智能小車目標識別跟蹤系統的設計

張 嵐

（廣東省高級技工學校，廣東 惠州 516100）

智能小車目標識別跟蹤系統的設計

張 嵐

（廣東省高級技工學校，廣東 惠州 516100）

隨著經濟水平的飛速發展和科學技術的不斷提高，電子設備的智能化將成為當今時代的發展趨勢。本文首先介紹了智能小車目標識別跟蹤系統的組成，在此基礎上詳細介紹了智能小車對目標的識別以及跟蹤系統的設計。

智能小車；識別；追蹤

隨著科學技術在工業智能控制領域的不斷應用，對特定目標的識別和跟蹤技術日漸趨近成熟。通過使用單片機、ARM等高速控制芯片對車載攝像模塊進行配置，即可實現圖像的快速捕獲；再將捕獲的圖像信息通過無線通訊的方式傳送到計算機，對其進行信息處理和判斷，即可判定出小車的運動方向。此過程實現了通過無線通訊的方式下發運動方向指令，從而達到對特定目標的識別和跟蹤的目的。

1 智能小車識別跟蹤系統組成

系統主要由智能小車（包含攝像頭模塊）、數據收發終端和計算機三個部分組成。其中，智能小車和數據接收終端采用2.4GHz的無線進行通訊，數據收發終端采用網口和計算機進行通訊，計算機上安裝有C++開發的圖像處理和控制界面。智能小車識別跟蹤系統結構示意圖如圖1所示。

1.1 智能小車通訊模塊

目前無線通訊模塊有很多，如紅外、藍牙、Zigbee和NRF24L01的無線模塊等幾種。紅外技術：紅外是家庭無線控制網絡可以選擇的一個技術，設備簡單，價格低廉，很容易推廣。由于波長短，障礙物衍射能量差，必須使控制器和接收機在可視范圍內，并且通信角度不大于35°。另外一個特點是通信距離短，一般最大10m，因此，這種模式僅適用于點對點的溝通、無障礙、短距離，不容易建立廣泛的家庭通信網絡。藍牙技術：藍牙技術是一種低成本，短距離，點對點和點對多點通信的技術，支持無線通信技術。藍牙技術的主要目的是交換數據和語音信號，傳輸協議過于復雜，芯片成本較高。ZigBee技術：ZigBee是一種短距離、低功率、低速率、低成本的無線通信技術，通訊距離幾百米內。以上幾種通訊方式都不適合在本設計系統中使用，小車控制系統選擇NRF24L01無線模塊，此模塊功耗低，價格便宜，傳輸距離最大可以達到2000米，控制器通過串口和模塊間進行通訊，實現無線傳輸功能。

1.2 智能小車圖像采集和控制模塊

控制芯片選用ST公司的STM32F407，它工作主頻可達168MHz，自帶攝像頭接口，便于外部擴展，內含6個串口，通訊速率最高可達10.5Mbit/s，利用這樣的高速串口完全可以實現數據的實時傳輸。攝像頭模塊采用OV7620，它的工作電壓支持3.3V和5V，每秒可以產生60幀格圖像，有效分辨率為640×480，能夠很好的滿足設計智能小車對圖像采集的要求。小車的運動控制通過步進電機的驅動來完成，當小車接收到計算機發來的動作命令，單片機通過控制前后電機的動作實現小車移動。控制前端的兩個電機可實現小車左右動作，控制后端的兩個電機可實現小車前后動作。

1.3 數據收發終端

數據收發終端的功能是接收智能小車發送的數據，并完成和電腦之間的信息傳輸。電腦和終端之間可以采用CAN通訊、485通訊、串口通訊和網口通訊。其中CAN和485都需要中間的轉接板，串口通訊雖然不需要轉接，但通訊速率和通訊的穩定性不能保證，而網絡通訊具有接入點方便、傳輸穩定、便于擴展等優點，由此看來網絡通訊非常適合在本系統中使用。網絡通訊芯片選擇W5500，它和控制器間采用SPI方式，操作間便于編程和硬件設計。

1.4 數據圖像處理和動作控制模塊

系統中數據圖像處理的功能利用計算機實現，計算機通過接收智能小車采集的圖像數據進行分析，將圖像轉換成白色和黑色兩種顏色，利用數學算法和軟件編程完成對特定目標的識別和跟蹤。運動控制模塊的四個步進電機分別控制小車的前、后輪動作。硬件電路設計選取ULN2003電機驅動芯片，單片機通過操作IO口的高低電平輸出，控制步進電機動作，實現小車向各方向運動的控制。要完成實時的追蹤，需要采集圖像的清晰。當目標被識別后，進行目標追蹤需要控制智能小車和被跟蹤目標保持一定的距離，因此，采用超聲傳感器實現距離的檢測。超聲波傳感器是利用超聲波的特性研制而成的傳感器。超聲傳波具有頻率高、波長短、繞射現象小，特別是方向性好、能夠成為射線而定向傳播等特點。超聲波對液體、固體的穿透本領很大，尤其是在陽光不透明的固體中，它可穿透幾十米的深度。超聲波碰到雜質或分界面會產生顯著反射形成回波，碰到活動物體能產生多普勒效應。因此超聲波檢測非常適合對距離測試。

圖1智能小車系統組成結構示意圖

圖2目標識別系統結構圖

圖3 定位流程圖

2 目標識別

2.1 目標識別系統結構

目標的識別首先要檢測出目標，即判斷視頻鏡頭中有無運動目標的出現。如果有運動目標出現，就把它的圖像抽取出來，進行二值化處理，然后利用投影法進行投影，經過運算實現對特定目標的識別，系統結構如圖2所示。

2.2 目標識別原理

（1）利用攝像頭采集圖像， 監視特定目標的運動， 定時收集場景信息，將格式刷轉化為真彩色位圖進行儲存，同時調用控件在計算機上實時監控小車的運行情況。

（2）將真彩色位圖進行二值化處理后整體的像素會呈現出黑和白兩種狀態，根據現場環境的光照條件、顏色飽和度和對比度的實際情況進行調整，設置適和的閥值，將被識別目標的圖像轉換為白色，其它轉換為黑色，實現對監測目標的識別。

（3）圖像定位法大體上有基于神經網絡的圖像定位法、基于模板匹配的圖像定位法、直線邊緣檢測法、統計直方圖及投影法，以上幾種方法中前三種方法計算量很大，而最后一種對噪聲特別的敏感，都不能使系統達到最佳的定位效果，故本設計采用投影法來實現對目標的定位。利用水平投影檢測待測目標的水平位置，利用垂直投影檢測目標的垂直位置，定位流程如圖3所示。

3 目標跟蹤

對目標的跟蹤使用Mean Shift算法實現。它的基本思想是將視頻圖像的所有幀作MeanShift運算，并將上一幀的結果作為下一幀MeanShift算法的初始值，反復的迭代下去，對采集視頻圖像進行分析。

3.1 MeanShift算法實現

MeanShift算法首先將圖像的矩與直方圖反向投影，利用數學公式計算出運動區域的質心；然后根據質心對運動物體中心點進行追蹤。

（1）圖像的矩與直方圖反向投影

圖像的矩可以被理解為像素密度，所謂的像素密度就是指圖像的顏色數值。在數學領域最常使用的是零階矩，一階矩，二階矩等等，計算方法如下：

計算二值圖像的零階矩：分別計算二值圖像x和y的一階矩：運動區域的質心：

其中，I （x ， y）是二值圖像中位于（ x， y）點的像素值。

（2）中心點追蹤

利用圖像的矩和給定ROI直方圖反向投影信息可以粗略計算出ROI區域的中心點、尺寸等等信息。a ，b ，c代表運動物體的質心，計算公式如下：

圖4 跟蹤算法流程圖

3.2 智能小車控制算法

在CAMShift的輸出數據中獲得一個Box數據，根據Box中的尺寸、中心點、旋轉角的屬性可實現對小車的控制，根據矩形框的面積大小控制小車的直線運行速度，根據矩形中心點和視場中心點的左右偏差大小來計算出偏轉角度。

STM32F407對小車的控制采用PID算法。以攝像機視場1/4 的面積作為加減速閾值，以視場1/2的水平處作為左右偏轉閾值。將CAMShift的數據結果與閾值相減，計算出控制指令并發送出去。將CAMShift輸出的Box的大小與加減速閾值做差值運算，如果差值是正值則發送前進指令，如果差值為負值則發送倒車指令。跟蹤算法流程圖如圖4所示。

圖6 目標跟蹤軟件實現流程圖

3.3 系統算法流程

智能小車目標識別與跟蹤系統算法流程如圖5所示。系統開始首先對圖像進行采集，對采集后的圖像進行YUV建模，計算出運動點總數是否大于設定的閥值，如果小于設置閥值，返回，系統重新執行；如果大于設置的閥值，根據3.1中公式計算出運動區域的質心，根據質心設置出初始搜索窗中心、大小，進一步計算。判斷計算結果是否滿足收斂條件，滿足收斂條件后，發送小車的運動指令；不滿足則重新計算。小車運行指令執行完成后，算法從視頻采集圖像到執行小車運動指令這部分程序中循環執行。

3.4 小車運動控制的實現

根據跟蹤算法可以實現對目標的跟蹤功能，要完成對目標的實時跟蹤，智能小車需要清晰的采集圖像信息，因此智能小車攝像頭需要和目標保持一定的距離，距離太大容易丟失目標，距離太小會導致拍照不清晰，因此選擇小車和被監測目標保持距離在30cm之間。實現方法是當目標位于小車前方30cm時得出目標的坐標（X，Y）。小車的運動中常常有抖動現象出現，因此需要進行去抖處理。當目標的坐標范圍在（X±ΔX，Y±ΔY），認為被跟蹤目標處于靜止狀態，否則小車根據計算機的命令隨著目標一起運動。實現目標的跟蹤需要小車的控制系統各部分功能模塊進行協調工作，通過讀取超聲傳感器的值進行計算，計算出小車和被跟蹤目標的實際距離大小。小車需要執行的動作命令有7種，分別用0～7表示（其中1代表左上、2代表右上、3代表左后、4代表右后、5代表前進、6代表后退、7代表停止），根據計算結果發出相應的動作命令。小車動作實現原理：判斷目標坐標和小車自身坐標距離是否大于30cm，如果大于30cm計算機發送動作命令。流程圖如圖6所示。

結語

本文在對目標識別和跟蹤進行理論分析的基礎上，設計了一套智能小車目標識別和跟蹤系統。該系統可以實現對特定目標的識別和跟蹤，能夠滿足基本的設計要求。然而，目標識別和跟蹤技術是結合了多門學科的綜合課題，想達到高度的智能化和高精度的定位功能還需要長期的研究，識別和跟蹤技術的發展與數字圖像處理技術、模式識別技術發展有密切的聯系，需要在以后工作中在這兩方面不斷的學習和提高。

[1]蒙建波，梁錫昌.機械智能學[M].重慶，重慶出版社，1997.

[2]齊舒創作室.Visual C + +6 .0 開發技巧及實例分析[M].北京：清華大學出版社，1999.

[3]林福宗.圖像文件格式大全[M].北京：清華大學出版社，1998.

[4]黎洪松.數字圖像壓縮編碼技術及其C 語言程序范例[M].北京：學苑出版社，1998.

[5]陳先煌，陳新，趙音頻.基于DSP的運動目標檢測與匹配[J].福州大學學報（自然科學版），2003.

[6]魏玉虎，石琛宇，姜建釗.基于視覺的智能車轉向控制策略[J].計算機技術與應用，2009.

[7]陳建峰，孫志鋒.基于NRF2401的智能車無線調試系統設計[J].工業控制計算機，2009.

[8] 王熹微. 基于TMS320DM642的視頻編碼CACHE優化策略. 微計算機信息2005.

TP23

A