基于Mean Shift算法的卡爾曼濾波紅外攝像頭的目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)

殷啟明，鄧永和，蔣宇洋，喻順濤，肖悅之

（湖南工程學(xué)院 計(jì)算科學(xué)與電子學(xué)院，湘潭 411104）

0 引言

紅外技術(shù)通過(guò)兩百年來(lái)的發(fā)展和沉淀，技術(shù)趨于成熟，由于紅外成像清晰、成本較低，對(duì)場(chǎng)景中的人體目標(biāo)進(jìn)行檢測(cè)和跟蹤一直以來(lái)都受到人們的關(guān)注，在各類生產(chǎn)應(yīng)用場(chǎng)景中得到廣泛應(yīng)用.在計(jì)算機(jī)視覺(jué)領(lǐng)域中，人體目標(biāo)的檢測(cè)與跟蹤已成為一個(gè)重要分支，在機(jī)器人視覺(jué)、人機(jī)對(duì)話、智能監(jiān)控等方面有著良好的發(fā)展?jié)摿蜐撛诘膶?shí)用價(jià)值.由于人體的非剛體性、復(fù)雜的姿態(tài)變化以及復(fù)雜運(yùn)動(dòng)導(dǎo)致人體成像的大小變化，再加上背景干擾、目標(biāo)遮擋以及目標(biāo)運(yùn)動(dòng)的隨意性等特點(diǎn)［1］，使得這一課題的研究更具挑戰(zhàn)性.對(duì)Mean Shift 算法應(yīng)用于紅外跟蹤中的不足提出了解決方法，采用Kalman 濾波和Bhattacharyya 系數(shù)遮擋判定因子結(jié)合的方法解決了在目標(biāo)快速運(yùn)動(dòng)和遇到遮擋情況下的跟蹤效果差的問(wèn)題［2］.

1 研究方法

1.1 系統(tǒng)總體設(shè)計(jì)

設(shè)計(jì)的紅外攝像頭自動(dòng)跟蹤系統(tǒng)，能夠?qū)︾R頭下的目標(biāo)物體進(jìn)行自動(dòng)跟蹤拍攝.通過(guò)紅外自動(dòng)跟蹤攝像頭的檢測(cè)設(shè)備對(duì)周圍環(huán)境中的數(shù)據(jù)進(jìn)行檢測(cè)，攝像頭將采集到的數(shù)據(jù)輸入系統(tǒng)數(shù)據(jù)處理中心，系統(tǒng)微處理器通過(guò)CPU 進(jìn)行數(shù)據(jù)化讀取儲(chǔ)存，并且通過(guò)控制邏輯判斷是否存在異常數(shù)據(jù)，最后進(jìn)行處理與反饋［2］.

紅外跟蹤攝像頭模塊采用的是ov7725 并帶有FIFO（先入先出，對(duì)設(shè)備運(yùn)行要求不高）的攝像頭模塊，ov7725 適用RGB（顏色標(biāo)準(zhǔn)）和YUV（顏色編碼方法）.采用STM32 F103zet6 單片機(jī)作為主控模塊，TFT/LCD 240-320 作為顯示模塊，搭配的舵機(jī)sg90進(jìn)行移動(dòng)目標(biāo)物體的指向工作.當(dāng)目標(biāo)物體出現(xiàn)在鏡頭范圍內(nèi)時(shí)，攝像頭獲取環(huán)境數(shù)據(jù)，將環(huán)境數(shù)據(jù)發(fā)送給單片機(jī)，單片機(jī)的微處理中心對(duì)環(huán)境數(shù)據(jù)進(jìn)行處理.攝像頭取閾值進(jìn)行判斷并構(gòu)建坐標(biāo)系，當(dāng)目標(biāo)物體發(fā)生移動(dòng)時(shí)，將數(shù)據(jù)傳遞給舵機(jī)，發(fā)出對(duì)應(yīng)的PWM 波，驅(qū)動(dòng)舵機(jī)跟隨移動(dòng)，完成整個(gè)自動(dòng)跟蹤拍攝工作.硬件設(shè)計(jì)實(shí)物如圖1 所示.

圖1 硬件實(shí)物圖

1.2 Mean Shift算法跟蹤目標(biāo)原理

如圖2 所示，Mean Shift 算法是一個(gè)無(wú)參數(shù)概率密度估計(jì)算法，對(duì)人體目標(biāo)的隨意性運(yùn)動(dòng)有很強(qiáng)的適應(yīng)能力，能夠很好地跟蹤非剛體目標(biāo).但是對(duì)目標(biāo)物快速運(yùn)動(dòng)以及旋轉(zhuǎn)、形變等姿態(tài)運(yùn)動(dòng)變化不敏感.Mean Shift 算法的主要優(yōu)點(diǎn)是能在短時(shí)間內(nèi)收斂、計(jì)算量小、計(jì)算速度快，特別適合于對(duì)實(shí)時(shí)性要求很高的攝像跟蹤目標(biāo)系統(tǒng)，Mean Shift 算法系統(tǒng)比較獨(dú)立，適合獨(dú)立模塊化，適合與其他算法集成［6］.

圖2 Mean Shift算法迭代過(guò)程

1.3 卡爾曼濾波對(duì)Mean Shift算法優(yōu)化

卡爾曼濾波是一種數(shù)值估計(jì)優(yōu)化算法，在不需要儲(chǔ)存很長(zhǎng)的先驗(yàn)數(shù)據(jù)的情況下就能更新系統(tǒng)模型，在系統(tǒng)模型的確切性質(zhì)不完全明了的情況下就能夠估計(jì)信號(hào)的狀態(tài)［7］.可以利用運(yùn)動(dòng)目標(biāo)上一幀的圖像信息對(duì)目標(biāo)運(yùn)動(dòng)進(jìn)行預(yù)測(cè)，能很好地彌補(bǔ)Mean Shift 算法對(duì)目標(biāo)物的旋轉(zhuǎn)與形變等運(yùn)動(dòng)變化不敏感的缺陷.利用卡爾曼濾波來(lái)預(yù)測(cè)出目標(biāo)的大體位置，采用Mean Shift 算法與卡爾曼濾波結(jié)合的方法，能夠很好地解決運(yùn)動(dòng)目標(biāo)的快速運(yùn)動(dòng)問(wèn)題［8］.

1.4 Bhattacharyya系數(shù)遮擋判定因子

對(duì)于遮擋問(wèn)題，使用Bhattacharyya 系數(shù)作為遮擋判定因子［9］.當(dāng)目標(biāo)被遮擋時(shí)，Bhattacharyya 系數(shù)迅速減少，此時(shí)Mean Shift 算法收斂到與目標(biāo)最相似的區(qū)域，Mean Shift 算法不能較準(zhǔn)確地識(shí)別目標(biāo).當(dāng)采取遮擋處理后重新獲得了目標(biāo)，目標(biāo)匹配的Bhattacharyya 系數(shù)迅速恢復(fù)，因此可以作為遮擋判定的依據(jù).

2 研究結(jié)果與討論

2.1 視頻格式封裝與分時(shí)保存

為了確保紅外跟蹤攝像頭的高性能和穩(wěn)定性，長(zhǎng)時(shí)間持續(xù)穩(wěn)定工作是關(guān)鍵，數(shù)據(jù)的安全性和連續(xù)性體現(xiàn)在視頻完整性和信息連續(xù)性.在運(yùn)行人臉特征檢測(cè)跟蹤的模型的同時(shí)，對(duì)攝像頭捕捉到的圖片幀進(jìn)行連續(xù)的視頻封裝，封裝的視頻為AVI（Audio Video Interleaved）格式，最大的特點(diǎn)就是其強(qiáng)大的兼容性和寬泛的應(yīng)用場(chǎng)景［10］.

在進(jìn)行視頻封裝保存的時(shí)候，規(guī)定保存視頻的路徑（path）為“/sd/yst/avi”，之后每一次寫入視頻之前，系統(tǒng)管理的模塊os 會(huì)對(duì)這個(gè)目錄下文件個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，最新的視頻保存的文件名為（path +“/”+str（num）+“.avi”）如果文件夾中有76 個(gè)視頻文件，則下一個(gè)保存的視頻文件名為77.avi.這樣的保存模式可以確定最新的視頻文件，便于計(jì)算機(jī)進(jìn)行管理.由于該設(shè)計(jì)沒(méi)有配備UPS 電源，為避免突發(fā)性供電缺失導(dǎo)致視頻數(shù)據(jù)丟失，設(shè)置為40 s 保存一下視頻，最大限度地保證視頻內(nèi)容的時(shí)空邏輯的連續(xù)性.

如圖3 所示，文件夾中的187.avi 和190.avi 未能正確地顯示出來(lái)，是因?yàn)樵谕话l(fā)斷電的情況下，程序未能及時(shí)完成視頻保存工作，導(dǎo)致視頻文件受到損壞，對(duì)于該類連續(xù)的文件，需要分時(shí)進(jìn)行保存操作，避免一旦斷電，導(dǎo)致長(zhǎng)時(shí)間錄制的文件被損壞，而分時(shí)保存文件在連續(xù)性上能夠得到保障，穩(wěn)定性也會(huì)大幅度提高.

圖3 視頻保存

2.2 聯(lián)合調(diào)試與目標(biāo)跟蹤

聯(lián)合調(diào)試是對(duì)數(shù)據(jù)采集、人機(jī)交互各環(huán)節(jié)進(jìn)行調(diào)試，檢測(cè)系統(tǒng)運(yùn)行過(guò)程中各個(gè)數(shù)據(jù)獲取的銜接，在整個(gè)外圍模塊聯(lián)合調(diào)試過(guò)程中，會(huì)因?yàn)槟K適應(yīng)性問(wèn)題、數(shù)據(jù)傳輸方式問(wèn)題，導(dǎo)致相關(guān)的數(shù)據(jù)顯示、獲取、打包出現(xiàn)異常、亂碼提示等錯(cuò)誤.針對(duì)存在的問(wèn)題，必須進(jìn)行兼容性測(cè)試調(diào)整.只有在一次一次的迭代測(cè)試過(guò)程中，分析各種異常情況，解決各種異常問(wèn)題，才能成功實(shí)現(xiàn)舵機(jī)對(duì)移動(dòng)物體做出指向工作，如圖4 所示.

圖4 目標(biāo)物體跟蹤（左圖）與舵機(jī)指向工作（右圖）

在經(jīng)過(guò)調(diào)試和測(cè)試后，達(dá)到了預(yù)期的設(shè)計(jì)效果，當(dāng)目標(biāo)在攝像頭有效范圍內(nèi)發(fā)生移動(dòng)時(shí)，目標(biāo)跟蹤系統(tǒng)可以實(shí)時(shí)、準(zhǔn)確跟蹤視頻畫面中框選的目標(biāo)，實(shí)現(xiàn)人臉目標(biāo)跟蹤，如圖5 所示.

圖5 人臉目標(biāo)跟蹤

2.3 Bhattacharyya系數(shù)的Mean Shift 搜索

從圖6 中的Bhattacharyya 系數(shù)變化曲線中可以看出，當(dāng)遮擋發(fā)生時(shí)，Bhattacharyya 系數(shù)迅速減少，因此可以作為遮擋判定的依據(jù).

圖6 Bhattacharyya系數(shù)變化圖

當(dāng)遮擋面積比較大或者全遮擋發(fā)生時(shí)，采用卡爾曼濾波對(duì)目標(biāo)進(jìn)行一次線性預(yù)測(cè)，結(jié)束后在預(yù)測(cè)位置進(jìn)行Mean Shift 搜索，對(duì)搜索到的極值點(diǎn)的目標(biāo)窗口內(nèi)的Bhattacharyya 系數(shù)進(jìn)行判定，達(dá)到了預(yù)期效果.

2.4 系統(tǒng)測(cè)試

經(jīng)過(guò)測(cè)試，設(shè)計(jì)的紅外攝像頭自動(dòng)跟蹤系統(tǒng)，能夠?qū)︾R頭下的目標(biāo)物體進(jìn)行自動(dòng)跟蹤拍攝.系統(tǒng)能夠成功地實(shí)現(xiàn)應(yīng)急情況的處理.主要優(yōu)點(diǎn)有：（1）紅外跟蹤攝像頭能夠?qū)Τ霈F(xiàn)在鏡頭下的環(huán)境數(shù)據(jù)進(jìn)行采集，并將采集到的數(shù)據(jù)轉(zhuǎn)化為可傳輸形式.（2）系統(tǒng)建立了可實(shí)時(shí)傳輸數(shù)據(jù)的通道，能夠?qū)Νh(huán)境數(shù)據(jù)進(jìn)行采集，處理器能夠?qū)?shù)據(jù)進(jìn)行處理、分離和反饋.（3）可實(shí)現(xiàn)友好的人機(jī)交互，能夠?qū)崿F(xiàn)數(shù)據(jù)的展示，將分析處理后的數(shù)據(jù)顯示在模塊上.

3 結(jié)論

以紅外攝像頭的目標(biāo)跟蹤系統(tǒng)作為研究對(duì)象，設(shè)計(jì)的紅外跟蹤攝像頭系統(tǒng)，通過(guò)硬件連接設(shè)計(jì)、軟件邏輯設(shè)計(jì)實(shí)現(xiàn)整個(gè)系統(tǒng)自主化工作.采用了Mean Shift 算法與卡爾曼濾波結(jié)合方法，采用Bhattacharyya 系數(shù)作為遮擋判定因子，解決快速運(yùn)動(dòng)與遮擋問(wèn)題，實(shí)現(xiàn)響應(yīng)更加快速，工作更加穩(wěn)定，判斷更加準(zhǔn)確，極大程度地提升了該設(shè)計(jì)的魯棒性、科學(xué)性和實(shí)用性.