基于小波提升的變模板視頻多尺度目標識別

摘要：為了快速有效地解決圖像序列中移動目標的識別定位，提出了一種基于互相關的目標檢測算法。該算法經小波提升建立低分辨率子圖，通過快速的互相關檢測，在高分辨率原圖中建立緊湊ROI。為了適應運動目標變形，整個檢測過程以互相關運算極大值為依據，更新目標模板。實驗結果表明，在滿足檢測速度的同時，算法對目標的識別有較高的精度與魯棒性。

關鍵詞：機器人；目標識別；小波變換；提升算法

中圖分類號：TP391．4文獻標志碼：A

文章編號：1001-3695(2007)12-0390-03

隨著信號處理理論和計算機技術的發展，機器視覺技術正得到廣泛深入的研究，在無人駕駛飛機、自動行駛車輛、移動機器人中都有成功的應用^[1，2]。文獻[3]將機器視覺應用于高壓電瓷瓶檢測，采用視覺伺服控制導引機器人完成瓷瓶清掃。文獻[4]預先建立場景數據庫，應用機器視覺對當前場景作出判斷，進而確定機器人位置。文獻[5~7]通過色彩分割、邊緣檢測、Hough變換等方法對道路進行識別，建立了基于視覺的車輛自動（或輔助）駕駛系統。視頻對象跟蹤技術是機器視覺領域中一項非常重要的研究課題。圖像序列以時間順序記錄了場景變化信息，通過識別目標的位置計算其運動軌跡，從而導引移動機器實現對目標的跟蹤。

常見的視頻二維目標檢測算法有基于背景圖像與當前幀差分的算法和視頻幀間差分的算法^[8]。它們雖然適用于運動目標檢測，但差分方法只能給出圖像序列中最為廣泛的物體運動狀態，而無法識別某一特定目標。同時，基于背景圖像的差分方法還需預先獲得場景信息，從而極大地限制其適用范圍。另外，差分方法對于光照變化、目標靜止、物體遮擋也會產生錯誤的檢測結果。文獻[8]通過視頻的前N幀來構建初始化背景，應用當前圖像與背景圖像差分來獲得運動前景。但該方法并不適用于特定目標識別。如果目標從第一幀就開始出現并始終保持靜止，則該方法無法檢測出目標的存在。文獻[9]采用了一種基于模板的目標檢測方法，以圖像R、G、B色彩分量直方圖0階矩構成特征矢量；最后計算待檢測圖和模板的歐氏距離，判定圖像相似程度。通過模板匹配方法，可以很好地檢測圖像中目標存在的狀態，克服了差分法的不足。

基于以上分析，本文應用小波提升方法，將物體識別的全局搜索算法具體為多尺度圖像全局互相關搜索的方法。在互相關檢測過程中加入了模板更新環節，保證互相關運算極大值能夠始終維持在較高水平，實現了對運動目標的準確跟蹤。

1算法原理

1)圖像預處理通過小波提升算法降低圖像序列中待檢測圖像與目標模板的分辨率，將小尺寸的圖像傳遞給目標定位環節。這將大大減少互相關檢測的計算量。

2)目標粗定位對經過小波處理的模板在低尺度圖像中進行全局匹配，通過檢測互相關極大值點坐標位置實現目標低精度定位。

3)目標精確定位由于在低尺度圖像得到的定位信息往往不夠精確，將粗定位的位置信息映射至原圖像序列，建立高分辨率圖像緊湊ROI，既減少了檢測面積，縮短了檢測時間，又獲得了高精度的定位信息。

4)模板更新對每次粗定位環節獲得的互相關極大值進行閾值檢測。當極大值不低于設定閾值時，保留互相關模板；否則在當前高分辨率檢測圖像中對目標進行重新取樣，更新模板。這樣既可以始終將互相關維持在一個較高水平，同時又不至于過分頻繁地更新模板。整個算法流程如圖1所示。

1．1互相關的模板匹配

對于特定目標的識別，基于模板的物體檢測則可以很好地解決圖像差分法無法解決的問題。

假定有一個模板g(i， j)，希望檢測圖像f(i， j)中的模板情況。顯而易見，將模板放置在圖像的某一個位置，通過比較模板的亮度值和圖像中對應值，可以檢測模板在哪一個位置存在。本文采用了互相關(correlation)算法，移動模板并在圖像中的每一點使用匹配測度；最后找到匹配測量值的最大值。互相關算法匹配測量值M的表達式為

3結束語

本文通過提升小波對模板與檢測圖像進行整數變換，降低了模板與檢測圖像的分辨率，大幅度減少了互相關檢測的計算量，從而使全局檢測成為可能。建立高分辨率圖像緊湊ROI以及模板更新環節均保證了物體識別定位的精度水平。經過實驗證明，本算法可以準確地對跟蹤目標進行識別定位，定位精度較之固定模板、單次互相關檢測方法有較大提高。

參考文獻：

[1]CLERENTIN A， DELAHOCHE L， BRASSART E， et al. Self localization:a new uncertainty propagation architecture [J].Robotics and Autonomous System，2005，51(2-3):151－166.

[2]HAN Y J， HAHN H. Visual tracking of a moving target using active contour based SSD algorithm [J].Robotics and Autonomous System，2005，53(3-4): 265-281.

[3]車立新， 楊汝清， 顧毅.220/330 kV變電設備高壓帶電清掃機器人設計[J].機器人，2005，27(2):102－107.

[4]李桂芝，安成萬，楊國勝，等.基于場景識別的移動機器人定位方法研究[J].機器人，2005，27(2):123－127.

[5]吳樹峰，傅衛平，楊靜，等.基于核心區域信息和經驗知識的道路理解算法[J].機器人，2005，27(4):296-300.

[6]李青，鄭南寧，馬琳，等.基于主元神經網絡的非結構化道路跟蹤[J].機器人，2005，27(3): 247-251.

[7]余天洪，王榮本，郭烈，等.不同光照條件下直線型車道標志識別方法研究[J].汽車工程，2005，27(5):510-513.

[8]施華，李翠華，韋鳳梅，等.基于像素可信度和空間位置信息的目標跟蹤[J].計算機研究與發展，2005，42(10):1726－1732.

[9]唐德威，宗德祥，鄧宗全，等.涂膠機器人視覺系統的應用研究[J].機器人，2006，28(1): 1-4.

[10]張鵬，王潤生.靜態圖像中的感興趣區域檢測技術[J].中國圖象圖形學報，2005，10(2): 142－147.

[11]孫延奎.小波分析及其應用[M].北京:機械工業出版社，2005.

[12]高廣春，姚慶棟.應用于圖像的基于提升方法的雙自適應小波變換[J].中國圖象圖形學報，2006，11(2): 169－174.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”