一種快速穩(wěn)定的對比度跟蹤方法

王思遠(yuǎn)，姚志均

(中國船舶重工集團(tuán)公司第七二三研究所，江蘇 揚州 225001)

一種快速穩(wěn)定的對比度跟蹤方法

王思遠(yuǎn)，姚志均

(中國船舶重工集團(tuán)公司第七二三研究所，江蘇 揚州 225001)

基于峰值的對比度跟蹤方法是軍事應(yīng)用中最常用的目標(biāo)跟蹤方法之一。在分析了該傳統(tǒng)方法的不足之后，提出了新的快速穩(wěn)定的對比度跟蹤方法。本文方法利用積分圖像大幅減少重復(fù)計算，從而加快了尋找峰值的速度；同時，本文方法記錄了具有相同最大值或最小值的所有子窗口位置信息，利用這些信息求得目標(biāo)的當(dāng)前位置。實驗結(jié)果表明，與傳統(tǒng)方法相比，本文方法的跟蹤結(jié)果更穩(wěn)定，計算速度更快。

目標(biāo)跟蹤；對比度跟蹤；積分圖像；圖像處理

0 引 言

光電制導(dǎo)武器的跟蹤系統(tǒng)通過提取目標(biāo)在圖像中的位置信息，計算出跟蹤的角度誤差信號，以驅(qū)動跟蹤伺服機構(gòu)，從而實現(xiàn)對目標(biāo)的準(zhǔn)確跟蹤。目前軍事應(yīng)用中比較實用的目標(biāo)跟蹤方法主要分為對比度跟蹤和相關(guān)跟蹤兩大類[1-3]。

對比度跟蹤，又稱波門跟蹤，是通過比較目標(biāo)與背景之間的對比度來自動跟蹤目標(biāo)的一種方法。該方法根據(jù)跟蹤參考點的不同，又可分為：基于邊緣的對比度跟蹤法[4]、基于形心的對比度跟蹤法[5]、基于峰值的對比度跟蹤法[6]。波門跟蹤的特點是運算量較小，實時性強，但其對目標(biāo)背景的對比度要求比較苛刻，識別目標(biāo)的能力差，難以跟蹤復(fù)雜背景中的目標(biāo)。

相關(guān)跟蹤[7-8]，也稱模板匹配，首先提取目標(biāo)模板，然后與圖像中各個圖像區(qū)域(大小與目標(biāo)模板一樣)作比較，以與目標(biāo)模板最相似或距離最小的圖像位置作為目標(biāo)的當(dāng)前位置進(jìn)行跟蹤。該方法具有很高的精度和很強的適應(yīng)性, 對圖像灰度值的線性變換具有一定的魯棒性，但其計算量很大，很難滿足實時性要求。

由于光電子技術(shù)的飛速發(fā)展，圖像的分辨率越來越大，這就要求目標(biāo)跟蹤算法的計算量要小，尤其是跟蹤高速運動目標(biāo)時，更要求算法具有很好的實時性。本文通過分析基于峰值的對比度跟蹤方法的優(yōu)缺點，進(jìn)而提出了一種快速穩(wěn)定的對比度跟蹤方法。

1 基于峰值的對比度跟蹤方法

基于峰值的對比度跟蹤是以目標(biāo)圖像上最亮點(即白目標(biāo))或最暗點(即黑目標(biāo))作為跟蹤參考點的跟蹤方法。因為最亮點是圖像函數(shù)的峰值點，最暗點是圖像函數(shù)經(jīng)倒相后(正負(fù)極性反轉(zhuǎn)，成為負(fù)像)的峰值點，所以也稱為峰值跟蹤。在對比度跟蹤的各種方法中，峰值跟蹤是最靈敏、反應(yīng)速度最快的一種方法。

雖然峰值跟蹤法是通過尋找圖像中最亮或最暗的像素作為目標(biāo)的跟蹤位置，然而圖像中往往存在大量的噪聲，故僅用一個像素的信息去判斷最亮或最暗是不可靠的。

為此，在實際應(yīng)用中，一般用一個子窗口(如4×4，8×8)內(nèi)的像素值之和的最大值或最小值來代替最亮或最暗，以作為搜索目標(biāo)位置的依據(jù)。這樣，從當(dāng)前波門圖像的左上角開始搜索，依次從左到右，從上到下，以子窗口內(nèi)像素值之和的最大值或最小值的圖像位置作為與目標(biāo)最相似的子窗口，并以該子窗口的中心作為目標(biāo)的當(dāng)前位置進(jìn)行跟蹤。

經(jīng)分析，上述跟蹤過程中存在2個問題：

(1) 在計算每個子窗口內(nèi)的像素值之和時，存在大量的重復(fù)計算，從而影響了算法的實時性；

(2) 整個搜索過程中，可能會碰到多個子窗口具有相同的最大值或最小值，而傳統(tǒng)的方法是取第1個子窗口作為目標(biāo)位置，這使得跟蹤的位置離目標(biāo)中心有一定的距離。

為了克服上述2個問題，本文提出了一種快速穩(wěn)定的對比度跟蹤方法，首先利用積分圖像技術(shù)來大幅度減少重復(fù)計算；其次，當(dāng)存在多個子窗口具有相同的最大值或最小值時，記錄這些子窗口的位置信息，然后求它們的平均值作為目標(biāo)的當(dāng)前位置進(jìn)行跟蹤。

2 快速穩(wěn)定的對比度跟蹤方法

2.1 積分圖像

設(shè)波門圖像I的大小為w×h，其對應(yīng)的積分圖像構(gòu)建過程如下：首先對圖像I中的每一列，以列的方向從上往下累加各像素的灰度值，得到一個中間結(jié)果Temp；再對這個中間結(jié)果中的每一行，以行的方向從左到右累加各像素的值，生成積分圖像I′。積分圖像的構(gòu)建過程可以用如下2個公式來表示：

(1)

(2)

上述2個公式也可合并為1個公式，如公式(3)所示：

(3)

這樣,積分圖像中任一位置(x,y)的值表示圖1中斜線區(qū)域內(nèi)所有像素的灰度值之和。

圖1 積分圖像示意圖

有了積分圖像之后，就可以大幅提高矩形圖像區(qū)域內(nèi)所有像素的灰度值之和。對于波門圖像I中的任一矩形區(qū)域R(x1,y1;x2,y2)，其中(x1,y1)是區(qū)域R的左上角坐標(biāo)，(x2,y2)是區(qū)域R的右下角坐標(biāo)，如圖2所示。則區(qū)域R內(nèi)所有像素的灰度值之和的計算公式如下：

Ssum(x1,y1;x2,y2)=I′(x2,y2)+I′(x1-1,

y1-1)-I′(x1-1,y2)-I′(x2,y1-1)

(4)

圖2 積分圖像用法示意圖

2.2 對比度跟蹤

如第1節(jié)中所說，為了減少噪聲的影響，實際應(yīng)用中往往是以一個子窗口為觀測單位，而不是以單個像素為觀測單位，即比較各個子窗口的對比度，而不是比較單個像素的對比度。

設(shè)子窗口的大小為n×m(1

3 實驗結(jié)果與分析

為了驗證本文提出的快速穩(wěn)定的對比度跟蹤方法的有效性和性能，本節(jié)通過實驗比較本文提出的新方法與傳統(tǒng)的基于峰值的對比度跟蹤方法的計算速度和穩(wěn)定性。

圖3是從紅外圖像中提取到的一個波門圖像，其高、寬分別為96和72，跟蹤的目標(biāo)是一個白目標(biāo)。圖3中的點1為傳統(tǒng)方法的跟蹤結(jié)果，點2為本文方法的跟蹤結(jié)果，顯然點2比點1更靠近目標(biāo)中心，這就表明本文方法比傳統(tǒng)方法更穩(wěn)定。

實驗中，2種方法所使用的子窗口大小一樣，都為4×4。實驗使用的硬件平臺是1臺普通PC，其CPU為Pentium(R)Dual-Core CPU,2.6 GHz,內(nèi)存為2G，操作系統(tǒng)為Windows XP SP3，使用的仿真軟件為MATLAB R2 013 a。對圖3做了50次測試，實驗結(jié)果如圖4所示。本文方法的平均耗時為0.003 4 s，而傳統(tǒng)方法的耗時為0.020 8 s，是本文方法的6.117 6倍，顯然本文方法大幅提升了計算速度。

圖3 2種方法對白目標(biāo)跟蹤的結(jié)果對比圖

圖4 2種方法跟蹤圖3中白目標(biāo)時的計算耗時比較

圖5是從可見光圖像中提取到的一個波門圖像，其高、寬分別為200和200，跟蹤的目標(biāo)是一個黑目標(biāo)。圖5中的點1為傳統(tǒng)方法的跟蹤結(jié)果，而點2為本文方法的跟蹤結(jié)果。很明顯，點2比點1靠近目標(biāo)中心，說明本文方法還是比傳統(tǒng)方法更穩(wěn)定一些。2種方法的耗時情況如圖6所示，其中本文方法的平均耗時為0.019 8 s，而傳統(tǒng)方法的耗時為0.125 6 s，是本文方法的6.343 4倍。因此，本文方法比傳統(tǒng)方法更快速，而且當(dāng)搜索范圍增大時，速度提升更有優(yōu)勢。

圖5 2種方法對黑目標(biāo)跟蹤的結(jié)果對比圖

4 結(jié)束語

本文在分析了傳統(tǒng)的基于峰值的對比度跟蹤方法之后，提出了新的快速穩(wěn)定的對比度跟蹤方法。該方法首先對波門圖像構(gòu)建一個積分圖像，這樣就可以通過查表的方式得到子窗口內(nèi)所有像素的灰度值之和，大幅減少重復(fù)計算，從而加快了尋找最大值

圖6 2種方法跟蹤圖5中黑目標(biāo)時的計算耗時比較

或最小值的速度；同時，考慮到可能存在多個子窗口具有相同的最大值或最小值，故該方法在搜索的過程中記錄了具有相同最大值或最小值的所有子窗口位置信息，然后利用這些信息求得目標(biāo)的當(dāng)前位置。實驗結(jié)果表明，與傳統(tǒng)方法相比，本文方法的跟蹤結(jié)果更穩(wěn)定，計算速度更快，而且波門圖像更大，速度提升更明顯。

[1] 李尊民．電視圖像自動跟蹤的基本原理[M].北京：國防工業(yè)出版社，1998．

[2] 鮑學(xué)良,范惠林,劉成亮,陳丹強.電視制導(dǎo)武器系統(tǒng)圖像跟蹤方法研究[J].吉林大學(xué)學(xué)報(信息科學(xué)版),2012,30(4):355-360.

[3] 張然,呂高杰,張國華.光電目標(biāo)圖像自動跟蹤技術(shù)研究 [J].電光與控制,2008,15(9)：65-68.

[4] 劉火平,吳欽章,劉揚,曹曉偉.多邊緣法實現(xiàn)對高速擴(kuò)展目標(biāo)解體的自動跟蹤[J].光電工程,2010,37(11):8-13.

[5] 任曉偉,李晉惠,梁向陽.一種空中運動多目標(biāo)形心跟蹤方法[J].西安工業(yè)學(xué)院學(xué)報,2004,24(4):344-348.

[6] 楊滿忠．電視指令制導(dǎo)空地導(dǎo)彈作戰(zhàn)運用研究[M]．北京：國防工業(yè)出版社，2003.

[7] 周瑞琪,江加和,趙玉俠.一種實用的快速相關(guān)跟蹤算法[J].計算機仿真,2006,23(2):93-95.

[8] VIOLA P,JONES M.Rapid object detection using a boosted cascade of simple features[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition,Kauai,HI,USA:IEEE,2001:511-518.

AFastandStableContrastTrackingMethod

WANG Si-yuan,YAO Zhi-jun

(The 723 Institute of CSIC,Yangzhou 225001,China)

The contrast tracking method based on the peak is one of target tracking methods most commonly used in millitary applications.This paper proposes a new fast and stable contrast tracking method after analyzing the shortcomings of traditional methods.For the proposed method,the integral image is used to reduce the repeated calculation greatly and speed up the search for the peak.At the same time,the new method records the position information of all sub-windows with the same maximum or minimum,which is used to calculate the current position of the target.The experimental results show:compared with the traditional method,the trcking result of proposed method is more stable and the calculation speed is faster.

target tracking;contrast tracking;integral image;image processing

TP391.4

A

CN32-1413(2017)05-0081-03

10.16426/j.cnki.jcdzdk.2017.05.017

2017-09-18