目標離開偵測算法的研究

李俊

摘 要： 研究目標檢測、背景提取、目標像素的處理、跟蹤框生成算法，詳細分析目標離開偵測算法的思路和原理，實現目標離開算法在不同環境下的識別、跟蹤。通過測試結果表明，該算法模型在目標離開過程的偵測、跟蹤效果都表現的不錯，算法的效果良好。

關鍵詞： 計算機視覺； 視頻圖像處理； 偵測算法； 樹莓派

中圖分類號： TN911.73?34； TP391.4 文獻標識碼： A 文章編號： 1004?373X（2017）09?0043?03

Abstract： The thought and principle of the surveillance algorithm for target leaving are analyzed in detail by means of research on the algorithms of target detection， background extraction， target pixel processing and tracking box generation. The recognition and tracking of the surveillance algorithm for target leaving in different environments are realized. The test results show that the algorithm has perfect performance on surveillance and tracking in the target leaving process， and good effect.

Keywords： computer vision； video image processing； surveillance algorithm； Raspberry Pi

0 引 言

伴隨著圖像處理和視覺算法的快速發展，可通過成像系統代替人眼對周邊事物進行視覺觀察，檢測識別出目標物體及運動情況等信息。研究目標物體離開的偵測算法，實現對視頻數據流的挖掘，是目前需要研究的一個熱點問題[1]。

圖像處理技術作為一門專業學科，產生了很多優秀的算法，蘋果、華為手機之所以全球暢銷，其優秀的圖像處理技術就是其亮點之一，對視頻圖像進行算法研究也是當前遇到的熱點問題，研究如何識別出目標物體，并對目標進行跟蹤和檢測，實現對目標離開的偵測，將對人們的日常生活產生重要影響。

1 目標離開偵測算法的研究

1.1 目標檢測提取的算法

目前用于視頻中目標檢測常用到算法有以下幾種：光流法、幀間差分算法和背景相減法[4]。與光流法相比，背景相減法能檢測到場景中靜止的物體，也能偵測、追蹤運動的物體，而且算法不像光流法那么繁瑣，大大提高了運算的速率，與幀間差分算法相比，背景相減法在背景圖像提取質量較好的情況下，對目標的偵測也有較強的自適應能力。綜合以上三種算法的優缺點及對比結果，選擇背景相減法作為本次研究目標像素提取的算法。

1.2 提取背景圖像的算法

目標檢測提取算法中選擇了背景相減算法，從視頻中提取一張質量較好的背景圖片對目標像素的提取是相當重要的[5]。目前，最常用的背景圖像提取算法主要有時間中值算法、直方圖統計法和高斯背景估計算法。

考慮本次研究是實現對目標離開的偵測，因此需要目標在沒有運動的情況下能檢測并跟蹤物體，算法模型設計如圖1所示。

背景圖像提取中分別使用了時間中值和高斯背景估計兩種算法。時間中值算法提取到的背景圖像效果最好，但是它的運算稍微費時間。而高斯背景估計算法的提取速率相當快，但是提取出來的背景圖像的質量較前者來說稍差一些。綜上所述，分別設計了兩種方式的背景提取算法，驗收時按效果選擇。

1.3 對目標像素的處理

視頻輸入的圖像與提取的背景圖像相減后，得到的目標像素不是很清晰，會給后續的矩形框跟蹤目標帶來很大的誤差，甚至會出現完全不能進行跟蹤的情況[6]。因此，在視頻圖像與背景相減后需要對所得目標像素進行再次處理。相應的處理包括取絕對值、二值化、中值濾波、膨脹運算、閉運算等。如圖2所示，上方箭頭指的是視頻幀流的輸入，下方箭頭指的是背景圖像的輸入。Subtract模塊表示視頻的每一幀圖像都與背景圖像進行相減運算，Abs模塊表示對相減結果取絕對值，Autothreshold模塊表示對圖像取二值化，Median Filter模塊表示中值濾波模塊，Dlate模塊表示膨脹算法，最后Close模塊表示做閉運算。經過這一系列的處理之后就能得到有利于后續跟蹤，且干擾像素點較少的目標像素。

1.3.1 絕對值運算

在視頻圖像和背景圖像相減之后，顯示出像素點的值可能是正值也可能出現負值。因為后一步所做的二值化運算中閾值的設定都是針對正值，所以進行絕對值運算可以讓相減為負值但其絕對值又大于閾值的像素點顯示出來。這樣便可以更好地表現出目標的所有像素點，而不至于漏掉原本屬于目標的像素點，在很大程度上保持了目標像素點的完整性。

1.3.2 中值濾波

使用中值濾波的部分有三處。前面兩處是視頻圖像和背景圖像在進行相減之前都用中值濾波先做預處理，在視頻圖像的二維空間里，通過濾波窗口達到中值濾波的效果，濾波窗口可以根據所要濾掉像素的種類做相應的選擇，對于奇數個像素點的濾波窗口，中值就是指中心的灰度值。對于偶數個像素點的濾波窗口，中值則指窗口像素排序之后中間的兩個灰度值求平均所得。Simulink環境下默認的濾波窗口大小為3×3的矩陣，還可以設置成5×5，7×7的矩陣，直到達到所需要的濾波效果為止。

1.3.3 膨脹運算

膨脹（dilation）和腐蝕屬于對偶運算[7]，可以解釋為：把結構元素的中心點移到與被處理圖像的每個像素重合，如果結構元素中心點與原圖像像素取交集，且交集不為空，則對該像素按結構元素進行膨脹運算。所有滿足上述條件的像素點膨脹后共同組成了膨脹運算后圖像，用公式可以表示為：

通過對目標像素進行膨脹處理后，目標與背景相接處的像素點被合并到目標像素中，擴大了目標像素的邊界，同時也填補了目標像素中一些空白的像素點[5]，這樣確保了矩形跟蹤框生成的惟一性。

1.3.4 閉運算

閉運算實際上就是先對圖像進行一次膨脹運算，然后再進行一次腐蝕運算。用公式可以表示為：

下面以圖3中的例子來說明閉算法的具體思路。圖中標注的點陣區域代表待處理的圖像，點陣代表閉運算的結構元素，區域表示待處理圖像經過膨脹運算之后的圖像像素構成，區域表示在區域圖像的基礎上再進行一次腐蝕運算后的圖像像素構成。

1.4 跟蹤框的生成

經過對目標像素處理之后，在各模塊閾值、參數選擇合理的條件下，所提取到的目標像素質量應該飽滿、清晰[8]。接下來，就是要對目標進行捕捉和偵測。這個過程分為兩個步驟，如圖4所示。輸入Image的箭頭為視頻輸入口，輸入BW的箭頭為閉運算后的二值圖像。

1.4.1 Blob Analysis

Blob分析（Blob Analysis）是對圖像的二值圖中物體的像素進行連通域區域分析，Blob Analysis算法可以為視頻、圖像提供其中連通像素的位置、形狀、方向、大小、數量，甚至是各個連通域之間的拓撲結構等信息。Blob分析塊支持可變信號輸入和輸出，還可以應用于視頻圖像中運動物體的檢測和跟蹤[9]。

1.4.2 繪制矩形框圖

Draw Shape模塊可以在圖4中看到。模塊中視頻的輸入通過Image端口進入模塊中，輸入PTS端口的數據類型是目標像素的一系列四元位置坐標[x y width height]。視頻圖像和目標像素四元坐標兩路信號的時時輸入同時進入Draw Shape模塊后，兩者在算法中進行疊加，然后把疊加的圖像一同輸出。這樣一來就能得到對目標物體的時時偵測和監控效果，在繪制形狀（Draw Shape）模塊中可以繪制多種形狀的框圖。

2 目標離開偵測算法的測試

方案選擇確認以后，接下來是在樹莓派上運行模型，并在不同環境條件下測試目標離開檢測算法的效果。此次測試的條件分為兩類環境：正常的光照環境、光照不足的環境。首先是在正常光照條件下進行，因為監控設備通常都是在正常光照、視野較大的環境下運行的。此環境下，對被測目標讀卡器離開的連續時間內偵測效果截圖如圖5所示，算法模型在正常光照環境下對目標離開過程的偵測、跟蹤效果都表現的不錯，算法的效果良好。

監控設備在大多數情況下都是在正常條件下工作，但是也不排除在一些極端條件下的工作情況，光線不足也是其中的一種情況，測試效果如圖6所示，有時會檢測出目標像素之外的幾個雜質像素點群，使得跟蹤的矩形框并不是完全惟一的，測試效果還算可以。

3 結 語

基于Simulink環境下在樹莓派開發板上實現的目標離開的偵測算法，采用當前廣泛使用的背景相減法提取目標像素，節省了算法調試的時間。如何在極端條件下檢測目標，提取背景和處理目標對象像素等算法方面還有很多熱點問題需要深入研究，相信在未來幾年里相關算法模型的發展會更全面、更多樣化。

參考文獻

[1] 蔣钘.人體運動目標檢測與跟蹤關鍵問題研究[D].湖南：中南林業科技大學，2013.

[2] 趙小川.Matlab圖像處理：程序實現與模塊化仿真[M].北京：北京航空航天大學出版社，2013：41.

[3] 趙小川.現代數字圖像處理技術提高及應用案例詳解[M].北京：北京航空航天大學出版社，2011：235?251.

[4] 朱參世，安利.運動目標識別方法與仿真研究[J].計算機與現代化，2010（5）：63?65.

[5] 蘇書杰.視頻檢測系統中的背景檢測及更新算法研究[D].西安：長安大學，2009.

[6] 王愛玲，葉明生，鄧秋香.Matlab R2007圖像處理技術與應用[M].北京：電子工業出版社，2007.

[7] 張紅源，陳自力.基于Simulink的目標跟蹤系統仿真[J].電光與控制，2009，16（6）：62?65.

[8] 姚進.基于數學形態學的圖像邊緣檢測研究[D].山東：山東師范大學，2005.

[9] SZELISKI R.計算機視覺：算法與應用[M].北京：清華大學出版社，2012.