王中杰，張志恒

(山西大學 電子信息工程系，山西 太原 030013)

?

基于粒子濾波的視頻圖像目標遮擋算法研究

王中杰，張志恒

(山西大學 電子信息工程系，山西 太原 030013)

基于粒子濾波的視頻圖像目標遮擋算法是當前的一個熱門研究領域。在對于視頻圖像目標跟蹤方面，綜合運用了多種算法進行檢測和跟蹤，詳細分析光流法、幀間差分法、背景差分法和視頻圖像目標特征的提取，并在最后對幀間差分的算法進行了改進。通過實驗證明，采用基于粒子濾波的視頻圖像目標遮擋算法能夠更加有效地解決對跟蹤目標的準確判斷。

多特征融合；陰影處理；運動目標檢測；彩色邊緣檢測；算法

人類獲取外界信息的一個重要的途徑就是通過視覺來獲取，在對人類視覺領域的研究方面，運動目標的檢測和捕捉一直是重要的研究方向，其研究的果有著非常重要的應用。例如對公共場合對行人和車輛的監(jiān)控；戰(zhàn)場上對導彈、飛機等目標的監(jiān)測；武器開發(fā)方面對模擬運動目標的探測等[1]。因此，對移動目標的監(jiān)測和跟蹤具有非常重要的意義。在人員比較密集的場合，比如飛機場、火車站和汽車站，可以通過對監(jiān)控視頻圖像的分析，來提取中特定的目標特征，從而能夠達到對運動目標的監(jiān)測、提取、識別和跟蹤，有效降低人工操作的復雜度，提高智能化的程度。

1 視頻圖像的預處理

視頻圖像是由專門的視頻采集設備采集過來并經(jīng)過一系列的數(shù)字轉(zhuǎn)換而形成的，所謂的數(shù)字轉(zhuǎn)換是指由最初的模擬信號轉(zhuǎn)變成為數(shù)字信號，在這個過程中運用數(shù)字量化的方法來使圖像能夠達到預期結(jié)果，但是在模擬量向數(shù)字量轉(zhuǎn)換的過程中，原始的信號都會有不同程度的失真，那么最后得到的結(jié)果與實際的結(jié)果就有誤差，為了確保對本課題所研究內(nèi)容計算數(shù)據(jù)的準確性，在對圖像進行處理之前首先進行圖像的預處理，預處理的最主要目的是為了能夠有效改善圖像的質(zhì)量，提高后期圖像的計算準確性。

對自然界中的任何一個圖像來說，都有唯一的直方圖與其對應。所謂的顏色直方圖是指這幅圖像中的所有顏色都是一些顏色粒子的集合，圖像中的顏色差異是由顏色粒子的不均勻分布造成的。在對圖像做數(shù)學計算時，需要對這幅圖像的全局進行統(tǒng)計，統(tǒng)計的結(jié)果以直方圖的形式反映出來。

在對視頻圖像目標進行計算的過程中假設N為該顏色直方圖中圖像像素點的總體個數(shù)，S(xi)表示圖像中某一特征值為xi的像素的個數(shù)，對這個圖像進行歸一化處理，處理的具體過程為

(1)

那么，該圖像中特征的直方圖可以表示為

H=[h(x1),h(x2),…,h(xn)]

(2)

在目標的實際運動的過程當中，獲取一個運動目標的完整圖像的特征值是無法在目前的研究技術條件下實現(xiàn)的，這個對圖像特征值的統(tǒng)計出現(xiàn)較多的誤差，也會出現(xiàn)統(tǒng)計直方圖不精確的問題，或者說有零點現(xiàn)象的出現(xiàn)。

零點的出現(xiàn)會導致在對兩幅圖像的相似度進行判別時，不能夠精確反應兩幅圖像的區(qū)別。為了解決圖像直方圖零點的問題，提出了一種累加直方圖[2]的概念，這個概念是建立在全局直方圖的基礎之上的。

假設圖像某一特征的一般直方圖可以表示為H=[h(x1),h(x2),…,h(xn)]，令

(3)

那么該特征的累加直方圖可以表示為

λ=[λ(x1),λ(x2),…,λ(xn)]

(4)

式中：rk是k級灰度；nk是圖像中灰度級為rk的像素的個數(shù)。

將離線函數(shù)用高斯函數(shù)來表現(xiàn)

(5)

式中：r表示運動目標的中心。采用這種方法對運行目標中心附近的像素點進行較大的權重賦值的時候，圖像的邊緣會收到各種各樣的干擾，在這種情況下，圖像會被賦給更小的權值，從而導致其顏色模型的信度不一樣，顏色分布模型qy可以表示為

(6)

在式(6)的計算過程中，都會有一個核函數(shù)，而通常這個核函數(shù)都是會選用高斯函數(shù)來進行計算的，利用核函數(shù)來對計算過程中的數(shù)據(jù)目標值來進行賦值操作，這個賦值的過程也稱之為賦權值。本文計算過程中的R(x)函數(shù)的取值是在一個在比較大的范圍內(nèi)的概率是為1，這個概率對運動目標中圖像的干擾度是影響比較大的，并且當C超過相對閾值的時候，需要對運動目標的邊緣進行賦權值，方法是采用Epanechniko核函數(shù)[3]。這種改進的顏色分布的模型可以在一定程度上對運動目標的本質(zhì)特征進行詳細描述，這可以反映一幅圖像不同位置上的像素差別，從而能夠最大限度地避免靜態(tài)背景的干擾。

2 非線性貝葉斯跟蹤

非線性貝葉斯跟蹤算法的內(nèi)容是對某一個事件進行數(shù)據(jù)檢測時，事件T時刻之前的所有數(shù)據(jù)都可以作為待用的數(shù)據(jù)，通過這些數(shù)據(jù)來對目前的后驗證概率進行重新計算。

本課題的圖像目標跟蹤所用到的非線性貝葉斯跟蹤算法的核心內(nèi)容是對接下來所有時刻所檢測到的數(shù)據(jù)都要進行計算和統(tǒng)計，因為每一個時刻的數(shù)據(jù)都有一定的概率包括本文需要的有效數(shù)據(jù)信息，可以利用概率的方法來對這些有效的數(shù)據(jù)信息進行有效整合，從而對T時刻的目標狀態(tài)來進行提前研判。

貝葉斯公式可以表示為

(7)

一旦得到p(xt|z1:t)的估計值，就可以得到任何期望的xt的統(tǒng)計信息。

在第一步中，用t-1時刻運動目標的后驗概率p(xt-1|z1:t-1)和狀態(tài)模型的概率形式p(xt|xt-1)去計算t時刻運動目標的后驗概率，在后驗概率的計算過程當中，整個的計算過程并沒有對某一個具體時刻t的圖像進行觀測，這就會出現(xiàn)當前的檢測系統(tǒng)并無法對某一個具體t時刻的圖像進行詳細分析，所以要對后驗分布的情況進行相應的預測，預測的計算公式為

(8)

在計算的第二步當中，可以綜合的運用貝葉斯鼎力來對K時刻的觀測值進行相應的計算，以得出Z值，并對計算過程當中的概率值進行驗證，得到想要的后驗概率p(xt|zt)

(9)

假設狀態(tài)序列是馬爾科夫的，即p(xt|xt-1,z1:t-1)=p(xt|xt-1)。則式(8)中，p(xt|xt-1,z1:t-1)=p(xt|xt-1)。那么

(10)

(11)

其中

(12)

3 粒子濾波的原理

在粒子濾波的應用過程當中，一種比較常用的方法就是蒙特卡羅方法。通過蒙特卡羅方法可以很好地對某個運動物體的幾何特征和幾何的數(shù)據(jù)量進行有效計算，可以利用數(shù)學方面的知識進行有效的模擬實驗，并得出相應的結(jié)果。蒙特卡羅方法的基本內(nèi)容是當所要要求解決的目的是某一個事件在一定條件下出現(xiàn)的概率時，后期可以通過某種實驗的方法來使得該概率事件重現(xiàn)。同時也可以對該概率事件進行數(shù)學建模，通過數(shù)學模型的方法來進行實驗，以得出相應的實驗結(jié)果。

(13)

通過上述的計算過程對后驗概率的進行無偏估計

(14)

傳統(tǒng)的算法在解決多維因素或者一些復雜問題方面比較困難，而蒙特卡羅方法相對來說具有很大的優(yōu)勢，對于這些多維因素和復雜問題解決起來比較容易。在解決這些問題的時候，蒙特卡羅方法能夠得到服從后驗分布概率函數(shù)P(x0;t|z0;t)的N個抽樣點。但實際的應用過程中，后驗分布概率函數(shù)是一個不規(guī)范和多元的函數(shù)，要想從這個不規(guī)范和多元函數(shù)的分布中進行采樣，難度是非常大的，幾乎是不可能實現(xiàn)的。

4 改進的粒子濾波重采樣算法

在對粒子濾波的算法進行設計的過程中，其中一個非常重要的內(nèi)容就是對其計算過程中的函數(shù)進行選擇，首先要對函數(shù)的重要性進行判斷，然后基于重要性來進行選擇，將重要性函數(shù)選為狀態(tài)轉(zhuǎn)移模型，即

q(Xt|Xt-1,Zt)=p(Xt|Xt-1)

(15)

每個粒子的權值計算如下

(16)

具體實現(xiàn)步驟為：

步驟1，初始化步驟，t=0，具體代碼如下：

Fori=1，…，N，

顏色直方圖中的顏色粒子的數(shù)量進行初始化

(17)

對圖像目標的顏色分布情況進行計算

(18)

步驟2，更新下一時刻的圖像信息，具體代碼如下：

Fori=1，…，N

根據(jù)式(19)采樣新粒子

(19)

步驟3，判斷每個粒子的分布狀態(tài)。

(20)

對每個視頻圖像粒子的權值進行計算

(21)

步驟4，幀間差分步驟。

計算Neff

(22)

如果Neff

步驟5，進行狀態(tài)估計。

(23)

步驟6，更新t=t+1，跳轉(zhuǎn)至步驟2。

改進算法的流程圖，如圖1所示。

圖1 改進算法的流程圖

5 實驗結(jié)果分析

本文中的實驗選取了發(fā)生視頻目標遮擋后的幾幀，這幾幀在整個的序列當中是非常具有代表性的。跟蹤結(jié)果的誤差分析如圖2所示，由圖2可以得出當使用傳統(tǒng)的粒子濾波算法進行計算的過程中，尤其是在進行視頻序列遮擋的時候，是無法獲取目標信息的，同時也是非常容易丟失目標的。通過對比發(fā)現(xiàn)，本文所設計的算法能夠有效地對目標進行跟蹤，無論目標是否被遮擋[4-5]。

圖2 跟蹤結(jié)果的誤差分析

從圖2中的跟蹤結(jié)果的誤差分析中可以看出，本文所設計的基于粒子濾波的視頻圖像目標遮擋算法可以有效解決傳統(tǒng)的目標遮擋算法中存在的問題，本文中所述的算法可以很好地保證被跟蹤目標的魯棒性，誤差較小[6]。

6 總結(jié)

本文所研究的基于粒子濾波的視頻圖像目標遮擋算法利用了多個學科的內(nèi)容，綜合運用計算得到了一個較好的算法，同時視頻圖像目標遮擋算法課題的研究是一個全新的領域，在這個領域中依然存在很多問題還沒有得到解決，有待在日后的工作中繼續(xù)研究。

[1]王展青，凡友福，張桂林.跟蹤遮擋目標的一種魯棒算法[J].計算機工程與應用，2007(27)：12-15.

[2]王江濤，楊靜宇.遮擋情況下基于Kalman均值偏移的目標跟蹤[J].系統(tǒng)仿真學報，2007(18)：33-37.

[3]ASIF M M.Real-time object tracking using color-based kalman particle filter[J].Evolving Fuzzy Systems，2009(4)：357-361.

[4]KIM H B，SIM K B.A particular object tracking in an environment of multiple moving objects[J].Control Automation and Systems，2010(5)：1053-1059.

[5]RAMAKOTI N．Particle swarm optimization aided kalman filter for object tracking[J]．Journal Soft Computing，2009(2)：531-540.

[6]MCKENNA J，JABRI S，DURIC Z，et al.Tracking groups of people[J].Computer Vision and Image Understanding，2000(1)：324-341.

Research of Blocked Algorithm of Video Image Target Based on Particle Filter

WANG Zhongjie，ZHANG Zhiheng

(DepartmentofElectronicInformationEngineering，ShanxiUniversity，Taiyuan030013，China)

Blocked algorithm of video image target has been researched a lot recently.To improve the effect of video target tracking，variety of algorithms to detect and track have been utilized with detailed analysis of the optical flow method，frame difference method，background difference method and extraction of video image target characteristic，and with which an improved algorithm of inter-frame difference was applied.The researched blocked algorithm of video image target based on particle filter is proved more effectively to get accurate judgment to the target tracking by experiments.

feature fusion；shading；moving target detection；color edge detection；algorithm

TN911.73

A

10.16280/j.videoe.2015.07.007

2014-10-10

【本文獻信息】王中杰，張志恒.基于粒子濾波的視頻圖像目標遮擋算法研究[J].電視技術,2015，39(7).

王中杰(1973— )，女，碩士，講師，主要研究方向為無線通信、圖像處理；

張志恒(1964— )，副教授，主要研究方向為數(shù)字信號處理、電子技術。

責任編輯：時 雯