一種視頻圖像改進(jìn)卡爾曼濾波定位技術(shù)

鄒麗霞，陳賀明

ZOU Li-xia,CHEN He-ming

（河南廣播電視大學(xué) 信息工程系，鄭州 450008）

0 引言

隨著計(jì)算機(jī)處理能力的迅速提高，信息技術(shù)的快速發(fā)展，越來(lái)越多的機(jī)構(gòu)開(kāi)始采用監(jiān)控跟蹤系統(tǒng)，大家紛紛開(kāi)始研究計(jì)算機(jī)中的運(yùn)動(dòng)問(wèn)題，對(duì)于運(yùn)動(dòng)的分析在視覺(jué)系統(tǒng)中地位十分重要。運(yùn)動(dòng)分析的目的要按照運(yùn)動(dòng)線索找到對(duì)環(huán)境有價(jià)值的相關(guān)信息，用以執(zhí)行更加高級(jí)的任務(wù)。視頻跟蹤是剛剛新興的一個(gè)新方向，它融合了眾多學(xué)科有模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工智能等技術(shù)，在視頻檢索和壓縮、智能交通等方面的前景都十分廣闊。視頻跟蹤的前提是要獲取運(yùn)動(dòng)目標(biāo)，一般是根據(jù)已知的運(yùn)動(dòng)信息和自身特征，然后跟蹤。圖像序列的每一幀的位置坐標(biāo)，將坐標(biāo)連接就形成圖像運(yùn)動(dòng)軌跡，若再得到各點(diǎn)的速度和加速度就是視頻圖像的運(yùn)動(dòng)信息。圖像序列加入時(shí)間維和與其相關(guān)性約束，激發(fā)了研究者對(duì)視頻理解的興趣，視頻跟蹤技術(shù)作為必不可少的技術(shù)其作用顯得日益重要。Kalman濾波的定位是將Kalman估計(jì)和目標(biāo)檢測(cè)方法相結(jié)合。由于目標(biāo)檢測(cè)容易受到外部干擾的影響，而引起檢測(cè)不到目標(biāo)或者檢測(cè)到個(gè)數(shù)太多等問(wèn)題，采用Kalman濾波跟蹤的思想是：對(duì)圖像序列的每一幀進(jìn)行檢測(cè)，同時(shí)用Kalman濾波器預(yù)測(cè)下一幀的位置，若無(wú)法確定就直接用預(yù)測(cè)的結(jié)果。

1 卡爾曼濾波算法

卡爾曼濾波是一種用途廣泛的濾波方法，它要求是線性系統(tǒng)，而且系統(tǒng)中的噪聲和狀態(tài)變量要高斯分布。卡爾曼濾波是以狀態(tài)空間方法為基礎(chǔ)的遞推濾波算法，它引入了一個(gè)概念叫狀態(tài)變量。Kalman濾波對(duì)控制理論貢獻(xiàn)很大，最早被用在航天領(lǐng)域，現(xiàn)在在視覺(jué)領(lǐng)域、圖像處理領(lǐng)域中也廣泛應(yīng)用。現(xiàn)實(shí)中一般利用選擇狀態(tài)變量體現(xiàn)系統(tǒng)的特征以及狀況的變化。卡爾曼濾波的模型主要包括兩個(gè)狀態(tài)模型和觀測(cè)模型。狀態(tài)空間模型是反映狀態(tài)變化的規(guī)律，用狀態(tài)方程描述相鄰時(shí)刻的狀態(tài)轉(zhuǎn)移它的變化規(guī)律；觀測(cè)模型是反映實(shí)際觀測(cè)量值和狀態(tài)變量它們的關(guān)系。Kalman濾波是將觀測(cè)信息和狀態(tài)轉(zhuǎn)移規(guī)律相結(jié)合最后得到系統(tǒng)整體狀態(tài)的最優(yōu)估計(jì)。

卡爾曼濾波的計(jì)算流程如下：

計(jì)算狀態(tài)估計(jì)值：

卡爾曼濾波的系統(tǒng)模型框圖如圖1所示。

2 卡爾曼濾波視頻圖像跟蹤

2.1 視頻圖像跟蹤

視頻跟蹤系統(tǒng)輸入的是圖像序列，圖像目標(biāo)的各種屬性為輸出，包括大小、速度、所在位置等。在現(xiàn)實(shí)中，由于受到各種干擾的影響，使得輸出信息很難達(dá)到理想狀態(tài)，不夠準(zhǔn)確和實(shí)時(shí)。本文所做就是一個(gè)用卡爾曼濾波視頻跟蹤圖像。

圖1 卡爾曼濾波的系統(tǒng)模型

圖像跟蹤系統(tǒng)一般是對(duì)圖像實(shí)時(shí)的分析和處理，能夠識(shí)別出目標(biāo)然后進(jìn)行跟蹤。主要有三個(gè)單元圖像采集、識(shí)別跟蹤和伺服系統(tǒng)。圖像采集主要負(fù)責(zé)獲取目標(biāo)實(shí)際圖像信息，通常用光學(xué)攝像機(jī)；整個(gè)系統(tǒng)的核心部分即識(shí)別跟蹤單元，主要處理采集到的圖像，包括預(yù)處理、圖像識(shí)別、同步輸出信號(hào)處理。該單元負(fù)責(zé)目標(biāo)移動(dòng)的方位差值，驅(qū)動(dòng)伺服系統(tǒng)實(shí)現(xiàn)實(shí)時(shí)跟蹤；伺服系統(tǒng)是具體實(shí)施部件。

圖像跟蹤系統(tǒng)可以直接處理提取的真實(shí)圖像，避免自然條件和人為干擾影響跟蹤精度.提高跟蹤的可靠性、準(zhǔn)確性；其次它可以適應(yīng)潛在的環(huán)境變化，攝入的信息量比較大，因此其智能化程度非常高；還有它的抗干擾性和隱蔽性好，跟蹤成功概率較高。圖像跟蹤系統(tǒng)可以對(duì)鎖定目標(biāo)自動(dòng)跟蹤，也可人為干預(yù)。人工干預(yù)能夠提高跟蹤的精度。目前圖像跟蹤方法主要有：基于相關(guān)的跟蹤方法、基于特征的跟蹤方法、基于模型的跟蹤方法。

圖像采集首先捕獲場(chǎng)景上的圖像，采用視頻采集卡和檢測(cè)技術(shù)，并且將視頻信號(hào)由A/D轉(zhuǎn)換成數(shù)字圖像序列，提供數(shù)據(jù)為視頻圖像處理做準(zhǔn)備。由于固體攝像器件的集成度較高，構(gòu)簡(jiǎn)單，分辨率也高，信噪比高，和計(jì)算機(jī)連接容易，價(jià)格便宜等優(yōu)點(diǎn)，因此被廣泛的應(yīng)用。

2.2 基于卡爾曼濾波的視頻跟蹤

視頻圖像中的跟蹤是對(duì)圖像理解很重要的一部分。卡爾曼濾波器能夠從原始的包含各種噪聲的視頻圖像中，對(duì)系統(tǒng)的序列做出最小協(xié)方差的線性估計(jì)，對(duì)目標(biāo)的移動(dòng)、速度和位置等做出較準(zhǔn)確的預(yù)測(cè)。由上面介紹的卡爾曼濾波原理所說(shuō)，在對(duì)目標(biāo)跟蹤時(shí)，先獲得圖像運(yùn)動(dòng)的速度和方向，若預(yù)測(cè)了目標(biāo)下一位置，那么它可以預(yù)測(cè)出目標(biāo)可能到達(dá)的位置，再進(jìn)行模板匹配，縮小搜索范圍，并且及時(shí)修正，縮短圖像的運(yùn)算時(shí)間，更好地實(shí)現(xiàn)圖像定位。

整個(gè)濾波器中，pk為第K時(shí)間中心實(shí)際位置；為時(shí)間K目標(biāo)預(yù)測(cè)位置；Dpk為K時(shí)刻搜索范圍；vk為測(cè)量速度；為估計(jì)速度；Dvk為估計(jì)速度誤差；ak為測(cè)量加速度；為估算加速度；Dak為估算加速度誤差；Tk為提取目標(biāo)圖像。

具體跟蹤算法：

1）預(yù)測(cè)目標(biāo)下一位置

2）目標(biāo)搜索

在預(yù)測(cè)出的范圍內(nèi)搜索，如果在范圍內(nèi)找到目標(biāo)且僅為1，則直接確定為目標(biāo)。若范圍內(nèi)數(shù)量超過(guò)1，按照公式取匹配距離最小的目標(biāo)區(qū)域來(lái)跟蹤，把圖像復(fù)制至：

3 實(shí)驗(yàn)

本文處理的原始圖像分辨率為240×320，CPU為2.4GHz，內(nèi)存為512M，視頻采集卡的采樣頻率為 每秒25 幀。圖2卡爾曼濾波定位實(shí)驗(yàn)圖可以明顯看到，仿真結(jié)果采用基于 Kalman濾波預(yù)測(cè)算法進(jìn)行估計(jì)得到較好的效果，算法的實(shí)時(shí)性也很強(qiáng)，因而最終的提取車輛效果也比較理想。

圖2 卡爾曼濾波定位實(shí)驗(yàn)圖

從圖3看到，采用 Kalman 濾波得到的圖像跟蹤曲線和實(shí)際圖像的曲線誤差很小，用Kalman方法得到的曲線十分平滑，誤差保持在一個(gè)較小范圍內(nèi)，和實(shí)際圖像很接近，即使視頻圖像運(yùn)動(dòng)速度變得很小，其誤差也得到有效控制。這是因?yàn)橐曨l跟蹤能夠得到較詳細(xì)的目標(biāo)信息，當(dāng)Kalman的跟蹤方法加入運(yùn)動(dòng)目標(biāo)的信息，算法的效果就好很多。

4 結(jié)束語(yǔ)

現(xiàn)今，計(jì)算機(jī)視覺(jué)研究的重點(diǎn)開(kāi)始從靜態(tài)圖像向動(dòng)態(tài)圖像上過(guò)渡，視頻圖像跟蹤就是檢測(cè)每幀圖像中運(yùn)動(dòng)目標(biāo)，然后定位區(qū)域。它把圖像處理、信息科學(xué)、自動(dòng)控制相結(jié)合，形成了能夠從圖像中自動(dòng)識(shí)別，提取目標(biāo)信息，自動(dòng)跟蹤的技術(shù)。Kalman 濾波算法的基本思路是在時(shí)序中通過(guò)不斷的預(yù)測(cè)和更新，使系統(tǒng)噪聲、觀測(cè)噪聲等誤差逐漸減小，最終獲得最好的狀態(tài)參數(shù)。Kalman 濾波方法是目前最優(yōu)的遞推濾波方法，很多領(lǐng)域得到了廣泛的應(yīng)用。本文詳細(xì)介紹了Kalman方法和視頻圖像技術(shù)，實(shí)驗(yàn)分析得出Kalman方法能夠得到令人滿意的視頻圖像跟蹤結(jié)果。

[1] 陳兵旗,孫明. Visual C++ 使用圖像處理專業(yè)教程. 清華大學(xué)出版社,2004.

[2] 夏德深,傅德勝. 現(xiàn)代圖像處理技術(shù)與應(yīng)用. 東南大學(xué)出版社,2001.

[3] 肖敬若. 復(fù)雜背景下的實(shí)時(shí)目標(biāo)跟蹤技術(shù)研究[D]. 西安：西北工業(yè)大學(xué),2006.

[4] 程剛. 視頻環(huán)境中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤問(wèn)題研究[D].西安： 西安理工大學(xué),2005.