一種運(yùn)動攝像機(jī)下的人群目標(biāo)跟蹤方法研究

汪少文　王巍

摘? 要：針對移動攝像機(jī)下的人群目標(biāo)跟蹤問題，提出了一種目標(biāo)跟蹤方法。該方法利用顏色與輪廓兩種特征描述跟蹤目標(biāo)，并運(yùn)用Bhattacharyya距離進(jìn)行相似度比較，改進(jìn)傳統(tǒng)的跟蹤算法。實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)崿F(xiàn)人群目標(biāo)的跟蹤，對單一顏色與遮擋的目標(biāo)有很強(qiáng)的魯棒性，能夠?qū)崿F(xiàn)單目標(biāo)與雙目標(biāo)的跟蹤。

關(guān)鍵詞：移動攝像機(jī);人群目標(biāo)特征描述;目標(biāo)跟蹤

中圖分類號：TP391.41 ? ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2019）22-0094-03

Abstract：Aiming at the problem of crowd target tracking under moving camera，a target tracking method is proposed. This method uses color and contour features to describe the tracking target，and uses Bhattacharyya distance to compare the similarity，so as to improve the traditional tracking algorithm. The experimental results show that the method can achieve crowd target tracking，has strong robustness to single color and occluded targets，and can achieve single target and double target tracking.

Keywords：moving camera;crowd target feature description;target tracking

0? 引? 言

運(yùn)動目標(biāo)跟蹤被廣泛應(yīng)用于視頻監(jiān)控、國防安全、航空航天、醫(yī)藥衛(wèi)生等領(lǐng)域。目標(biāo)跟蹤可以分為兩大類[1]：靜止背景下的目標(biāo)跟蹤與動態(tài)背景下的目標(biāo)跟蹤。前者采用的是固定的攝像機(jī)進(jìn)行視頻的采集，拍攝的背景相對固定，在現(xiàn)實(shí)生活中有廣泛的應(yīng)用，如：治安監(jiān)控系統(tǒng)、交通監(jiān)視系統(tǒng)和室內(nèi)的監(jiān)控等;后者是在攝像機(jī)進(jìn)行運(yùn)動的情況下的一種跟蹤方法，主要應(yīng)用于基于車載攝像機(jī)的跟蹤、無人機(jī)的跟蹤等?；陟o止背景下的目標(biāo)跟蹤算法相對成熟，而在攝像機(jī)運(yùn)動的情況下，目前的研究較少，算法的復(fù)雜度相對較高。

現(xiàn)如今的目標(biāo)跟蹤與人群的處理大部分都是基于固定的攝像頭。在人群復(fù)雜的情況下，只能從宏觀上對人群進(jìn)行研究與分析，無法對人群中的某個特定目標(biāo)實(shí)施有效的跟蹤。為了解決這一問題，提出了一種運(yùn)動攝像機(jī)情況下的人群目標(biāo)跟蹤技術(shù)，從個體方面對人群中的目標(biāo)進(jìn)行跟蹤，豐富了人群目標(biāo)研究，具有較好的跟蹤效果。

1? 粒子濾波器原理

粒子濾波技術(shù)包括2個基本步驟：預(yù)測和更新。

1.1? 粒子濾波的實(shí)現(xiàn)

粒子濾波算法[2]思想源于蒙特卡洛思想，在復(fù)雜環(huán)境下對目標(biāo)的狀態(tài)估計(jì)十分有效，它能夠?yàn)檫\(yùn)動狀態(tài)估計(jì)提供一種概率框架。動態(tài)系統(tǒng)k時刻的狀態(tài)向量為xk，觀測向量為zk，跟蹤問題可以描述為：在已知累積到k時刻所有觀測值z1：k=（z1，…，zk）的條件下，計(jì)算k時刻的狀態(tài)xk。在貝葉斯序貫估計(jì)中，后驗(yàn)概率密度可以由預(yù)測階段和濾波階段計(jì)算得出。

1.2? 粒子濾波算法的分析

傳統(tǒng)的粒子濾波跟蹤算法中，目標(biāo)模型的建立通常采用一種特征，如顏色直方圖特征、邊緣梯度、方向梯度直方圖。這些單一的特征在復(fù)雜的外部環(huán)境下無法實(shí)現(xiàn)對目標(biāo)的有效跟蹤。本文主要研究的是移動攝像機(jī)下的人群目標(biāo)跟蹤，人群由于其存在的復(fù)雜性一直是計(jì)算機(jī)視覺領(lǐng)域的一個難點(diǎn)。人群中可能包含各種各樣的個體，充斥著大量的相似個體，遮擋現(xiàn)象嚴(yán)重，單一特征無法有效地描述特定的跟蹤目標(biāo)。為了提高跟蹤的魯棒性，對人群中的目標(biāo)進(jìn)行多特征的描述，雖然在跟蹤中使用越多的特征能越全面地描述目標(biāo)，提高跟蹤的準(zhǔn)確性，但計(jì)算的時間和空間復(fù)雜度也會相應(yīng)地增加，所以選取合適的特征對目標(biāo)進(jìn)行描述顯得十分重要。

2? 目標(biāo)特征介紹

由于單一特征無法準(zhǔn)確描述運(yùn)動目標(biāo)，實(shí)現(xiàn)人群目標(biāo)的跟蹤，采用多特征的目標(biāo)描述方法顯得十分必要。目標(biāo)的顏色特征[3]具有穩(wěn)定性高、有效的抗部分遮擋、計(jì)算量較小等優(yōu)點(diǎn)，但對背景光照變化敏感，且具有相似顏色干擾信息時，跟蹤的準(zhǔn)確性大大降低的問題。

2.1? 顏色特征介紹

顏色特征在實(shí)驗(yàn)中，將RGB顏色空間轉(zhuǎn)換到HSV顏色空間，將顏色信息劃分m1=10×10+10成為個等級。利用式（5）可以計(jì)算出目標(biāo)中每個像素的權(quán)重：

2.2? 邊緣直方圖

顏色特征是一種應(yīng)用廣泛的特征，在多數(shù)跟蹤任務(wù)中都有很好的表現(xiàn)。然而，當(dāng)背景顏色與目標(biāo)顏色特征相似時，背景顏色信息會對目標(biāo)跟蹤形成干擾，誤把背景當(dāng)作目標(biāo)。為了解決這種缺陷，提高跟蹤魯棒性，可以將目標(biāo)的其他特征與顏色特征結(jié)合建立觀測模型。本文應(yīng)用邊緣直方圖特征對特定區(qū)域的邊界信息進(jìn)行統(tǒng)計(jì)，結(jié)合顏色特征描述目標(biāo)。

其中，為高斯方差。式（12）越大，說明候選目標(biāo)與目標(biāo)模板的輪廓越相似，候選目標(biāo)是真實(shí)目標(biāo)的可能性越大。輪廓特征Bhattacharyya距離由目標(biāo)模型的輪廓方向分布與候選目標(biāo)的輪廓方向分布確定;顏色特征的Bhattacharyya距離由目標(biāo)顏色分布與參考目標(biāo)顏色分布確定。兩種特征的融合提高了跟蹤的魯棒性，能夠很好地跟蹤人群中的特定目標(biāo)。

3? 粒子濾波跟蹤算法的實(shí)現(xiàn)與實(shí)驗(yàn)結(jié)果

3.1? 粒子濾波跟蹤算法的實(shí)現(xiàn)

粒子濾波跟蹤分為目標(biāo)模型初始化和遞歸跟蹤系統(tǒng)。本文使用視頻文件進(jìn)行實(shí)驗(yàn)，算法的實(shí)現(xiàn)步驟如下：

步驟1：初始化particle（確定粒子的個數(shù)）。粒子個數(shù)的多少與跟蹤的速度和跟蹤的效果息息相關(guān)。

步驟2：提取跟蹤目標(biāo)特征。選取視頻中需要跟蹤的人群目標(biāo)，計(jì)算跟蹤目標(biāo)的特征。

步驟3：釋放particle。在上一幀得到的目標(biāo)附近按照高斯分布來釋放particle。

步驟4：求particle區(qū)域的特征直方圖。根據(jù)上一幀傳遞來的粒子位置、形狀信息確定候選目標(biāo)區(qū)域，計(jì)算候選區(qū)域特征的概率密度。

步驟5：特征對比，更新particle的權(quán)重。計(jì)算候選目標(biāo)模型與目標(biāo)模型的相似度，得到每個粒子對應(yīng)的觀測值的概率密度，進(jìn)而更新粒子的權(quán)值。

步驟6：歸一化。將每個粒子算出后的相似度做歸一化，使得所有的粒子得到的相似度加起來等于1。

步驟7：重采樣。在相似度高的地方多放粒子，相似度低的地方少放粒子。

步驟8：計(jì)算粒子的期望，重復(fù)算法實(shí)現(xiàn)對目標(biāo)的動態(tài)跟蹤。

3.2? 實(shí)驗(yàn)結(jié)果

本文運(yùn)用VS2010配置OpenCV2.3.1進(jìn)行實(shí)驗(yàn)平臺的搭建。選取了一段移動攝像機(jī)下的人群視頻進(jìn)行實(shí)驗(yàn)，對本文提出的人群目標(biāo)跟蹤方法進(jìn)行驗(yàn)證。分別進(jìn)行單目標(biāo)跟蹤與多目標(biāo)跟蹤兩個實(shí)驗(yàn)。

實(shí)驗(yàn)1：對單目標(biāo)進(jìn)行跟蹤。實(shí)驗(yàn)分別采用單特征情況下的跟蹤與多特征情況下的跟蹤兩種方法，通過比較實(shí)驗(yàn)結(jié)果判別本文方法的可行性與魯棒性。實(shí)驗(yàn)選用了顏色特征，在第一幀通過手動選擇跟蹤目標(biāo)，并通過顏色直方圖進(jìn)行特征對比。在跟蹤的初始階段單特征能夠完成跟蹤，但在后續(xù)的跟蹤過程中，由于單一特征的不穩(wěn)定性，跟蹤目標(biāo)會發(fā)生變化，特別在目標(biāo)周圍出現(xiàn)相近的顏色時，容易發(fā)生跟蹤錯誤。

本文運(yùn)用多特征的方法進(jìn)行跟蹤，能夠克服單一特征跟蹤過程中會出現(xiàn)的跟蹤目標(biāo)丟失情況，在跟蹤目標(biāo)遇到遮擋情況時也能夠具備良好的跟蹤效果。

遮擋目標(biāo)的跟蹤一直是計(jì)算機(jī)跟蹤中的一個難點(diǎn)，本文采用的多特征方式能夠很好地實(shí)現(xiàn)遮擋后的目標(biāo)跟蹤。當(dāng)遮擋情況出現(xiàn)之前，粒子會對周圍做高斯形式的探測，跟蹤目標(biāo)被遮擋時會根據(jù)顏色直方圖與邊緣直方圖進(jìn)行選擇判斷，在無遮擋后能夠很好地跟蹤移動目標(biāo)。

實(shí)驗(yàn)2：多目標(biāo)跟蹤。實(shí)驗(yàn)中選擇了最簡單的一種多目標(biāo)情況——雙目標(biāo)進(jìn)行跟蹤，在攝像機(jī)進(jìn)行移動的情況下，本文的方法能夠?qū)崿F(xiàn)雙目標(biāo)的跟蹤。通過手動選擇兩個需要跟蹤的目標(biāo)，分別用兩種顏色的窗口進(jìn)行標(biāo)記，通過一段時間進(jìn)行驗(yàn)證，跟蹤的窗口能夠時刻在目標(biāo)周圍移動，沒有發(fā)生目標(biāo)丟失的情況。

4? 結(jié)? 論

本文提出了一種有效的對移動攝像機(jī)下的人群目標(biāo)進(jìn)行跟蹤的方法，選取了一段復(fù)雜的路邊環(huán)境進(jìn)行實(shí)驗(yàn)，通過顏色與輪廓兩種特征實(shí)現(xiàn)對跟蹤目標(biāo)的描述，證明相比單特征，多特征能夠更好地完成目標(biāo)的跟蹤，跟蹤具有較高的魯棒性。本文分別進(jìn)行單目標(biāo)跟蹤與多目標(biāo)跟蹤兩個實(shí)驗(yàn)，驗(yàn)證了方法的可行性與可靠性。下一步的主要工作是進(jìn)行其他特征的融合，在融合的過程中考慮算法的效率，希望找到一種更加有效的實(shí)時目標(biāo)跟蹤方法。

參考文獻(xiàn)：

[1]? 張娟，毛曉波，陳鐵軍.運(yùn)動目標(biāo)跟蹤算法研究綜述 [J].計(jì)算機(jī)應(yīng)用研究，2009，26（12）：4407-4410.

[2] 王國良，劉金國.基于粒子濾波的多自由度運(yùn)動目標(biāo)跟蹤 [J].光學(xué)精密工程，2011，19（4）：864-869.

[3] 鄭明恩，管業(yè)鵬.基于膚色與膚色矩實(shí)時視頻人臉檢測與跟蹤 [J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（4）：879-881.

[4] 劉惟錦，章毓晉.基于Kalman 濾波和邊緣直方圖的實(shí)時目標(biāo)跟蹤 [J].清華大學(xué)學(xué)報（自然科學(xué)版），2008，48（7）：1104-1107.

作者簡介：汪少文（1991-），女，漢族，江西上饒人，助理講師，碩士研究生，研究方向：管理科學(xué)與工程;王?。?989-），男，漢族，江蘇宿遷人，碩士，研究方向：計(jì)算機(jī)科學(xué)與技術(shù)。