陳超

【摘要】 介紹了Android操作系統(tǒng)的構(gòu)成，根據(jù)機(jī)器視覺中物體跟蹤的具體要求，設(shè)計了一種基于Android平臺的物體跟蹤系統(tǒng)。該系統(tǒng)通過攝像頭采集圖像，在屏幕上選擇要跟蹤的物體，系統(tǒng)會自動計算目標(biāo)中心，繪制目標(biāo)輪廓。并從Opencv視覺庫函數(shù)的選擇，Android開發(fā)平臺的搭建，模塊功能的實(shí)現(xiàn)三個方面具體分析了系統(tǒng)的實(shí)現(xiàn)，該系統(tǒng)易于操作，實(shí)時性好，便于攜帶。

【關(guān)鍵詞】 Android系統(tǒng) Mean-shift跟蹤算法 Opencv視覺庫 圖像采集 圖像處理

Abstract： Introduce the composition of Android operating system，according to the specific requirements of machine vision object tracking，design a object tracking system based on Android platform.The system collect images through camera，select the object that you want to track on the screen，the system will automatically calculate the center，draw the outline.It analyses the implementation of the system with three aspects which are the selection of the Opencv visual library，the foundation of the Android development platform and the implementation of the model function.

Keywords： Android system； Mean-shift tracking algorithm； Opencv visual library； image acquisition； image processing

物體跟蹤采用Mean-shift算法，計算所選區(qū)域的灰度直方圖，根據(jù)直方 圖的數(shù)值分布采用Ostu最大類間方算法，計算圖像的實(shí)時閾值，根據(jù)動態(tài)閾值使其能夠最大限度的分割出前景與背景，并且計算所選區(qū)域的中心點(diǎn)坐標(biāo)，繪制輪廓矩形圖，從而較為精確的跟蹤運(yùn)動物體[1]。

一、 Android平臺的搭建

Android系統(tǒng)平臺主要由應(yīng)用程序，應(yīng)用程序框架，C/C++函數(shù)庫，Android運(yùn)行庫，底層Linux內(nèi)核這幾部分構(gòu)成[2]，并且在設(shè)計中還要植入相應(yīng)版本的Opencv視覺函數(shù)庫，在開發(fā)應(yīng)用程序中才能調(diào)用庫函數(shù)實(shí)現(xiàn)相應(yīng)的圖像采集與圖像處理的功能。文章中利用裝載有Android系統(tǒng)的手機(jī)作為載體，植入Opencv Manager，根據(jù)Android應(yīng)用程序的開發(fā)規(guī)則，結(jié)合對應(yīng)的機(jī)器視覺函數(shù)，編寫目的應(yīng)用程序，在程序中要調(diào)用自身攜帶的攝像頭進(jìn)行圖像的采集工作[4]，屏幕作為人機(jī)交互窗口[5]，供用戶選擇需要跟蹤的物體，并在其演示跟蹤的效果。

系統(tǒng)的工作方塊圖如下：

2）計算背景和目標(biāo)的出現(xiàn)概率，計算方法如下：

pA ：背景出現(xiàn)的概率

pB ： 目標(biāo)出現(xiàn)的概率

3）計算A和B兩個區(qū)域的累間方差：

1、計算A和B區(qū)域平均灰度值：

2、計算灰度圖像全局的灰度

二、Ostu最大類間方差

1）建立圖像灰度直方圖（共有L個灰度級，每個出現(xiàn)概率為p）

3、計算A、B兩個區(qū)域的類間方差

以上為最大類間方差的計算方法，其中的t即為所選定的閾值，根據(jù)這一閾值實(shí)現(xiàn)對圖像的分割。

三、運(yùn)行的結(jié)果演示

選定所要跟蹤目標(biāo)，通過點(diǎn)擊屏幕中的白色瓶蓋[3]，即可計算出瓶蓋的中心，并在圖中繪制出來，并且根據(jù)瓶蓋的輪廓，利用矩形框包圍物體物體。

可以看出當(dāng)移動物體時，矩形框與物體中心跟隨物體的移動，并保持在原來位置，即可達(dá)到跟蹤的效果。

四、結(jié)論

在Android平臺上，植入相應(yīng)的庫函數(shù)，并且利用Mean-shit跟蹤算法以及Ostu最大類間方差算法，兩者相結(jié)合即可實(shí)現(xiàn)物體的跟蹤效果，但跟蹤效果取決物體背景的顏色是否與被跟蹤物體顏色反差大，反差大即可實(shí)現(xiàn)較好的跟蹤效果，反之，效果較差。

參 考 文 獻(xiàn)

[1] 王晨旭.淺談計算機(jī)圖像處理技術(shù)的應(yīng)用[J].計算機(jī)光盤軟件與應(yīng)用，2011，（6）：139

[2] 白文江基于Android平臺的移動應(yīng)用開發(fā)研究[J].太原大學(xué)學(xué)報，2011（3）：117-120

[3]Chen H，Huang T.1990.Matching 3-D line segments with applications to multiple-object motion estimation. IEEE Trans， on PAMI， 12（10）： 1002-1008.

[4] 張梅等.淺談計算機(jī)視覺與數(shù)字?jǐn)z影測量[J].地理空間信息，2010， 8 （2）： 17-20

[5] 張益貞，劉滔.VisualC++實(shí)現(xiàn)MPEG/JPEG編解碼技術(shù)[M].北京：人民郵電出版社，2002

[6] 吳曉陽.基于OpenCV的運(yùn)動目標(biāo)檢測與跟蹤[D].碩士學(xué)位論文，浙江大學(xué)信息科學(xué)與工程學(xué)院，2008