基于圖像識別的深海探測目標跟蹤系統(tǒng)開發(fā)

李曉偉，葛錫云，馮雪磊，陳南若

(中國船舶科學(xué)研究中心 深海載人裝備國家重點實驗室，江蘇 無錫 214082)

0 引言

光學(xué)成像探測是目前載人潛器和水下機器人對目標物進行近距離觀察和輔助作業(yè)的主要途徑。由于高速攝像技術(shù)發(fā)展迅速，更高分辨率、更高速度攝像機的出現(xiàn)對相機成像質(zhì)量的要求也在提高[1]。由于水下相機的控制人員往往擔負著潛器的其他操控任務(wù)，不能第一時間對潛器相對于目標運動情況做出反應(yīng)且對運動目標無預(yù)見性，通過手動控制云臺來捕捉目標會造成拍攝圖像的抖動和失焦等現(xiàn)象，不利于任務(wù)效率的提高。

目標跟蹤在軍事偵察、安防監(jiān)控和智能交通等很多領(lǐng)域得到了廣泛應(yīng)用[2-3]，但是在深海探測中很少有應(yīng)用，有必要開發(fā)一種能夠長時間自動跟蹤目標，并且根據(jù)目標與攝像機的位置變化能夠自動進行補償，最終實現(xiàn)對目標進行對準的跟蹤系統(tǒng)。

1 時空上下文STC跟蹤器設(shè)計

深海探測作業(yè)實現(xiàn)水下光學(xué)探測跟蹤的核心是目標的跟蹤算法。根據(jù)背景是否參與計算跟蹤算法可分為生成式跟蹤算法和判別式跟蹤算法[4-6]。目前廣泛采用的機器視覺跟蹤算法有如MIL、IMIL、IVT、FCT、VTD、TLD 及 Box-PF、IA-MCMC、ANNF-SSAMC算法等[7],但離真正實時跟蹤的要求還有差距。Zhang[8]等人提出了相比前者更加高效的基于上下文的STC跟蹤算法，其快速性超過了大部分主流算法。

1.1 STC跟蹤算法

STC跟蹤算法中當前幀的置信圖函數(shù)c(x)表示為：

c(x)=∑v(z)εXCP(x|v(z),o)P(v(z)|o).

(1)

其中：x為目標相對于圖像位置；o為目標對象；z為需要進行處理運算的像素點位置；v(z)為當前幀中z處的上下文特征；XC={v(z)=[I(z)，z]|z∈ΩC(x*)}為上下文特征集合，I(z)為圖像中z處的灰度值，x*為目標中心位置，ΩC(x*)為目標中心的周圍區(qū)域；P(x|v(z),o)為條件概率，代表了上下文信息的空間關(guān)系，由式(2)表示；P(v(z)|o)為上下文先驗概率，表示局部區(qū)域內(nèi)部每個點為目標的概率，由式(3)表示：

P(x|v(z),o)=hSC(x-z).

(2)

P(v(z)|o)=I(z)ωσ(z-x*).

(3)

其中：hSC(x-z)為目標位置x與z之間距離和方向的函數(shù)，表示了x與z之間的空間上下文關(guān)系。式(3)中權(quán)重函數(shù):

其中：a為歸一化參數(shù)，保證概率取值范圍為[0,1]；σ為尺度參數(shù)。z與x*的距離越大權(quán)重值也就越大。置信圖函數(shù)又可表示為式(4)：

(4)

其中：b為規(guī)則化常數(shù)；α為尺度參數(shù)；β為形狀參數(shù)，為了得到更好的魯棒性，取β=1。由公式(4)可以得到卷積關(guān)系式(5)：

(5)

對式(5)進行快速傅里葉變換可以得到頻域關(guān)系式(6)：

(6)

式(6)再通過傅里葉逆變換可以得到空間上下文的計算公式hSC(x)，即：

(7)

(8)

(9)

至此新的一幀的目標位置即可算出，目標位置得到更新。STC目標跟蹤算法的基本原理如圖1所示。

圖1 STC目標跟蹤算法原理圖

1.2 軟件跟蹤功能的實現(xiàn)及效果檢測

圖2 跟隨誤差結(jié)果

由圖2可以看出跟蹤誤差能夠維持在一個較小的取值范圍內(nèi)，滿足對水下低速轉(zhuǎn)動云臺的控制需求。

2 云臺速度控制功能設(shè)計

云臺電機控制采用速度控制方式，原理為根據(jù)靶框中心與目標框中心的相對位置來確定電機的運行速度，通過不斷更新速度指令來實現(xiàn)目標跟蹤。為了減小畫面抖動，本文云臺控制采用了目標位移和速度信息相結(jié)合的控制方式，實現(xiàn)原理如圖3所示。

圖3 電機控制指令生成原理

3 實驗測試

本文中硬件測試平臺采用雙自由度變速云臺觀察組件，組件包括雙自由度云臺、水下高清攝像機以及補充照明設(shè)備。雙自由度變速云臺與上位機的通訊方式為RS485，硬件測試平臺的實物圖如圖4所示。

圖4 硬件測試平臺實物圖

實驗中速度與跟隨誤差的關(guān)系可以轉(zhuǎn)化為時間與跟隨誤差的關(guān)系，在單方向上可以得出時間與跟隨誤差的關(guān)系式為：

其中：k為比例因子；L為靶框中心與屏幕中心的偏移距離。k值越大時達到穩(wěn)定的時間越短，但過高的k值會造成云臺旋轉(zhuǎn)過快，降低圖像目標識別效果，在此取0.8。為了驗證本文中目標跟蹤系統(tǒng)對目標物的跟蹤是否有效和便于對實驗結(jié)果進行分析，取以半徑為2 m的定速圓周運動的物體為目標物，周期為120 s，中心放置觀察組件，在目標移動到距屏幕中心位置一定距離時啟用跟蹤功能，按照指定周期記錄下屏幕中心與靶框中心之間的跟隨誤差，根據(jù)跟隨誤差絕對值與時間的關(guān)系確定跟蹤功能是否滿足需求。測試結(jié)果如圖5所示，跟蹤功能開啟以后，跟隨誤差開始快速縮小，并且隨著絕對值減小相對速度逐漸降低，當經(jīng)過2 s以后跟隨誤差的值基本達到穩(wěn)定狀態(tài)，跟隨誤差的值穩(wěn)定在20像素點以內(nèi)，靶框中心基本能夠穩(wěn)定在距離屏幕中心一定范圍內(nèi)。經(jīng)過實驗檢測，本文開發(fā)的目標跟蹤系統(tǒng)基本能夠滿足最初設(shè)計需求。

圖5 跟蹤過程中水平方向跟隨誤差與時間關(guān)系

4 結(jié)論

本文在對目前深海探測中光學(xué)觀察手段分析后指出存在的問題，并提出了改進目標。介紹了現(xiàn)有的圖像識別處理算法的發(fā)展狀況，選取了適合處理高清水下圖像的STC算法，在完成了跟蹤器功能開發(fā)的基礎(chǔ)上進行了電機速度控制功能開發(fā)，實現(xiàn)了水下移動目標的跟蹤功能。通過實驗可得出跟蹤系統(tǒng)在對水下低速目標進行跟蹤時能取得較好的效果，具有一定的實用價值，基本滿足了初期的功能需求。

參考文獻：

[1] 張彥敏，謝仁富，陳兵.水下高速攝像與照明系統(tǒng)[J].艦船科學(xué)技術(shù)， 2012，6(6):109-112.

[2] Wu Y，Lim J W，Yang M H.Online object tracking:A benchmark[G]//Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Piscataway:IEEE，2013:2411-2418.

[3] Yilmac A,Javed O,Shah M.Object tracking:A survey[J].ACM Computing Surveys,2006,38(4):13.

[4] 劉威，趙文杰，李成.時空上下文學(xué)習(xí)長時目標跟蹤[J].光學(xué)學(xué)報, 2016,36(1):109-112.

[5] 張紅穎,鄭軒.基于雙目標模型的時空上下文跟蹤算法[J].光學(xué)精密工程,2016,24(5):1215-1223.

[6] Grabner H,Leistner C,Bischof H.Semi-supervised on-line boosting for robust tracking[G]//Proceedings of 10th European Conference on Computer Vision(ECCV).Marseille：[s.n.]，2008：234-247.

[7] 徐建強,陸耀.一種基于加權(quán)時空上下文的魯棒視覺跟蹤算法[J].自動化學(xué)報,2015，41(11):1901-1902.

[8] Zhang K H,Zhang L,Liu Q S,et al.Fast visual tracking via dense spatio-temporal context learning[G]//Proceedings of the 2014 European Conference on Computer Vision (ECCV). Czech Republic: Springer,2014:127-141.

[9] 楊彪，林國余，張為公，等.融合殘差Unscented粒子濾波和區(qū)別性稀疏表示的魯棒目標跟蹤[J].中國圖象圖形學(xué)報，2014，19(5):730-738.