shù),假設(shè)噪聲是白噪聲。下面根據(jù)上面假設(shè)來(lái)求各種情況下的閾值:

aij=paij+caij+δaij

(3)

bij=pbij+δbij

(4)

其中:caij為A和B兩區(qū)域的光照灰度差,可視為一常數(shù);δaij、δbij為A和B兩區(qū)域的噪聲干擾值;paij、pbij為未受噪聲干擾且光照相同的A和B兩區(qū)域的像素灰度值。兩區(qū)域的像素均值差為

理想情況下:δaij=δbij,因此它們對(duì)區(qū)域求和后的差值為零。當(dāng)兩幀圖像區(qū)域完全匹配后,paij=pbij,m、n為像素的行列數(shù)。由式(5) 可知兩區(qū)域均值差即為光照引起的像素灰度差,為此可將c值視為閾值T。 且如果沒(méi)有噪聲的干擾,兩區(qū)域的DABmax=m·n。顯然,能完全匹配的兩區(qū)域越大,越能反映其真實(shí)的光照差值。

但實(shí)際應(yīng)用中,除考慮到光照強(qiáng)度外,還應(yīng)考慮光照非均勻、反射和背景等影響因素,即δaij、δbij、cij的值是時(shí)刻在變化的。即:不同應(yīng)用環(huán)境閾值不同。試驗(yàn)表明實(shí)際閾值比計(jì)算閾值應(yīng)加1～2個(gè)灰度級(jí),即:

(6)

下面給出了匹配方法。

第1步:根據(jù)當(dāng)前新目標(biāo)直接向下一幀投影,并根據(jù)式(2.1)計(jì)算出下一幀的最佳匹配區(qū)域(也即新模板)。

第2步:以上一步計(jì)算出的新模板為中心,將一幀圖像分4～6層左右,第1層為以新模板中心點(diǎn)為中心,與模板大小為相同的矩形,根據(jù)圖像及分層由內(nèi)向外展開(kāi)矩形(本文中從第二層的矩形開(kāi)始依次比前一層矩形大1倍),如圖2。先在第1層內(nèi)從左到右從上到下逐點(diǎn)搜索并按式(1.1)計(jì)算最佳匹配值即最大值D11。

第3步:取D12=aijD11,在第2層內(nèi)搜索,當(dāng)沿某個(gè)方向連續(xù)多次小于D12值或搜索到邊緣時(shí),則停止該方向的搜索。如果該層內(nèi)每個(gè)方向均小于D12時(shí),則停止所有外層搜索,即搜索到的最大值為最佳值。否則,繼續(xù)在第三層內(nèi)搜索。一般在第二層即可搜索到最佳值。這樣就避免了遍歷整個(gè)圖像的搜索,從而大大減少了搜索時(shí)間。

圖2 區(qū)域分層搜索示意圖Fig.2 Sketch map of regional hierarchical search

3 模糊理論在目標(biāo)跟蹤中的應(yīng)用

3.1 模糊集基礎(chǔ)理論

模糊理論的基本概念包括模糊現(xiàn)象、模糊集、隸屬度函數(shù)等。模糊現(xiàn)象是由于表征某類(lèi)事物的概念沒(méi)有明確的外延而使得難以做出一個(gè)對(duì)象是否符合該概念的判決,由于沒(méi)有明確的劃分,模糊現(xiàn)象在事物概念的外延上表現(xiàn)出不確定性。模糊集理論[1,4,5]是普通集理論的推廣,其基本思想是把經(jīng)典集合中的絕對(duì)隸屬關(guān)系靈活化。它描述沒(méi)有明確界限和概念的外延模糊的現(xiàn)象,并將這些不確定現(xiàn)象與隸屬度函數(shù)一一對(duì)應(yīng)關(guān)系。模糊集特別適用于解決那些無(wú)法用精確的數(shù)字模型描述的問(wèn)題。關(guān)于模糊集和隸屬度函數(shù)的定義如下[3-5]:

(7)

(1) 論域X;

(2) 實(shí)驗(yàn)所要處理的論域X的固定元素x0;

(4) 條件集C,它限制著A*的變化;

一個(gè)模糊統(tǒng)計(jì)試驗(yàn)的基本要求是,在每次試驗(yàn)中,要對(duì)x0是否屬于A*做出一個(gè)明確的判斷,而A*可以在每次試驗(yàn)中發(fā)生改變(即具有可塑性),但都是X的子集。

(8)

(9)

模糊統(tǒng)計(jì)試驗(yàn)的特點(diǎn)是,在每次試驗(yàn)中,x0是固定不變的,而A*則可變,這與隨機(jī)試驗(yàn)剛好相反。

3.2 模糊理論在目標(biāo)跟蹤的應(yīng)用[1,3,6]

根據(jù)以上分析,如何判斷由于建筑物遮擋使目標(biāo)在一段時(shí)間內(nèi)消失后重新出現(xiàn)時(shí),算法所跟蹤的物體是否該目標(biāo);當(dāng)畫(huà)面上出現(xiàn)兩個(gè)或兩個(gè)以上的運(yùn)動(dòng)物體時(shí),如何檢測(cè)到算法需要跟蹤的目標(biāo)的問(wèn)題,可引用模糊理論的思想。

定義一個(gè)[0,1]之間的實(shí)數(shù)來(lái)表示檢測(cè)到的某個(gè)物體屬于目標(biāo)的程度,稱(chēng)為目標(biāo)可能度P(P∈(0,1)),并定義目標(biāo)的判決規(guī)則如下:

當(dāng)系統(tǒng)首次檢測(cè)到一個(gè)物體時(shí),該物體被賦以目標(biāo)可能度0.5。若該物體屬于目標(biāo),則它在后繼的跟蹤過(guò)程中將被連續(xù)檢測(cè)到,于是該物體的目標(biāo)可能度增加,本文稱(chēng)這一過(guò)程為記憶增強(qiáng);若該物體屬于隨機(jī)噪聲而很快消失以致未能被系統(tǒng)檢測(cè)到,則該物體的目標(biāo)可能度下降,本文稱(chēng)這一過(guò)程為記憶衰減。

為了能在迅速排除虛假目標(biāo)的同時(shí)又提高目標(biāo)的抗噪性能,希望選擇一種合理的隸屬度函數(shù)來(lái)計(jì)算目標(biāo)可能度,對(duì)此本文提出如下要求:

(1) 記憶增強(qiáng)過(guò)程中目標(biāo)可能度隨時(shí)間單調(diào)遞增,當(dāng)目標(biāo)可能度達(dá)到1則不再增長(zhǎng)。

(2) 記憶衰減過(guò)程中目標(biāo)可能度隨時(shí)間單調(diào)下降,當(dāng)目標(biāo)可能度達(dá)到0則不再下降。

根據(jù)上述要求,在正實(shí)數(shù)域上定義增強(qiáng)函數(shù)fi(p)[2]和衰減函數(shù)fd(p)[2]如下:

(10)

(11)

其中,λi表示增強(qiáng)指數(shù),λd表示衰減指數(shù),Δp表示衰減步長(zhǎng)。通過(guò)對(duì)λi、λd和Δp的調(diào)節(jié),可分別改變記憶增強(qiáng)和記憶衰減的速度。如果在前一幀的動(dòng)態(tài)范圍搜索內(nèi)找到與之相匹配的目標(biāo),目標(biāo)可能度也會(huì)根據(jù)公式(10)進(jìn)行增強(qiáng)更新,直到達(dá)到1時(shí)停止,此時(shí)目標(biāo)被確認(rèn)為真正的目標(biāo)。如果未找到相匹配的目標(biāo),它的可能度要根據(jù)公式(11)進(jìn)行衰減,直到目標(biāo)可能度降到0時(shí)停止。這樣跟蹤系統(tǒng)可以在真正的目標(biāo)在圖像序列中連續(xù)幾幀中丟失后,仍能跟蹤上它。這個(gè)過(guò)程是一個(gè)時(shí)間積累、連續(xù)性的跟蹤過(guò)程。

因此,本文提出基于分層模板匹配與模糊理論相結(jié)合的算法可以應(yīng)用于辨別真?zhèn)文繕?biāo),對(duì)假目標(biāo)干擾進(jìn)行判斷。下面通過(guò)對(duì)一組長(zhǎng)序列圖像的跟蹤來(lái)驗(yàn)證該算法的可行性。

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)選用空中基本為勻速直線運(yùn)動(dòng)的導(dǎo)彈目標(biāo)作為本文算法要跟蹤的目標(biāo),在其飛行過(guò)程中場(chǎng)景中又出現(xiàn)一與之類(lèi)似的飛行物體(我們稱(chēng)之為干擾飛機(jī)),對(duì)本文跟蹤的目標(biāo)構(gòu)成干擾及遮擋。采用這組序列圖像用來(lái)驗(yàn)證該算法識(shí)別真假目標(biāo)的能力及對(duì)運(yùn)動(dòng)物體的抗遮擋能力。圖像序列長(zhǎng)度260幀。第81幀時(shí)畫(huà)面中一干擾飛機(jī)出現(xiàn),到本文跟蹤的導(dǎo)彈目標(biāo)與干擾飛機(jī)平行飛行,再到干擾飛機(jī)退出畫(huà)面一共110幀圖像,即干擾飛機(jī)在第191幀退出畫(huà)面。文中選取了有代表性的第60、81、91、101、111、121、131、141、161、181、191幀圖像及96～103幀一組目標(biāo)與干擾飛機(jī)幾乎平行飛行的連續(xù)序列圖像顯示實(shí)驗(yàn)結(jié)果。圖像中方框?yàn)榱孙@示當(dāng)前目標(biāo)的跟蹤位置。對(duì)于連續(xù)顯示的圖像,如圖3所示。對(duì)于選取的10幅非連續(xù)的圖像,如圖4所示,左側(cè)為顯示目標(biāo)當(dāng)前位置的圖像,中間為原始圖像,右側(cè)為算法找到目標(biāo)當(dāng)前位置時(shí)特征提取出來(lái)的目標(biāo)圖像。圖5為96～103幀目標(biāo)坐標(biāo)曲線圖,橫坐標(biāo)表示導(dǎo)彈目標(biāo)的當(dāng)前跟蹤幀序號(hào)(這里幀序號(hào)為視頻幀中重新編號(hào)),縱坐標(biāo)表示當(dāng)前幀目標(biāo)質(zhì)心的坐標(biāo)。

圖3 第96～103幀連續(xù)圖像實(shí)驗(yàn)結(jié)果圖Fig.3Experiment results of the 96th～103th consecutive images

圖4 單幀圖像實(shí)驗(yàn)結(jié)果圖Fig.4 Experiment results of single frame image

實(shí)驗(yàn)結(jié)果表明:干擾飛機(jī)沒(méi)有進(jìn)入視場(chǎng)之前,算法能夠很穩(wěn)定地跟蹤到目標(biāo),雖然從81幀開(kāi)始干擾飛機(jī)進(jìn)入視場(chǎng)范圍一直持續(xù)到第191幀干擾飛機(jī)退出視場(chǎng)范圍,算法依然能夠跟蹤到目標(biāo)。從136～143幀連續(xù)圖像中可以很明顯地看出,雖然在這幾幀中目標(biāo)與干擾飛機(jī)幾乎平行飛行,但跟蹤框依然牢牢地套住了目標(biāo)。從目標(biāo)坐標(biāo)曲線圖中也可以看到,從130～149幀,坐標(biāo)曲線一直較平滑,甚至沒(méi)有大的的抖動(dòng),說(shuō)明算法對(duì)目標(biāo)導(dǎo)彈跟蹤的很穩(wěn)定。干擾飛機(jī)的出現(xiàn)對(duì)算法提出了挑戰(zhàn),即識(shí)別動(dòng)態(tài)的真?zhèn)文繕?biāo),所以這個(gè)過(guò)程既是個(gè)穩(wěn)定跟蹤的過(guò)程又是一個(gè)確定真目標(biāo)去除偽目標(biāo)的過(guò)程。由于本文采用了分層模板匹配與模糊理論相結(jié)合的算法,對(duì)本文所要跟蹤的目標(biāo)進(jìn)行了很穩(wěn)定地跟蹤。實(shí)驗(yàn)證明,該算法對(duì)于辨別目標(biāo)的真?zhèn)问强尚械摹?/p>

圖5 第96～103幀目標(biāo)坐標(biāo)曲線圖Fig.5 The 96th～103th frame target coordinate curve

5 結(jié) 論

本文研究了簡(jiǎn)單背景下,運(yùn)動(dòng)目標(biāo)的穩(wěn)定跟蹤問(wèn)題,但是對(duì)于以下幾個(gè)問(wèn)題還需要進(jìn)一步深入研究:

(1) 復(fù)雜背景下目標(biāo)的跟蹤

對(duì)背景復(fù)雜或者相似目標(biāo)太多且干擾相對(duì)太大的情況的目標(biāo)的跟蹤技術(shù)的研究。

(2) 典型情況分析

本文中進(jìn)行仿真的圖像序是列典型圖像序列,不表示包含所有目標(biāo)運(yùn)動(dòng)情況,對(duì)于一些沒(méi)有考慮到的情況,跟蹤效果未知。

[1] 劉普寅,吳孟達(dá)編著.模糊理論及其應(yīng)用[M].長(zhǎng)沙:國(guó)防科技大學(xué)出版社.1998. LIU Puyin,WU Mengda.Applications of Fuzzy Theory[M].Changsha:National University of Defense Technology Press,1998.[2] 黃靜.紅外目標(biāo)的檢測(cè)與跟蹤.大連理工大學(xué)碩士學(xué)位論文[D].2002.

HUANG Jing.Detection and tracking of infrared target.Master Dissertation of Dalian University of Technology[D].2002.

[3] 王立新.自適應(yīng)模糊系統(tǒng)與控制[M].北京:國(guó)防工業(yè)出版社,1995.

WANG Lixin.Self-adaption System and Control[M].Beijing:National Defense Industry Press,1995.

[4] 江澤濤,趙容椿,黎明.一種基于相關(guān)的分層匹配的目標(biāo)跟蹤方法[J].航空學(xué)報(bào),2006,27(4):pp670-674.

JIANG Zetao,ZHAO Rongchun,LI Ming.Method ofHierarchical Matching Based on Correlation[J].Aeronautical Journal,2006,27(4):pp670-674.

[5] Xu M,Ellis T.Partial observation vs.blind tracking through occlusion[J].In:Proceedings of British Machine Vision Conference,Cardiff:BMVA,2002:777-786.

[6] 劉其真.模糊記憶方法用于紅外圖像飛行目標(biāo)跟蹤.工程圖形學(xué)報(bào),2000,23:40-44.

LIU Qizhen.Fuzzy Memory Method for Infrared ImageFlight Target Tracking[J].Journal of Engineering Graphics.2000,23:40-44.

Application of Fuzzy Theory to Moving Target Tracking under Occlusion

LIU Ying

(Unit 91404,Qinhuangdao 066001,China)

Occlusion is one of the difficult problems in target tracking algorithm.Using fuzzy algorithm to simulate the human memory process,combined with the temporal correlation and spatial correlation of image sequences,fuzzy analysis is employed to traclc moving object dynamically,and good result is achieved.It case of the target being partially occluded or false target jamming etc.,a target tracking algorithm is put forward by combination of hierarchical template matching and fuzzy tracking.Simulation experiments are carried out in MATLAB software environment.The experimental results show that the algorithm realizes stable and real-time target tracking process in the presence of occlusion,pseudo target interference.

fuzzy theory; occlusion; target tracking

劉 穎 女(1978-),河北秦皇島人,工程師,主要研究方向?yàn)殡娮訉?duì)抗技術(shù)。

TP 18

A