基于OpenCV的運(yùn)動目標(biāo)檢測跟蹤實(shí)驗平臺

賈紅賓

摘 要：本文構(gòu)建了一個基于OpenCV軟件的運(yùn)動目標(biāo)檢測跟蹤實(shí)驗平臺，采用CamShift算法對攝像頭視野中的運(yùn)動目標(biāo)進(jìn)行實(shí)時檢測和跟蹤，取得較好的效果，為計算機(jī)視覺研究奠定基礎(chǔ)。

關(guān)鍵詞：目標(biāo)跟蹤；CamShift算法；OpenCV

1 引言

隨著數(shù)字圖像處理技術(shù)的發(fā)展，基于視頻信息的目標(biāo)檢測跟蹤技術(shù)成為當(dāng)今計算機(jī)視覺領(lǐng)域研究的熱點(diǎn)，其在安防監(jiān)控、智能交通機(jī)、器人等領(lǐng)域有著廣泛應(yīng)用前景。OpenCV作為一個開源發(fā)行的跨平臺計算機(jī)視覺庫，實(shí)現(xiàn)了 數(shù)字圖像處理和計算機(jī)視覺方面的很多通用算法，具有簡單易用、功能強(qiáng)大、移植方便等優(yōu)越性能，廣泛用于計算機(jī)視覺領(lǐng)域研究。本文借助OpenCV計算機(jī)視覺庫和VC++6.0編程環(huán)境，構(gòu)建了一個運(yùn)動目標(biāo)檢測跟蹤實(shí)驗平臺，對從攝像頭采集來的圖像數(shù)據(jù)進(jìn)行實(shí)時分析、處理，從而實(shí)現(xiàn)對運(yùn)動物體的檢測與跟蹤。

2 OpenCV簡介[1]

OpenCV是Intel開源計算機(jī)視覺庫（Open Computer Vision）的簡稱。它由一系列 C 函數(shù)和少量 C++ 類構(gòu)成。OpenCV實(shí)現(xiàn)了圖像處理和計算機(jī)視覺方面的很多通用算法。OpenCV 擁有包括300多個C函數(shù)的跨平臺的中、高層API。它不依賴與其它的外部庫，盡管也可以使用某些外部庫。OpenCV具有以下特點(diǎn)：

（1）開放源碼

（2）基于Intel處理器指令集開發(fā)的優(yōu)化代碼

（3）統(tǒng)一的結(jié)構(gòu)和功能定義

（4）強(qiáng)大的圖像和矩陣運(yùn)算能力

（5）方便靈活的用戶接口

（6）支持Windows和Linux操作系統(tǒng)

由于有了以上性能特點(diǎn)，OpenCV函數(shù)庫功能強(qiáng)大，簡單易用，移植也很方便，不失為學(xué)生和科研人員進(jìn)行數(shù)字圖像處理和計算機(jī)視覺方面學(xué)習(xí)和研究的好工具。

3 運(yùn)動物體的檢測與跟蹤

3.1 目標(biāo)檢測

目標(biāo)檢測即為從攝像機(jī)視野區(qū)域的序列圖像中將進(jìn)入該區(qū)域的運(yùn)動物體從場景中提取出來。運(yùn)動目標(biāo)檢測的算法依照目標(biāo)與攝像機(jī)之間的關(guān)系可以分為靜態(tài)背景下運(yùn)動檢測和動態(tài)背景下運(yùn)動檢測[2]。背景差分法、幀間差分法以及光流法等是靜態(tài)背景下運(yùn)動目標(biāo)檢測的常用方法。對于動態(tài)背景下運(yùn)動目標(biāo)檢測，其算法要比靜態(tài)背景下的運(yùn)動目標(biāo)檢測復(fù)雜得多。

3.2 目標(biāo)跟蹤

視頻信息中，運(yùn)動目標(biāo)跟蹤就是在圖像序列中尋找與檢測目標(biāo)匹配最相似目標(biāo)區(qū)位置的過程。簡單的說，就是在攝像機(jī)采集的序列圖像中為目標(biāo)確定在圖像區(qū)域中的位置。跟蹤算法通常有以下四類：基于主動輪廓的跟蹤、基于特征的跟蹤、基于區(qū)域的跟蹤和基于模型的跟蹤等。算法的精度、魯棒性和實(shí)時性是衡量跟蹤效果的主要指標(biāo)。

4 運(yùn)動目標(biāo)檢測跟蹤的算法實(shí)現(xiàn)

4.1 運(yùn)動檢測跟蹤算法

平臺硬件由PC機(jī)和通用攝像機(jī)組成，攝像機(jī)所帶開發(fā)包提供二次開發(fā)的API接口函數(shù)。平臺在進(jìn)行運(yùn)動物體檢測跟蹤時所采用的算法是：首先利用“幀差法”檢測出初始的運(yùn)動目標(biāo)；一旦認(rèn)為此目標(biāo)合法，便根據(jù)目標(biāo)在HSI（色調(diào)、飽和度、強(qiáng)度）空間中H通道的色調(diào)特性，利用“連續(xù)適應(yīng)性均值移動算法（CamShift）”，對目標(biāo)進(jìn)行跟蹤。

CamShift算法簡述如下：首先，在圖像HSI空間中計算H通道（色彩通道）分量的1D直方圖；接著，利用此1D直方圖將原圖改建成2D概率分布圖；第三步，計算出目標(biāo)區(qū)域的重心；第四部，利用經(jīng)典的“Mean Shift”算法，不斷平移調(diào)整窗口中心到與目標(biāo)重心重合；第五步，將上一幀的窗口大小和中心，作為下一幀Mean Shift算法搜索窗口的初始值，在下一幀中繼續(xù)Mean Shift運(yùn)算。

上述運(yùn)動物體檢測和跟蹤的算法運(yùn)算量小，跟蹤效果好。只要初始抓取目標(biāo)無誤，并且在色彩空間上目標(biāo)與背景有一定偏差，視頻跟蹤便能夠達(dá)到相當(dāng)?shù)臏?zhǔn)確度。更好的一點(diǎn)是，此算法在跟蹤同一場境內(nèi)多個運(yùn)動目標(biāo)其中的一個時的效果，是其它同樣計算復(fù)雜度的算法所難以比擬的。

4.2 VC++6.0編程環(huán)境下的實(shí)現(xiàn)

目標(biāo)檢測與跟蹤的算法程序編寫在VC++6.0環(huán)境下結(jié)合OpenCV進(jìn)行實(shí)現(xiàn)。為了達(dá)到良好的實(shí)時性能，充分利用CPU資源，本平臺采用多線程并發(fā)處理模式進(jìn)行編程，以達(dá)到提高程序運(yùn)行效率的目的[3]。

本平臺中，算法程序由兩個線程組成：MainThread線程和GetImageThread線程。MainThread線程是算法實(shí)現(xiàn)的主線程，主要功能就是利用OpenCV函數(shù)庫，對從攝像頭獲取的圖像數(shù)據(jù)進(jìn)行分析處理，同時，它負(fù)責(zé)啟動GetImageThread線程。GetImageThread線程的主要工作就是循環(huán)地從攝像頭讀取數(shù)據(jù)放到緩存中，以供主線程分析。在視頻采集處理的過程中，GetImageThread線程向緩存中寫數(shù)據(jù)與從緩存中讀數(shù)據(jù)將不可避免地操作同一塊緩存。因此，為防止數(shù)據(jù)讀寫沖突出錯，兩線程在操作這塊緩存時都必須上鎖，可以通過“互斥量”來實(shí)現(xiàn)的。此外，為防止主線程重復(fù)地分析同一幀圖像，要求MainThread線程必須等待GetImageThread線程的一個信號才能進(jìn)行數(shù)據(jù)讀取和分析。

5 實(shí)驗結(jié)果

經(jīng)過實(shí)驗證明，本文構(gòu)建的基于OpenCV計算機(jī)視覺庫的運(yùn)動目標(biāo)檢測跟蹤實(shí)驗平臺可以在實(shí)時顯示圖像的基礎(chǔ)上，實(shí)時檢測和跟蹤運(yùn)動目標(biāo)，并且檢測和跟蹤都具有較高的魯棒性。在跟蹤過程中，即使目標(biāo)保持靜止，程序也不會丟失對目標(biāo)的跟蹤。以橙色小球檢測跟蹤實(shí)驗為例，檢測跟蹤結(jié)果如圖1所示：

實(shí)踐表明，OpenCV使得在PC機(jī)上的數(shù)字圖像處理和計算機(jī)視覺處理變得更加簡單便捷、高效優(yōu)化。本平臺的構(gòu)建為計算機(jī)視覺研究提供了一個基礎(chǔ)平臺，對學(xué)習(xí)和掌握OpenCV、熟悉圖像處理技術(shù)，特別是運(yùn)動目標(biāo)跟蹤方面的知識，以及提高Windows操作系統(tǒng)下的C++編程能力等方面，能夠起到很大的作用。

參考文獻(xiàn)

[1] 布拉德斯基.學(xué)習(xí)OpenCV [M]， 北京：清華大學(xué)出版社，2009.

[2] 張娟，毛曉波，等.運(yùn)動目標(biāo)跟蹤算法研究綜述[J]，《計算機(jī)應(yīng)用研究》， 2009， 26（12）：4407-4410

[3] Jeffery Richter. Windows核心編程[M]，北京： 機(jī)械工業(yè)出版社，2008.