運(yùn)動視覺跟蹤電子設(shè)備的改進(jìn)設(shè)計

宋麗丹

摘 要： 針對運(yùn)動視覺跟蹤電子設(shè)備跟蹤運(yùn)動目標(biāo)效果差的問題，提出一種運(yùn)動視覺跟蹤電子設(shè)備的改進(jìn)方案。在傳統(tǒng)的運(yùn)動視覺跟蹤電子設(shè)備基礎(chǔ)上，引進(jìn)了蒙特卡羅算法，并且修改了接收函數(shù)，使得跟蹤運(yùn)算過程中補(bǔ)償了由于計算上的誤差所導(dǎo)致的跟蹤效果差的問題，根據(jù)運(yùn)動視覺誤差補(bǔ)償方法構(gòu)建了相對應(yīng)的數(shù)學(xué)模型，有效地解決了傳統(tǒng)運(yùn)動視覺跟蹤電子設(shè)備跟蹤運(yùn)動目標(biāo)效果差的問題。通過仿真實(shí)驗(yàn)可以有效的證明，該方案能夠有效地解決跟蹤運(yùn)動目標(biāo)效果差的問題。

關(guān)鍵詞： 運(yùn)動視覺跟蹤； 電子設(shè)備； 改進(jìn)設(shè)計； 蒙特卡羅算法

中圖分類號： TN99?34； G236 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）24?0144?03

Abstract： The electronic device of motion vision tracking has poor tracking effect for motion target. Therefore， an improved method of electronic device for motion vision tracking is proposed. On the basis of the traditional electronic device of motion vision tracking， the Monte Carlo algorithm is introduced and the receiver function is modified to compensate the poor tracking effect caused by the calculated error in tracking operation process. According to the error compensation method of motion vision， the corresponding mathematical model was constructed to improve the motion targets tracking effect of the traditional motion vision tracking electronic equipment effectively. The scheme was verified with simulation experiment. The simulation results show that the scheme can improve the tracking effect of motion target effectively.

Keywords： motion vision tracking； electronic device； improved design； Monte Carlo algorithm

0 引 言

運(yùn)動視覺跟蹤電子設(shè)備進(jìn)行運(yùn)動目標(biāo)跟蹤一般步驟為：首先進(jìn)行該目標(biāo)的測量；然后進(jìn)行視覺跟蹤運(yùn)算；最后視覺建模成像。在完成模型的建立之后還要對建立的模型進(jìn)行視覺檢測，檢測的目的是為了跟蹤成像中序列目標(biāo)清晰對應(yīng)，并且將目標(biāo)從圖像中分割出來，檢測的結(jié)果可以直接影響跟蹤目標(biāo)的成像情況[1]。運(yùn)動視覺跟蹤電子設(shè)備對視覺目標(biāo)進(jìn)行跟蹤，是對圖像全部序列中每一幀圖像進(jìn)行目標(biāo)的鎖定查找，但是由于需要把圖像中不同幀中的跟蹤目標(biāo)標(biāo)記出來，因此會造成跟蹤運(yùn)動目標(biāo)效果質(zhì)量差的問題，嚴(yán)重地影響視覺辨識度。傳統(tǒng)的運(yùn)動視覺跟蹤電子設(shè)備還很難進(jìn)行行為識別和行為描述，常規(guī)的運(yùn)動視覺跟蹤電子設(shè)備是分別進(jìn)行識別、運(yùn)動模型建立和行為描述。綜上所述，本文對運(yùn)動視覺跟蹤電子設(shè)備進(jìn)行了優(yōu)化改進(jìn)，能有效解決上述問題[2?3]。

1 傳統(tǒng)設(shè)備跟蹤運(yùn)動目標(biāo)效果存在的問題

傳統(tǒng)運(yùn)動視覺跟蹤電子設(shè)備跟蹤運(yùn)動目標(biāo)效果差是計算機(jī)視覺跟蹤領(lǐng)域的難點(diǎn)之一[4?5]。其主要原因有以下幾種：硬件設(shè)備的像素以及鏡頭的問題；由于跟蹤的目標(biāo)速度過快致使幀頻過低的問題；由于函數(shù)計算的不精確致使出現(xiàn)像素問題[6]。

在通常狀態(tài)下，對于常規(guī)的視覺跟蹤目標(biāo)運(yùn)動的速度都不會太快，即使是運(yùn)動的目標(biāo)發(fā)生劇烈突變，也不會對跟蹤的效果產(chǎn)生過大的影響[7]。因此，本文在運(yùn)動視覺跟蹤電子設(shè)備的優(yōu)化方案中引進(jìn)了蒙特卡羅跟蹤算法，同時又對接收函數(shù)進(jìn)行了修訂，這樣便可進(jìn)行更為精確的模型建立以及檢測運(yùn)算。通過本文對運(yùn)動視覺跟蹤電子設(shè)備優(yōu)化能夠有效進(jìn)行目標(biāo)跟蹤，從根本上避免了跟蹤運(yùn)動目標(biāo)效果差的問題。優(yōu)化后的運(yùn)動視覺跟蹤電子設(shè)備還能在一定程度上減緩由于目標(biāo)運(yùn)動的不確定性造成的視覺模糊現(xiàn)象，并且通過有效仿真實(shí)驗(yàn)驗(yàn)證了優(yōu)化后的有效性[8]。

2 運(yùn)動視覺跟蹤電子設(shè)備的改進(jìn)設(shè)計

雖然在20世紀(jì)就已經(jīng)提出蒙特卡羅算法，但是由于20世紀(jì)并沒有運(yùn)動視覺跟蹤電子設(shè)備，因此蒙特卡羅算法并沒有在計算機(jī)視覺跟蹤領(lǐng)域進(jìn)行應(yīng)用，由于近些年的計算機(jī)視覺設(shè)備的興起，蒙特卡羅算法才被應(yīng)用到了運(yùn)動視覺跟蹤電子設(shè)備中去。因此本文也引用了蒙特卡羅算法進(jìn)行運(yùn)動視覺跟蹤電子設(shè)備的優(yōu)化。運(yùn)動視覺跟蹤電子設(shè)備結(jié)構(gòu)圖如圖1所示。

蒙特卡羅算法流程圖如圖2所示。

蒙特卡羅計算方法其實(shí)是對圖像核密度進(jìn)行非參數(shù)特征的空間轉(zhuǎn)換方法，通過對圖像幀頻迭代尋優(yōu)得到概率密度分布核函數(shù)表達(dá)式為：

式中，f（x）為核函數(shù)，一般是一個查詢值。如果i為偶數(shù)，那么所得到的矩陣是對稱矩陣，對應(yīng)的像素增大概率為：

式中，m（x）是像素增大概率，通過式（2）可以計算出像素被使用上升的極值。蒙特卡羅算法選擇的空間像素授權(quán)圖形為圖像形式的像素顏色所含有的全部索引。因此，目標(biāo)像素直方系數(shù)式為：

式中：u表示從1，2，…，m全部顏色的像素索引方程；δ為蒙特卡羅函數(shù)的常備系數(shù)；C是整合原點(diǎn)系數(shù)值；q表示核函數(shù)。為了方便進(jìn)行像素的定位，候選目標(biāo)的模型為：

式中，h表示使用的像素寬度，它決定相關(guān)圖像的實(shí)際尺度，通過計算相似度來有效地把非位置像素隔開，如下：

系數(shù)最大值便是當(dāng)前幀值的所在位置。通過對系數(shù)最大值的選定可以有效改變和設(shè)定跟蹤的目標(biāo)，假設(shè)候選目標(biāo)中的p（y）所對應(yīng)的目標(biāo)像素直方系數(shù)q沒有發(fā)生突變，可以把上述公式展開得到：

將式（5）轉(zhuǎn)化為式（6），這樣可以方便進(jìn)行代入化簡，得到化簡式有利于進(jìn)蒙特卡羅計算優(yōu)化，公式如下：

式中，xwg實(shí)際上是對幀頻的定位，根據(jù)預(yù)定的邏輯進(jìn)行定位，直到找到最大迭代次數(shù)。

接收函數(shù)通式合并為：

再依據(jù)區(qū)域定位通式：

式中：表示區(qū)域內(nèi)單位幀運(yùn)動位移向量；分別表示圖像幀頻起始定位焦點(diǎn)和終止定位焦點(diǎn)；表示蒙特卡羅整合系數(shù)；為幀頻系數(shù)常量，把式（7）和式（8）與通式（9）進(jìn)行合并，如下：

得到的結(jié)果是一個區(qū)域，這個區(qū)域具有一定的幀，引入蒙特卡羅算法與接收函數(shù)結(jié)合，必須對上述公式進(jìn)行系數(shù)合并，如下：

進(jìn)行區(qū)域擬定還需要進(jìn)行跟蹤誤差辨別，對跟蹤的相對系數(shù)以及相對值域進(jìn)行多次測量求出平均數(shù)，平均跟蹤誤差為：

式中：N為重疊率；為單元重疊差量，若表示重疊部分時值為0，如果表示非重疊值時值為1；M為像素誤差值，結(jié)果是一個范圍值，通過人為調(diào)整可進(jìn)行函數(shù)的設(shè)定。計算平均跟蹤誤差，選定跟蹤表現(xiàn)值為：

式中：與為跟蹤目標(biāo)中心軸位置坐標(biāo)，經(jīng)計算與實(shí)際位置的中心軸進(jìn)行坐標(biāo)對比，可滿足對誤差的分析；W，B，H為目標(biāo)區(qū)域?qū)嶋H高度、寬度以及對角線。以像素作計量單位計算重疊率為：

式中：為第Q-1幀真實(shí)目標(biāo)區(qū)域中所包含的實(shí)際像素個數(shù)；i和c表示相交區(qū)域所含有的像素個數(shù)，推導(dǎo)出蒙特卡羅算法的測量公式為：

3 試驗(yàn)驗(yàn)證

為了驗(yàn)證本文設(shè)計的運(yùn)動視覺跟蹤電子設(shè)備優(yōu)化方案的有效性，采用對比仿真實(shí)驗(yàn)，對傳統(tǒng)的運(yùn)動視覺跟蹤電子設(shè)備以及本文優(yōu)化后的運(yùn)動視覺跟蹤電子設(shè)備進(jìn)行對比。為了獲得更加準(zhǔn)確的運(yùn)動視覺跟蹤結(jié)果，同時對以運(yùn)動的物體進(jìn)行視覺跟蹤。設(shè)置核密度系數(shù)為7.531；目標(biāo)像素直方系數(shù)q的取值范圍為1～5，幀頻系數(shù)常量C為800；為了保證結(jié)果的有效程度，G的誤差調(diào)整為1。實(shí)驗(yàn)結(jié)果如圖3所示。

通過圖3可以看出，優(yōu)化后的運(yùn)動視覺跟蹤電子設(shè)備的實(shí)驗(yàn)結(jié)果明顯比傳統(tǒng)運(yùn)動視覺跟蹤電子設(shè)備實(shí)驗(yàn)結(jié)果清晰，并且辨識度很高。上述圖3為兩種方法的辨識度的對比結(jié)果，圖3（a）為優(yōu)化后的運(yùn)動視覺跟蹤電子設(shè)備實(shí)驗(yàn)結(jié)果，圖3（b）為傳統(tǒng)的實(shí)驗(yàn)結(jié)果。可以看出優(yōu)化后的實(shí)驗(yàn)結(jié)果明顯比傳統(tǒng)的運(yùn)動視覺跟蹤電子設(shè)備實(shí)驗(yàn)結(jié)果好。

為了進(jìn)一步驗(yàn)證優(yōu)化后的運(yùn)動視覺跟蹤電子設(shè)備的辨識度效果，通過仿真實(shí)驗(yàn)描點(diǎn)記錄的方式，對運(yùn)動視覺跟蹤電子設(shè)備的辨識度進(jìn)行測試，得到測試結(jié)果如圖4所示。

分析圖4可得，傳統(tǒng)電子設(shè)備的辨識度平均值約為1.3，優(yōu)化后的運(yùn)動視覺跟蹤電子設(shè)備的辨識度平均值約為2.8。由對比實(shí)驗(yàn)結(jié)果可以看出，優(yōu)化后的實(shí)驗(yàn)結(jié)果明顯比傳統(tǒng)的運(yùn)動視覺跟蹤電子設(shè)備的辨識度更好。

綜上所述，本文設(shè)計的運(yùn)動視覺跟蹤電子設(shè)備優(yōu)化方法能夠很好地解決跟蹤運(yùn)動目標(biāo)效果差的問題。

4 結(jié) 語

本文設(shè)計的運(yùn)動視覺跟蹤電子設(shè)備優(yōu)化方法能夠有效地解決跟蹤運(yùn)動目標(biāo)效果差的問題，同時增加了圖片辨識度，希望通過本文設(shè)計能夠有效推進(jìn)運(yùn)動視覺跟蹤電子設(shè)備的應(yīng)用。

參考文獻(xiàn)

[1] 孫彩紅.運(yùn)動視覺跟蹤的三維虛擬平臺設(shè)計與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2017，40（2）：39?42.

[2] 王欣，袁坤，于曉，等.基于運(yùn)動恢復(fù)的雙目視覺三維重建系統(tǒng)設(shè)計[J].光學(xué)精密工程，2014，22（5）：1379?1387.

[3] 趙軍，於俊，汪增福.基于改進(jìn)逆向運(yùn)動學(xué)的人體運(yùn)動跟蹤[J].智能系統(tǒng)學(xué)報，2015（4）：548?554.

[4] 喬良.三維圖像視覺下運(yùn)動關(guān)鍵特征的提取方法改進(jìn)[J].計算機(jī)仿真，2017，34（1）：216?219.

[5] 楊敏，裴明濤，王永杰，等.一種基于運(yùn)動目標(biāo)檢測的視覺車輛跟蹤方法[J].北京理工大學(xué)學(xué)報，2014，34（4）：24?28.

[6] 魯永杰，王思明.一種改進(jìn)的運(yùn)動目標(biāo)跟蹤方法[J].中國測試，2015（7）：95?98.

[7] 李駢臻，李震.基于機(jī)器視覺的教室多目標(biāo)跟蹤算法設(shè)計與實(shí)現(xiàn)[J].計算機(jī)工程與設(shè)計，2014，35（1）：243?247.

[8] 覃為廣，宋鴻陟，彭紅星，等.改進(jìn)的自適應(yīng)顏色屬性目標(biāo)跟蹤算法[J].計算機(jī)工程與設(shè)計，2016，37（3）：803?808.