一種運動攝像機下的人群目標跟蹤方法研究

汪少文　王巍

摘? 要：針對移動攝像機下的人群目標跟蹤問題，提出了一種目標跟蹤方法。該方法利用顏色與輪廓兩種特征描述跟蹤目標，并運用Bhattacharyya距離進行相似度比較，改進傳統(tǒng)的跟蹤算法。實驗結果表明，該方法能夠實現(xiàn)人群目標的跟蹤，對單一顏色與遮擋的目標有很強的魯棒性，能夠實現(xiàn)單目標與雙目標的跟蹤。

關鍵詞：移動攝像機;人群目標特征描述;目標跟蹤

中圖分類號：TP391.41 ? ? ?文獻標識碼：A 文章編號：2096-4706（2019）22-0094-03

Abstract：Aiming at the problem of crowd target tracking under moving camera，a target tracking method is proposed. This method uses color and contour features to describe the tracking target，and uses Bhattacharyya distance to compare the similarity，so as to improve the traditional tracking algorithm. The experimental results show that the method can achieve crowd target tracking，has strong robustness to single color and occluded targets，and can achieve single target and double target tracking.

Keywords：moving camera;crowd target feature description;target tracking

0? 引? 言

運動目標跟蹤被廣泛應用于視頻監(jiān)控、國防安全、航空航天、醫(yī)藥衛(wèi)生等領域。目標跟蹤可以分為兩大類[1]：靜止背景下的目標跟蹤與動態(tài)背景下的目標跟蹤。前者采用的是固定的攝像機進行視頻的采集，拍攝的背景相對固定，在現(xiàn)實生活中有廣泛的應用，如：治安監(jiān)控系統(tǒng)、交通監(jiān)視系統(tǒng)和室內的監(jiān)控等;后者是在攝像機進行運動的情況下的一種跟蹤方法，主要應用于基于車載攝像機的跟蹤、無人機的跟蹤等?；陟o止背景下的目標跟蹤算法相對成熟，而在攝像機運動的情況下，目前的研究較少，算法的復雜度相對較高。

現(xiàn)如今的目標跟蹤與人群的處理大部分都是基于固定的攝像頭。在人群復雜的情況下，只能從宏觀上對人群進行研究與分析，無法對人群中的某個特定目標實施有效的跟蹤。為了解決這一問題，提出了一種運動攝像機情況下的人群目標跟蹤技術，從個體方面對人群中的目標進行跟蹤，豐富了人群目標研究，具有較好的跟蹤效果。

1? 粒子濾波器原理

粒子濾波技術包括2個基本步驟：預測和更新。

1.1? 粒子濾波的實現(xiàn)

粒子濾波算法[2]思想源于蒙特卡洛思想，在復雜環(huán)境下對目標的狀態(tài)估計十分有效，它能夠為運動狀態(tài)估計提供一種概率框架。動態(tài)系統(tǒng)k時刻的狀態(tài)向量為xk，觀測向量為zk，跟蹤問題可以描述為：在已知累積到k時刻所有觀測值z1：k=（z1，…，zk）的條件下，計算k時刻的狀態(tài)xk。在貝葉斯序貫估計中，后驗概率密度可以由預測階段和濾波階段計算得出。

1.2? 粒子濾波算法的分析

傳統(tǒng)的粒子濾波跟蹤算法中，目標模型的建立通常采用一種特征，如顏色直方圖特征、邊緣梯度、方向梯度直方圖。這些單一的特征在復雜的外部環(huán)境下無法實現(xiàn)對目標的有效跟蹤。本文主要研究的是移動攝像機下的人群目標跟蹤，人群由于其存在的復雜性一直是計算機視覺領域的一個難點。人群中可能包含各種各樣的個體，充斥著大量的相似個體，遮擋現(xiàn)象嚴重，單一特征無法有效地描述特定的跟蹤目標。為了提高跟蹤的魯棒性，對人群中的目標進行多特征的描述，雖然在跟蹤中使用越多的特征能越全面地描述目標，提高跟蹤的準確性，但計算的時間和空間復雜度也會相應地增加，所以選取合適的特征對目標進行描述顯得十分重要。

2? 目標特征介紹

由于單一特征無法準確描述運動目標，實現(xiàn)人群目標的跟蹤，采用多特征的目標描述方法顯得十分必要。目標的顏色特征[3]具有穩(wěn)定性高、有效的抗部分遮擋、計算量較小等優(yōu)點，但對背景光照變化敏感，且具有相似顏色干擾信息時，跟蹤的準確性大大降低的問題。

2.1? 顏色特征介紹

顏色特征在實驗中，將RGB顏色空間轉換到HSV顏色空間，將顏色信息劃分m1=10×10+10成為個等級。利用式（5）可以計算出目標中每個像素的權重：

2.2? 邊緣直方圖

顏色特征是一種應用廣泛的特征，在多數(shù)跟蹤任務中都有很好的表現(xiàn)。然而，當背景顏色與目標顏色特征相似時，背景顏色信息會對目標跟蹤形成干擾，誤把背景當作目標。為了解決這種缺陷，提高跟蹤魯棒性，可以將目標的其他特征與顏色特征結合建立觀測模型。本文應用邊緣直方圖特征對特定區(qū)域的邊界信息進行統(tǒng)計，結合顏色特征描述目標。

其中，為高斯方差。式（12）越大，說明候選目標與目標模板的輪廓越相似，候選目標是真實目標的可能性越大。輪廓特征Bhattacharyya距離由目標模型的輪廓方向分布與候選目標的輪廓方向分布確定;顏色特征的Bhattacharyya距離由目標顏色分布與參考目標顏色分布確定。兩種特征的融合提高了跟蹤的魯棒性，能夠很好地跟蹤人群中的特定目標。

3? 粒子濾波跟蹤算法的實現(xiàn)與實驗結果

3.1? 粒子濾波跟蹤算法的實現(xiàn)

粒子濾波跟蹤分為目標模型初始化和遞歸跟蹤系統(tǒng)。本文使用視頻文件進行實驗，算法的實現(xiàn)步驟如下：

步驟1：初始化particle（確定粒子的個數(shù)）。粒子個數(shù)的多少與跟蹤的速度和跟蹤的效果息息相關。

步驟2：提取跟蹤目標特征。選取視頻中需要跟蹤的人群目標，計算跟蹤目標的特征。

步驟3：釋放particle。在上一幀得到的目標附近按照高斯分布來釋放particle。

步驟4：求particle區(qū)域的特征直方圖。根據(jù)上一幀傳遞來的粒子位置、形狀信息確定候選目標區(qū)域，計算候選區(qū)域特征的概率密度。

步驟5：特征對比，更新particle的權重。計算候選目標模型與目標模型的相似度，得到每個粒子對應的觀測值的概率密度，進而更新粒子的權值。

步驟6：歸一化。將每個粒子算出后的相似度做歸一化，使得所有的粒子得到的相似度加起來等于1。

步驟7：重采樣。在相似度高的地方多放粒子，相似度低的地方少放粒子。

步驟8：計算粒子的期望，重復算法實現(xiàn)對目標的動態(tài)跟蹤。

3.2? 實驗結果

本文運用VS2010配置OpenCV2.3.1進行實驗平臺的搭建。選取了一段移動攝像機下的人群視頻進行實驗，對本文提出的人群目標跟蹤方法進行驗證。分別進行單目標跟蹤與多目標跟蹤兩個實驗。

實驗1：對單目標進行跟蹤。實驗分別采用單特征情況下的跟蹤與多特征情況下的跟蹤兩種方法，通過比較實驗結果判別本文方法的可行性與魯棒性。實驗選用了顏色特征，在第一幀通過手動選擇跟蹤目標，并通過顏色直方圖進行特征對比。在跟蹤的初始階段單特征能夠完成跟蹤，但在后續(xù)的跟蹤過程中，由于單一特征的不穩(wěn)定性，跟蹤目標會發(fā)生變化，特別在目標周圍出現(xiàn)相近的顏色時，容易發(fā)生跟蹤錯誤。

本文運用多特征的方法進行跟蹤，能夠克服單一特征跟蹤過程中會出現(xiàn)的跟蹤目標丟失情況，在跟蹤目標遇到遮擋情況時也能夠具備良好的跟蹤效果。

遮擋目標的跟蹤一直是計算機跟蹤中的一個難點，本文采用的多特征方式能夠很好地實現(xiàn)遮擋后的目標跟蹤。當遮擋情況出現(xiàn)之前，粒子會對周圍做高斯形式的探測，跟蹤目標被遮擋時會根據(jù)顏色直方圖與邊緣直方圖進行選擇判斷，在無遮擋后能夠很好地跟蹤移動目標。

實驗2：多目標跟蹤。實驗中選擇了最簡單的一種多目標情況——雙目標進行跟蹤，在攝像機進行移動的情況下，本文的方法能夠實現(xiàn)雙目標的跟蹤。通過手動選擇兩個需要跟蹤的目標，分別用兩種顏色的窗口進行標記，通過一段時間進行驗證，跟蹤的窗口能夠時刻在目標周圍移動，沒有發(fā)生目標丟失的情況。

4? 結? 論

本文提出了一種有效的對移動攝像機下的人群目標進行跟蹤的方法，選取了一段復雜的路邊環(huán)境進行實驗，通過顏色與輪廓兩種特征實現(xiàn)對跟蹤目標的描述，證明相比單特征，多特征能夠更好地完成目標的跟蹤，跟蹤具有較高的魯棒性。本文分別進行單目標跟蹤與多目標跟蹤兩個實驗，驗證了方法的可行性與可靠性。下一步的主要工作是進行其他特征的融合，在融合的過程中考慮算法的效率，希望找到一種更加有效的實時目標跟蹤方法。

參考文獻：

[1]? 張娟，毛曉波，陳鐵軍.運動目標跟蹤算法研究綜述 [J].計算機應用研究，2009，26（12）：4407-4410.

[2] 王國良，劉金國.基于粒子濾波的多自由度運動目標跟蹤 [J].光學精密工程，2011，19（4）：864-869.

[3] 鄭明恩，管業(yè)鵬.基于膚色與膚色矩實時視頻人臉檢測與跟蹤 [J].計算機工程與設計，2008，29（4）：879-881.

[4] 劉惟錦，章毓晉.基于Kalman 濾波和邊緣直方圖的實時目標跟蹤 [J].清華大學學報（自然科學版），2008，48（7）：1104-1107.

作者簡介：汪少文（1991-），女，漢族，江西上饒人，助理講師，碩士研究生，研究方向：管理科學與工程;王?。?989-），男，漢族，江蘇宿遷人，碩士，研究方向：計算機科學與技術。