基于模糊粒子濾波器的夜間車輛目標(biāo)識(shí)別

李俊瑤

（江蘇警官學(xué)院刑事科學(xué)技術(shù)系圖文教研室，南京210000）

0 引言

車輛識(shí)別檢測(cè)是偵查工作中不可或缺的環(huán)節(jié)，目前，對(duì)于車輛的識(shí)別與追蹤多基于車牌，對(duì)于無牌、套牌車等無法實(shí)現(xiàn)有效地追蹤。另外，一線民警在進(jìn)行圖偵工作時(shí)，仍以人工識(shí)別追蹤為主，正確率雖有保證，但耗時(shí)耗力影響辦案效率，如何對(duì)車輛進(jìn)行有效地識(shí)別、追蹤迫在眉睫。

在目標(biāo)識(shí)別檢測(cè)問題中，最為常用的方法為基于貝葉斯濾波的兩類方法[1-2]，即卡曼濾波方法[3-4]和粒子濾波方法[5-6]。粒子濾波算法采用了蒙特卡羅方法的思想，使用樣本或粒子來近似表示系統(tǒng)后驗(yàn)概率，并將其應(yīng)用于非線性系統(tǒng)狀態(tài)的估計(jì)。由于粒子濾波算法可以處理任意形式的概率，不受限于線性高斯分布的概率問題，因而在視頻目標(biāo)追蹤領(lǐng)域得到了廣泛的應(yīng)用。不同類型的粒子濾波器也相繼被提出和應(yīng)用，如采用基于核密度估計(jì)的粒子濾波算法[7-11]、基于Gabor特征的粒子濾波算法[12,13]、和基于Haar 特征的粒子濾波算法[14,15]等。

然而，現(xiàn)有的各類方法大都基于白天的視頻檢測(cè)，對(duì)于夜間視頻檢測(cè)的適用性并不高。對(duì)于粒子濾波算法而言，該算法對(duì)目標(biāo)的識(shí)別依賴于視頻圖像中的色彩直方圖信息，當(dāng)視頻中光線不足、被識(shí)別目標(biāo)和背景區(qū)分度不高時(shí)，粒子濾波方法的可靠性并不高。另外，人類視覺系統(tǒng)使用的HSI 色彩空間與視頻色彩直方圖所使用的RGB 空間不同，需要進(jìn)行有效地統(tǒng)一。

為了解決這一問題，提高夜間監(jiān)控視頻目標(biāo)識(shí)別的準(zhǔn)確率，本文提出一種基于模糊粒子濾波器的目標(biāo)識(shí)別算法。首先將原始視頻幀圖像轉(zhuǎn)換到新的HRsg色彩空間[16]，并進(jìn)行濾波降噪處理；隨后，引入模糊理論，對(duì)預(yù)處理后的視頻圖像信息建立模糊隸屬度信息，將其作為粒子濾波方法的信息輸入源，實(shí)現(xiàn)對(duì)夜間視頻目標(biāo)的實(shí)時(shí)檢測(cè)。對(duì)比試驗(yàn)表明，本文提出的方法較傳統(tǒng)方法準(zhǔn)確性和可靠性更高，魯棒性好，能夠滿足實(shí)際應(yīng)用需求。

1 模糊粒子濾波器的目標(biāo)識(shí)別算法

1.1 粒子濾波算法

粒子濾波是一種基于蒙特卡洛仿真的近似貝葉斯濾波算法。其核心思想是用一些離散隨機(jī)采樣點(diǎn)近似系統(tǒng)隨機(jī)變量的概率密度函數(shù)，以樣本均值代替積分運(yùn)算，從而獲得狀態(tài)的最小方差估計(jì)。

若令X 代表系統(tǒng)的真實(shí)狀態(tài)，Z 為系統(tǒng)的觀測(cè)狀態(tài)，在給定的t 時(shí)刻時(shí)，Xt表示該時(shí)刻系統(tǒng)的真實(shí)狀態(tài)值，而Zt則為該時(shí)刻系統(tǒng)的觀測(cè)狀態(tài)值。粒子濾波的核心思想為如何利用已有的觀測(cè)值信息（Z1:t）去預(yù)測(cè)概率分布。這一過程主要可分為兩步：

第一步：預(yù)測(cè)如公式（1）所示，其中p( )X1:t-1|Z1:t-1可以視為已知量，p( )

X1:t|Z1:t-1可以看作在接收到最新觀測(cè)值Zt前Xt的先驗(yàn)概率分布。

第二步：更新

利用最新的觀測(cè)值Zt和貝葉斯規(guī)則，對(duì)先前的預(yù)測(cè)值進(jìn)行更新，得到Xt的后驗(yàn)分布如公式（2）所示：

其中δ(.)狄拉克δ 函數(shù)，N 為粒子數(shù)。

為了簡(jiǎn)化目標(biāo)跟蹤程序，采用Bootstrap 粒子濾波器，有：

1.2 HSrg色彩空間與模糊粒子濾波

為實(shí)現(xiàn)對(duì)夜間運(yùn)動(dòng)車輛的識(shí)別，引入新的色彩空間和模糊理論來解決這一問題?；谛碌纳士臻g和模糊集理論的跟蹤模型包括幀色彩處理和背景剔除兩個(gè)環(huán)節(jié)。首先，利用初始識(shí)別結(jié)果，獲取前景和背景的色彩信息，并間初始視頻幀處轉(zhuǎn)換為新的色彩空間HSrg，其中HS 為HSV 中的兩個(gè)圖層，r 和g 分別為RGB 圖層中的對(duì)應(yīng)的R 和G 圖層標(biāo)準(zhǔn)化后的圖層，即有r=R/( R+ G+B )和g=G/( R+ G+B)。為了減輕圖像中噪聲的影響，分別對(duì)識(shí)別目標(biāo)在HSrg 色彩空間中每個(gè)圖層使用中值濾波，得到濾波后的值分別為：

圖1 模糊粒子濾波流程

類似地，可以計(jì)算初始幀圖像在每個(gè)通道的中值濾波后的結(jié)果，可以分別記為：MbH、MbS、Mbg和Mbr。

利用對(duì)HSrg 色彩空間中視頻幀的中值濾波結(jié)果，引入模糊理論，計(jì)算每一個(gè)色彩通道的隸屬度信息（uH，uS，ur和ug）。隸屬度函數(shù)采用最為常用的高斯函數(shù)的變形形式，以滿足隸屬度最大值為1 的條件。相應(yīng)地，可以得到每個(gè)通道的隸屬度：

式中σH=MbH-MoH，σS=MbS-MoS，σr=Mbr-Mor，σg=Mbg-Mog。參數(shù)λ 決定了對(duì)隸屬度函數(shù)對(duì)前景和背景的區(qū)分能力，λ 值越小，區(qū)分能力越高。最終的隸屬度可以定義為：

為實(shí)現(xiàn)粒子濾波，還需要對(duì)隸屬度進(jìn)行去模糊化處理。采用α-截方法，可以表示為：

對(duì)應(yīng)的圖像數(shù)據(jù)為：

將模糊化處理后的圖像數(shù)據(jù)傳遞到粒子濾波器中，便可實(shí)現(xiàn)對(duì)被追蹤目標(biāo)的識(shí)別。

綜上，模糊粒子濾波算法基本流程如圖1 所示。首先對(duì)原始視頻幀圖像進(jìn)行HSrg 轉(zhuǎn)換，對(duì)HSrg 模式下的圖形進(jìn)行模糊處理，對(duì)每個(gè)通道模糊化后的圖像中值濾波使被識(shí)別目標(biāo)特征更為明顯。隨后，處理后的結(jié)果去模糊化處理，傳遞到粒子濾波器，實(shí)現(xiàn)對(duì)被追蹤目標(biāo)的識(shí)別。

2 仿真應(yīng)用

為了驗(yàn)證本文提出算法的有效性，采用夜間監(jiān)控視頻作為檢驗(yàn)素材，仿真實(shí)驗(yàn)在MATLAB 2018a 軟件，Windows 10（x64）平臺(tái)下進(jìn)行，初始的粒子數(shù)目設(shè)定N=90。為了驗(yàn)證本文所提出方法的有效性和優(yōu)勢(shì)，將實(shí)驗(yàn)結(jié)果與經(jīng)典粒子濾波算法的結(jié)果進(jìn)行了對(duì)比分析，仿真實(shí)驗(yàn)結(jié)果如圖2 所示。從圖中可以看出，基于模糊粒子濾波的識(shí)別結(jié)果較經(jīng)典的粒子濾波算法更為準(zhǔn)確，在夜間監(jiān)控視頻中，能夠更好地將被識(shí)別目標(biāo)和背景區(qū)分開來，魯棒性更好。

圖2 仿真實(shí)驗(yàn)結(jié)果（紅色框?yàn)楸疚乃惴ǖ淖R(shí)別結(jié)果，綠色框?yàn)榻?jīng)典粒子濾波算法結(jié)果）

3 結(jié)語(yǔ)

本文提出了HRsg 色彩空間下的模糊粒子濾波算法。新的色彩空間和模糊隸屬度的引入能夠使得算法更好地區(qū)分視頻中背景和被識(shí)別目標(biāo)，特別是針對(duì)夜間視頻素材，識(shí)別和目標(biāo)和背景區(qū)分度不高，進(jìn)而提高目標(biāo)識(shí)別的可靠性和準(zhǔn)確性。仿真對(duì)比試驗(yàn)驗(yàn)證了本文提出算法在夜間視頻目標(biāo)識(shí)別的有效性和可靠性。