基于嵌入式的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的研究與實(shí)現(xiàn)

陸愿基++張龍

DOI：10.16660/j.cnki.1674-098X.2017.14.209

摘 要：我國(guó)智能設(shè)備正處于發(fā)展的初級(jí)階段，嵌入式平臺(tái)在傳統(tǒng)的硬件設(shè)施上的應(yīng)用還有很大的發(fā)展空間。由于嵌入式系統(tǒng)擁有可靠、便攜等特點(diǎn)，因此可以應(yīng)用于家庭監(jiān)控、智能交通等各個(gè)方面，而且近年隨著ARM芯片性能的不斷提高和計(jì)算機(jī)視覺(jué)算法的突破，使得圖像分析技術(shù)應(yīng)用到嵌入式平臺(tái)。該次主要針對(duì)應(yīng)用于傳統(tǒng)視頻的高速公路的車(chē)輛目標(biāo)跟蹤系統(tǒng)的研究與開(kāi)發(fā)。主要研究?jī)?nèi)容及工作有：（1）高速公路的車(chē)輛目標(biāo)檢測(cè)跟蹤系統(tǒng)的總體設(shè)計(jì)及軟硬件平臺(tái)的搭建。根據(jù)對(duì)嵌入式平臺(tái)的性能和成本考慮，最后選擇tiny210作為開(kāi)發(fā)板，攝像頭采用羅技C210，通過(guò)裁剪和移植Android系統(tǒng)使其適用于開(kāi)發(fā)板。系統(tǒng)的軟件框架主要分為驅(qū)動(dòng)層、驅(qū)動(dòng)服務(wù)層、圖像分析層、應(yīng)用層。利用NDK包結(jié)合C/C++和Java進(jìn)行混合開(kāi)發(fā)，以C/C++高性能貼近硬件的特點(diǎn)去寫(xiě)驅(qū)動(dòng)層、驅(qū)動(dòng)服務(wù)層、圖像分析層。應(yīng)用層主要使用Android的UI框架。（2）高速公路的車(chē)輛目標(biāo)檢測(cè)跟蹤的理論基礎(chǔ)與相關(guān)算法的實(shí)現(xiàn)。針對(duì)硬件平臺(tái)的特性和應(yīng)用在高速公路的情景下，我們采用存儲(chǔ)空間小、計(jì)算量小、實(shí)時(shí)性好的vibe檢測(cè)算法并詳細(xì)介紹運(yùn)動(dòng)目標(biāo)跟蹤框架，在最后，對(duì)vibe檢測(cè)算法實(shí)現(xiàn)并分析結(jié)果。

關(guān)鍵詞：嵌入式 目標(biāo)跟蹤與檢測(cè) vibe算法 高速公路

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）05（b）-0209-07

Based on Embedded in the Research and Implementation of Moving Object Detection and Tracking

Lu Yuanji Zhang Long

（The College of Computer and Information Engineering of Tianjin Agriculture University，Tianjin， 300384，China）

Abstract：Smart devices in our country is in the primary stage of development， the embedded platform application in the traditional hardware also has the very big development space.Due to the characteristics of embedded system with reliable， portable， so can be applied to many aspects， such as family monitoring， intelligent transportation， and in recent years， with the constant improvement of the performance of ARM chips and computer vision algorithm， makes the image analysis technology is applied to embedded platform.This mainly aimed at the application of traditional video of highway vehicle tracking systems research and development.The main research contents and work are： （1）Highway vehicle target detection tracking systems overall design and construction of the hardware and software platform. Based on embedded platform of performance and cost considerations， the final choice tiny210 as development board， the camera USES the logitech C210， by cutting and transplant the Android system is suitable for the development board. Software of the system framework consists of： driver layer， service layer， the image analysis layer， application layer. Using the NDK package of mixed with C/C + + and Java development， with high performance close to the hardware characteristics of C/C + + to write driver layer， service layer and image analysis. The application layer mainly using Android UI framework. （2） the highway vehicle target detection tracking theoretical basis and related implementation of the algorithm. According to the characteristics of hardware platform and application in highway scenario， we use storage space is small， small amount of calculation， good vibe real-time detection algorithm and detailed movement target tracking framework. （3） highway vehicle target detection analysis of the results of tracking system. After the results of vehicle target detection and tracking of the vehicle trajectory error analysis.

Key Words：The embedded； Target tracking and detection； Vibe algorithm； The highway

當(dāng)今社會(huì)，隨著車(chē)輛增多，交通安全已經(jīng)成為了必不可少的需要關(guān)注的問(wèn)題。雖然傳統(tǒng)的視頻監(jiān)控通過(guò)攝像頭采集視頻信息，但需要大量人工檢測(cè)和分析其中的內(nèi)容。為此人們希望能有自動(dòng)檢測(cè)目標(biāo)并跟蹤目標(biāo)、智能云存儲(chǔ)視頻信息、隨時(shí)抓拍違規(guī)行為、并對(duì)異常情況能自動(dòng)報(bào)警的智能監(jiān)控系統(tǒng)的實(shí)現(xiàn)。嵌入式目標(biāo)檢測(cè)與跟蹤系統(tǒng)需要完成對(duì)視頻的實(shí)時(shí)采集、背景建模、前景檢測(cè)與跟蹤算法的實(shí)現(xiàn)。精確性高，實(shí)時(shí)性強(qiáng)的目標(biāo)檢測(cè)與跟蹤系統(tǒng)可以應(yīng)用于很多方面，例如智能交通系統(tǒng)需要對(duì)車(chē)輛進(jìn)行檢測(cè)與跟蹤，識(shí)別車(chē)牌號(hào)碼，判斷有無(wú)超速、闖紅燈等違法行為的發(fā)生，并根據(jù)前方道路擁堵情況給出正確的交通誘導(dǎo)信號(hào)。

該文采用嵌入式圖像分析技術(shù)，將圖像分析技術(shù)和嵌入式開(kāi)發(fā)板相結(jié)合，提出了基于嵌入式的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的系統(tǒng)，原因是嵌入式開(kāi)發(fā)版有實(shí)用性強(qiáng)、便攜帶、性能穩(wěn)定等特點(diǎn)。由于圖像分析技術(shù)計(jì)算量大，需要的存儲(chǔ)空間大，所以如果是分析高清實(shí)時(shí)性差、運(yùn)行攝像頭移動(dòng)的情況下，要做到背景建模迅速，分析實(shí)時(shí)性好。為完成以上功能，要求嵌入式設(shè)備需要有支持?jǐn)z像頭讀取、顯示視頻信息、圖像處理等功能。Cortex A8嵌入式處理器滿足上述要求，故該文選擇Cortex A8嵌入式作為系統(tǒng)的載體。

1 系統(tǒng)的總體設(shè)計(jì)

1.1 系統(tǒng)總體框架

基于嵌入式的目標(biāo)跟蹤系統(tǒng)總體框架如圖1所示，系統(tǒng)包括由視頻采集、目標(biāo)跟蹤與檢測(cè)算法，應(yīng)用程序與android操作系統(tǒng)構(gòu)成的軟件層和基于Cortex A8架構(gòu)的友善之臂公司tiny210開(kāi)發(fā)板與羅技c210USB攝像頭構(gòu)成的硬件層兩部分組成，Cortex A8嵌入式處理器具有多個(gè) USB接口、一個(gè)顯示模塊、并且支持多個(gè)操作系統(tǒng)、處理運(yùn)算速度較快的特點(diǎn)。

1.2 硬件層構(gòu)成

硬件層由羅技c210USB攝像頭與Tiny210開(kāi)發(fā)板兩部分構(gòu)成。USB攝像頭獲取實(shí)時(shí)的視頻信息，并將視頻傳輸給處理器處理。由友善之臂開(kāi)發(fā)的Tiny210采用三星S5PV210作為處理器，運(yùn)行主頻可達(dá)1GHz，S5PV210內(nèi)部集成PowerVR SGX540高性能圖形引擎，并且可以流暢運(yùn)行Android，Linux和WINCE6等高級(jí)操作系統(tǒng)，非常適合開(kāi)發(fā)高端物聯(lián)網(wǎng)終端，智能家居，智能監(jiān)控等。可以完成對(duì)視頻的采集以及目標(biāo)跟蹤結(jié)果的顯示。

1.3 軟件層構(gòu)成

軟件層的操作系統(tǒng)需要支持多用戶、多任務(wù)、多線程編程以及具有可裁剪、可定制、可移植的操作系統(tǒng)，所以采用基于Linux內(nèi)核的android系統(tǒng)，一方面能完美使用android開(kāi)發(fā)包的UI庫(kù)并且能夠完成對(duì)系統(tǒng)資源的統(tǒng)一管理，為用戶編程提供統(tǒng)一的API接口等功能。軟件層的應(yīng)用程序?yàn)橥瓿梢曨l圖像采集與目標(biāo)跟蹤的功能，引入基于OpenCv視覺(jué)庫(kù)的圖像編程方法，其中OpenCv視覺(jué)庫(kù)具有跨平臺(tái)與可移植性的優(yōu)點(diǎn)，為視頻圖像編程提供了統(tǒng)一API編程接口，方便用戶直接調(diào)用。通過(guò)對(duì)系統(tǒng)的主要功能分析以及軟硬件層構(gòu)成介紹，可知系統(tǒng)的工作流程為：羅技c210攝像頭采集視頻圖像，tiny210開(kāi)發(fā)板中的處理器實(shí)時(shí)讀取USB接口中的視頻信息，并由軟件層中ViBe算法進(jìn)行前景檢測(cè)并使用團(tuán)塊跟蹤算法完成對(duì)目標(biāo)的跟蹤處理，然后生成軌跡，將處理后的結(jié)果顯示到LCD顯示屏中。

2 目標(biāo)檢測(cè)與跟蹤系統(tǒng)的平臺(tái)搭建及算法的實(shí)現(xiàn)

2.1 軟硬件平臺(tái)的搭建

該文打算將嵌入式技術(shù)與圖像分析技術(shù)相結(jié)合，提出了基于嵌入式的目標(biāo)檢測(cè)跟蹤系統(tǒng)研究，為了能使計(jì)算機(jī)視覺(jué)技術(shù)這種計(jì)算量大的算法在嵌入式開(kāi)發(fā)板上進(jìn)行運(yùn)算。為此該結(jié)合了系統(tǒng)的功能需求，先詳細(xì)地?cái)⑹鲈O(shè)計(jì)出系統(tǒng)的總體框架，在后面分別敘述能夠?qū)崿F(xiàn)的系統(tǒng)框架軟硬件平臺(tái)，并且詳細(xì)介紹系統(tǒng)軟硬件平臺(tái)的搭建與把OPEN CV庫(kù)移植到tiny210上。

2.2 系統(tǒng)硬件平臺(tái)

2.2.1 處理器選擇

雖然嵌入式處理器種類很多，但各自有特點(diǎn)與適用場(chǎng)合。Cortex-8處理器具有體積小、成本低等特點(diǎn)。該文的研究對(duì)智能交通系統(tǒng)中部分功能能夠?qū)崿F(xiàn)。對(duì)開(kāi)發(fā)板的定位為：安裝方便、功耗小、運(yùn)行速度快、支持圖像處理操作、實(shí)時(shí)性與穩(wěn)定性較好、并且價(jià)格便宜。

該文選擇基于Cortex-A8架構(gòu)的Tiny210開(kāi)發(fā)板作為系統(tǒng)的硬件平臺(tái)，開(kāi)發(fā)板上已經(jīng)集成了除微處理器之外的存儲(chǔ)系統(tǒng)、總線接口以及常用的外圍設(shè)備。Tiny210由Samsung S3C2440微處理器、LCD顯示屏、以及多種外圍設(shè)備構(gòu)成。同時(shí)它具有支持萬(wàn)能USB攝像頭、支持USB燒寫(xiě)更新Linux系統(tǒng)的優(yōu)點(diǎn)，這將大大地縮短開(kāi)發(fā)人員的學(xué)習(xí)與開(kāi)發(fā)周期。開(kāi)發(fā)板硬件配置與接口外觀如圖2所示。

2.2.2 存儲(chǔ)系統(tǒng)

Tiny210開(kāi)發(fā)板的存儲(chǔ)系統(tǒng)分為兩部分：一部分由兩塊大小為32M bytes的芯片組成SDRAM存儲(chǔ)系統(tǒng)（內(nèi)存）；另一部分為FLASH存儲(chǔ)系統(tǒng)，分為NOR FLASH與NANDFLASH，Tiny210支持這兩種Flash啟動(dòng)系統(tǒng)，通過(guò)撥動(dòng)開(kāi)關(guān)S2，可以選擇從NOR還是從NAND啟動(dòng)系統(tǒng)。NAND Flash型號(hào)為K9F1G08，大小為128M。

2.2.3 USB 攝像頭

該系統(tǒng)的車(chē)輛追蹤功能需求中要求對(duì)圖像進(jìn)行采集，將采集后的圖像傳處理器處理，從而完成對(duì)目標(biāo)的跟蹤與顯示。Tiny210開(kāi)發(fā)板支持萬(wàn)能USB攝像頭，相比于其他支持拍攝效果極差的中星微攝像頭的開(kāi)發(fā)板，性價(jià)比要高很多。該文的圖像采集單元，選擇具備自帶完整驅(qū)動(dòng)程序的ZC0301PL攝像頭作為解決方案。攝像頭內(nèi)部芯片集圖像采集壓縮、傳輸、JPEG譯碼等功能于一體，為用戶提供流暢、清晰的視頻圖像信息；同時(shí)支持15幀/sVGA和30幀/sCIF/SIF視頻顯示。

2.3 系統(tǒng)軟件平臺(tái)

2.3.1 操作系統(tǒng)選擇

在確定采用基于Cortex-8架構(gòu)的tiny210開(kāi)發(fā)板作為硬件平臺(tái)的載體后，需要在開(kāi)發(fā)板上移植一個(gè)能對(duì)硬件資源進(jìn)行管理、具備提供給開(kāi)發(fā)人員操作底層驅(qū)動(dòng)的API接口以及可以通過(guò)加載或者卸載模塊的操作方式實(shí)現(xiàn)系統(tǒng)的擴(kuò)展功能的嵌入式操作系統(tǒng)。

嵌入式操作系統(tǒng)可分為實(shí)時(shí)與非實(shí)時(shí)操作系統(tǒng)，在操作系統(tǒng)的選擇過(guò)程中，我們應(yīng)綜合考慮操作系統(tǒng)的兼容性與穩(wěn)定性，版權(quán)費(fèi)用與軟件開(kāi)發(fā)難易程度等幾個(gè)問(wèn)題。因此需選擇實(shí)時(shí)性操作系統(tǒng)，下面對(duì)幾種常見(jiàn)的實(shí)時(shí)操作系統(tǒng)進(jìn)行介紹。

（1）Windows CE操作系統(tǒng)：主要應(yīng)用于智能手機(jī)、PAD 等電子設(shè)備中。但該操作系統(tǒng)具有版權(quán)許可，其源碼并未公開(kāi)，不方便對(duì)其進(jìn)行二次開(kāi)發(fā)。

（2）linux操作系統(tǒng)：由一批操作系統(tǒng)編程愛(ài)好者自由編寫(xiě)而成的。具有源碼公開(kāi)性、免費(fèi)使用、對(duì)硬件平臺(tái)依賴較小、內(nèi)核可裁剪定制等優(yōu)點(diǎn)。具有支持多用戶、多任務(wù)、多線程和多CPU的功能。廣泛應(yīng)用于嵌入式領(lǐng)域，在開(kāi)發(fā)成功的嵌入式系統(tǒng)中，其市場(chǎng)占有率約達(dá)50%，這使其成為主流的嵌入式操作系統(tǒng)。

（3）Android操作系統(tǒng)是基于linux內(nèi)核，等于uboot+ linux kernel+android（包含文件系統(tǒng)，虛擬機(jī)，UI），所以使用android系統(tǒng)就站在了linux這個(gè)巨人的肩膀上，通過(guò)使用HAL，JNI實(shí)現(xiàn)底層的開(kāi)發(fā)，使用android的SDK做程序的應(yīng)用。

2.3.2 Opencv的使用

該文中的目標(biāo)跟蹤算法等應(yīng)用程序都從頭開(kāi)始編寫(xiě)代碼，則無(wú)法滿足軟件開(kāi)發(fā)敏捷思維與快速迭代思想的要求。所以該文決定采用OpenCv圖像處理開(kāi)源庫(kù)，里面封裝了很多常用的處理圖像的函數(shù)和數(shù)據(jù)結(jié)構(gòu)，包括圖像變換，輪廓的匹配，圖像矩陣數(shù)據(jù)類型等，極大地提高了開(kāi)發(fā)人員的效率，使得開(kāi)發(fā)人員按照理論依據(jù)使用庫(kù)函數(shù)即可實(shí)現(xiàn)圖像處理算法。但為了適應(yīng)選擇的硬件平臺(tái)和操作系統(tǒng)，需要將庫(kù)移植到平臺(tái)上，使用交叉編譯可將庫(kù)在平臺(tái)上進(jìn)行編譯。

2.4 相關(guān)理論

嵌入式目標(biāo)檢測(cè)與跟蹤的核心基礎(chǔ)在于如何定義運(yùn)動(dòng)對(duì)象，然后記錄對(duì)象的軌跡。只有完整、精確地提取了運(yùn)動(dòng)物體的前景圖像并對(duì)行為與軌跡進(jìn)行記錄，才能進(jìn)行更高級(jí)的語(yǔ)義分析及行為判斷，應(yīng)用于更多場(chǎng)景。所以，敘述系統(tǒng)采用運(yùn)動(dòng)檢測(cè)跟蹤框架的各個(gè)部分組成，然后對(duì)核心的前景提取算法進(jìn)行研究和分析。

2.4.1 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤框架

完整的運(yùn)動(dòng)檢測(cè)與跟蹤系統(tǒng)大致流程可以分為：前景提取、團(tuán)塊檢測(cè)、團(tuán)塊跟蹤、軌跡生成。流程圖如圖3所示。

2.4.2 前景檢測(cè)模塊

前景檢測(cè)模塊輸入的數(shù)據(jù)為當(dāng)前幀，輸出的數(shù)據(jù)為與視頻幀具有相同大小的二值圖，將當(dāng)前幀與已經(jīng)建立好的背景進(jìn)行比較，得出的運(yùn)動(dòng)前景將置像素點(diǎn)為1，其余為0。

前景檢測(cè)算法主要分為幀差法，平均背景法，光流法，前景建模法，背景非參數(shù)估計(jì)，背景建模法等，運(yùn)動(dòng)目標(biāo)檢測(cè)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(dòng)檢測(cè)和動(dòng)態(tài)背景下運(yùn)動(dòng)檢測(cè)。先簡(jiǎn)單從視頻中的背景類型來(lái)討論。

靜態(tài)背景下的目標(biāo)檢測(cè)，就是從序列圖像中將實(shí)際的變化區(qū)域和背景區(qū)分開(kāi)了。在背景靜止的大前提下進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)的方法有很多，這些方法比較側(cè)重于背景擾動(dòng)小噪聲的消除，如：

（1）背景差分法。

（2）幀間差分法。

（3）光流法。

（4）混合高斯模型（GMM）。

（5）碼本（codebook）。

運(yùn)動(dòng)背景下的目標(biāo)檢測(cè)，相對(duì)于靜態(tài)背景而言，算法的思路就有所區(qū)別了，一般會(huì)更加側(cè)重于匹配，需要進(jìn)行圖像的全局運(yùn)動(dòng)估計(jì)與補(bǔ)償。因?yàn)樵谀繕?biāo)和背景同時(shí)運(yùn)動(dòng)的情況下，是無(wú)法簡(jiǎn)單根據(jù)運(yùn)動(dòng)來(lái)判斷的。運(yùn)動(dòng)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法也有很多，如：

（1）塊匹配。

（2）光流估計(jì)。

但該文希望結(jié)合嵌入式開(kāi)發(fā)板，決定采用使用存儲(chǔ)空間少，計(jì)算量少的ViBe算法。

ViBe是一種像素級(jí)視頻背景建模或前景檢測(cè)的算法，效果優(yōu)于所熟知的幾種算法，對(duì)硬件內(nèi)存占用也少，很簡(jiǎn)單。該算法將在下一小節(jié)進(jìn)行討論。

2.4.3 團(tuán)塊檢測(cè)模塊

團(tuán)塊檢測(cè)模塊的作用是檢測(cè)前景提取出來(lái)的團(tuán)塊，監(jiān)控它們的位置和大小，并且處理噪點(diǎn)和篩選不符合規(guī)定的團(tuán)塊。模塊的輸入是當(dāng)前幀的前景圖像，輸出的結(jié)果是檢測(cè)到的團(tuán)塊列表，簡(jiǎn)要的處理流程為：首先從前景幀進(jìn)行掃描，記錄像素點(diǎn)為1的點(diǎn)，最后把有連續(xù)像素點(diǎn)為1的團(tuán)塊保存下來(lái)，然后再將較小的模塊和已經(jīng)被跟蹤記錄有重疊的團(tuán)塊丟棄，并對(duì)剩下的團(tuán)塊進(jìn)行排序，最后利用特定規(guī)則篩選掉不符合的團(tuán)塊，將真正的團(tuán)塊保存到列表里。

2.4.4 團(tuán)塊跟蹤模塊

該模塊的作用就是對(duì)檢測(cè)出來(lái)的團(tuán)塊進(jìn)行跟蹤，此模塊的輸入為當(dāng)前幀的前景圖像和團(tuán)塊列表。首先提取出所有的團(tuán)塊，計(jì)算團(tuán)塊的質(zhì)心，高度和寬度。然后對(duì)每一個(gè)已被跟蹤的軌跡，利用kalman算法預(yù)測(cè)該軌跡在當(dāng)前幀的團(tuán)塊位置和大小，最后對(duì)每個(gè)跟蹤的軌跡進(jìn)行處理，尋找離上一幀里團(tuán)塊最近的當(dāng)前幀模塊，將次團(tuán)塊加入到跟蹤軌跡。

為了講述如何預(yù)測(cè)軌跡，下面是對(duì)卡爾曼濾波的理論進(jìn)行探討：

對(duì)于一個(gè)動(dòng)態(tài)系統(tǒng)，我們首先定義一組狀態(tài)空間方程

狀態(tài)方程：

測(cè)量方程：

xk是狀態(tài)向量，zk是測(cè)量向量，Ak是狀態(tài)轉(zhuǎn)移矩陣，uk是控制向量，Bk是控制矩陣，wk是系統(tǒng)誤差（噪聲），Hk是測(cè)量矩陣，vk是測(cè)量誤差（噪聲）。wk和vk都是高斯噪聲，即：

整個(gè)卡爾曼濾波的過(guò)程就是個(gè)遞推計(jì)算的過(guò)程，不斷地“預(yù)測(cè)——更新——預(yù)測(cè)——更新……”

預(yù)測(cè)：

預(yù)測(cè)狀態(tài)值：

預(yù)測(cè)最小均方誤差：

更新：

測(cè)量誤差：

測(cè)量協(xié)方差：

最優(yōu)卡爾曼增益：

修正狀態(tài)值：

修正最小均方誤差：

2.4.5 軌跡生成模塊

該模塊的作用是將團(tuán)塊的軌跡數(shù)據(jù)本地化，以特定的形式保存下來(lái)。該模塊的輸入為當(dāng)前幀各個(gè)運(yùn)動(dòng)目標(biāo)的團(tuán)塊，輸出結(jié)果是存儲(chǔ)特定位置下的軌跡文件。它主要負(fù)責(zé)收集所有團(tuán)塊的軌跡和特征，在每個(gè)團(tuán)塊結(jié)束運(yùn)行軌跡時(shí)保存。

2.5 ViBe前景檢測(cè)算法

ViBe是一種基于隨機(jī)像素級(jí)視頻背景建模的算法，效果不弱于基于概率密度的背景建模算法，具體的思想就是采用鄰域像素來(lái)創(chuàng)建背景模型，通過(guò)比對(duì)背景模型和當(dāng)前輸入像素值來(lái)檢測(cè)前景，然后將每一個(gè)新的像素值和樣本集進(jìn)行比較來(lái)判斷是否屬于背景點(diǎn)。這樣對(duì)硬件內(nèi)存占用也少，非常適用與嵌入式開(kāi)發(fā)。

2.5.1 背景模型的初始化

初始化就是建立背景模型的過(guò)程。常見(jiàn)的檢測(cè)算法的初始化需要一定長(zhǎng)度的視頻序列來(lái)完成，這樣就造成了一定程序的延遲性，而ViBe的初始化只通過(guò)一幀圖像。ViBe初始化就是填充像素的樣本集的過(guò)程但是由于在一幀圖像中不可能包含像素點(diǎn)的時(shí)空分布信息，我們利用了相近像素點(diǎn)擁有相近的時(shí)空分布特性，具體來(lái)講就是：對(duì)于一個(gè)像素點(diǎn)，隨機(jī)選擇它的鄰居點(diǎn)的像素值作為它的模型樣本值。M0（x）={v0（y|y∈NG（x））}，t=0初始時(shí)刻，NG（x）即為鄰居點(diǎn)。每一個(gè)像素模型都可以用其鄰域中的像素來(lái)表示。為了保證背景模型符合統(tǒng)計(jì)學(xué)規(guī)律，鄰域的范圍要足夠大。當(dāng)輸入第一幀圖像時(shí)，即t=0時(shí)，像素的背景模型為：其中，表示空域上相鄰的像素值，表示當(dāng)前點(diǎn)的像素值。在N次的初始化的過(guò)程中，中的像素點(diǎn)被選中的可能次數(shù)為L(zhǎng)=1，2，3，…，N。

2.5.2 背景模型的更新策略

背景模型的更新就是使得背景模型能夠適應(yīng)背景的不斷變化，比如光照的變化，背景物體的變更等等。Vibe采用的是隨機(jī)的子采樣，在更新在時(shí)間和空間上都具有隨機(jī)性。具體的更新方法。

（1）時(shí)間上的隨機(jī)性：在多個(gè)背景模型中隨機(jī)抽取一副圖像N，圖4表示了圖像N的x位置及其八鄰域內(nèi)的像素。當(dāng)我們得到新的一幀圖像T時(shí)，如果圖像T中的x位置對(duì)應(yīng)的像素被判斷為背景，則需要被更新。這個(gè)抽取的過(guò)程體現(xiàn)了時(shí)間上的隨機(jī)性。

（2）空間上的隨機(jī)性：在Nx的八鄰域中隨機(jī)抽取一個(gè)像素NR，用的來(lái)替換掉Tx。隨機(jī)選取一個(gè)樣本值進(jìn)行更新，這樣可以保證樣本值的平滑的生命周期由于是隨機(jī)的更新。

ViBe實(shí)驗(yàn)效果如圖5所示。

3 應(yīng)用

該文將嵌入式目標(biāo)檢測(cè)與跟蹤系統(tǒng)應(yīng)用于高速公路上目標(biāo)車(chē)輛的路徑跟蹤和大小檢測(cè)以及車(chē)速跟道路路況相關(guān)數(shù)據(jù)的準(zhǔn)確記錄，如圖6所示。

在輸入車(chē)輛視頻的位置輸入3個(gè)視頻檢測(cè)，點(diǎn)擊開(kāi)始檢測(cè)即可實(shí)現(xiàn)對(duì)視頻中單個(gè)視頻攝像頭視野下斷面實(shí)時(shí)車(chē)速、每?jī)蓚€(gè)視頻攝像頭為“路段”的最小單元，分別計(jì)算每個(gè)路段的平均車(chē)速、以及正確識(shí)別大車(chē)和小車(chē)（小于6 m為小車(chē)，大于等于6 m為大車(chē)），并按上下行車(chē)道分別對(duì)大小車(chē)進(jìn)行計(jì)數(shù)等功能，準(zhǔn)確數(shù)據(jù)，如圖6所示。

4 結(jié)語(yǔ)

該平臺(tái)在整個(gè)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的核心在于檢測(cè)前景團(tuán)塊，只要實(shí)時(shí)性好，檢測(cè)精確度高，并且計(jì)算量少，那么后續(xù)進(jìn)行團(tuán)塊跟蹤的差錯(cuò)率就會(huì)降低。傳統(tǒng)的基于概率密度的背景建模算法計(jì)算量太多，實(shí)時(shí)性差，并不適用于嵌入式目標(biāo)跟蹤。所以該文采用了背靜差算法—ViBe。首先，它只需要一幀圖像即可完成初始化，而其他的算法通常需要等待數(shù)秒去完成初始化，而且它的更新策略是隨機(jī)采樣點(diǎn)建模，將ViBe算法使用在嵌入式目標(biāo)檢測(cè)與跟蹤系統(tǒng)中具有計(jì)算量小、內(nèi)存占用少、處理速度快、檢測(cè)效果好等特點(diǎn)。很好解決了嵌入式開(kāi)發(fā)板性能不足的問(wèn)題，又能實(shí)時(shí)地進(jìn)行區(qū)域的監(jiān)控，并且適應(yīng)環(huán)境的變化，可以運(yùn)用在不同的場(chǎng)合，比如具有相同原理的圖像分析體系里，可以運(yùn)用到更好的系統(tǒng)檢測(cè)中，不僅是軌跡分析中，動(dòng)態(tài)分析亦是如此，此處為該平臺(tái)最大優(yōu)勢(shì)。該文僅運(yùn)用在高速公路的場(chǎng)景舉例，為新一代智能交通提供有力充分支持，現(xiàn)實(shí)中的圖像識(shí)別更多是動(dòng)態(tài)的，只有把運(yùn)動(dòng)目標(biāo)更準(zhǔn)確地檢測(cè)出來(lái)并且進(jìn)行跟蹤和提取特征，那么才能為動(dòng)態(tài)的圖像分析提供有力的支撐，下一步將不斷嘗試不同領(lǐng)域的開(kāi)發(fā)和測(cè)試。

參考文獻(xiàn)

[1] GARY BRADSKI.學(xué)習(xí)opencv[M].北京：清華大學(xué)出版社，2009.

[2] TCP/IP網(wǎng)絡(luò)編程[M].北京：人民郵電出版社，2014.

[3] C++Primer中文版[M].北京：人民郵電出版社，2006.

[4] VisualC++數(shù)字圖像處理技術(shù)詳解[Z].2013.

[5] 倪旭翔，計(jì)春雷.ARM嵌入式開(kāi)發(fā)與實(shí)踐[M].北京：中國(guó)水利水電出版社，2011.

[6] Background Subtraction：Experiments and Improvements for ViBe， M.Van Droogenbroeck and O. Paquot. In Change Detection Workshop （CDW）， Providence， Rhode Island[Z].2012.

[7] Background Subtraction： Experiments and Improvements for ViBe. In Change Detection Workshop （CDW）， Providence， Rhode Island[Z].2012.