楊大偉，姬夢婷，張汝波，毛　琳

(大連民族大學 機電工程學院，遼寧 大連 116605)

?

移動機器人行人目標活動區(qū)域快速檢測算法

楊大偉，姬夢婷，張汝波，毛琳

(大連民族大學 機電工程學院，遼寧 大連 116605)

摘要：針對移動機器人運動目標檢測過程中運動目標與背景均存在位移致使跟蹤失效的問題,提出一種顯著光流分析法對室內(nèi)行人目標活動區(qū)域進行檢測與標識，能夠快速有效地為移動機器人視覺檢測與跟蹤算法提供簡便的初始區(qū)域定位信息。經(jīng)仿真實驗分析，該算法能夠在室內(nèi)復雜的情況下，快速檢測出行人目標的活動區(qū)域，方便人物識別與躲避，具有較強的工程應用價值。

關鍵詞：移動機器人；行人活動區(qū)域；室內(nèi)；光流法；顯著分析法

在室內(nèi)環(huán)境中，移動機器人時常要觀察行人的運動，以便有效識別或者躲避行人。由于移動機器人上固定的攝像機會隨本體一并移動，采集視頻中行人運動目標與背景均會呈現(xiàn)出各自獨立的運動狀態(tài)[1]。同時環(huán)境中各種物品的出現(xiàn)，將會不同程度的對人體目標進行干擾，使得機器人視覺檢測會出現(xiàn)大量的冗余信息和觀測噪聲，在這樣的室內(nèi)環(huán)境中，如何快速檢測出運動的人物目標成為機器人視覺領域中一個重要課題。

文獻[2]采用固定攝像機的HU不變矩分析方法來檢測運動目標，與傳統(tǒng)算法相比能夠有效去除融合噪聲，但不能應用于動態(tài)背景的情況，對于穩(wěn)定的攝像機要求程度較高。文獻[3]基于超像素顯著檢測算法，結(jié)合顏色特征獲取圖像的感興趣目標區(qū)域，計算量隨圖像尺寸變化而呈現(xiàn)幾何級數(shù)增長，僅適用于處理靜態(tài)圖像。文獻[4]則利用背景減除法和前后幀差異法相結(jié)合，在攝像頭靜止環(huán)境下對目標區(qū)域進行檢測，不能適應背景變化的動態(tài)環(huán)境。文獻[5]同樣在靜態(tài)相機條件下，利用顯著分析法提取初始化目標區(qū)域的中心位置，僅實現(xiàn)目標初始位置進行標定，無法持續(xù)跟蹤運動目標。

本文以移動機器人視覺目標檢測為研究對象，提出一種適用于室內(nèi)行人環(huán)境的、動態(tài)目標區(qū)域顯著光流快速檢測算法(Saliency Optical-Flow detection Algorithm，SOFA)，能夠有效提取出行人目標的運動區(qū)域，為后續(xù)檢測跟蹤提供必要的定位參數(shù)信息。

1動態(tài)目標區(qū)域檢測算法

本文引入Horn-Schunck光流法[6]與剩余譜顯著分析法[7]聯(lián)合檢測運動特征和顯著特征，有效的分離前景與背景信息，通過自適應加權融合優(yōu)化檢測結(jié)果，并利用能量累加后再濾波處理的方式有效的去除冗余信息和錯誤融合目標，SOFA算法邏輯如圖1。該算法僅涉及光流法和圖像時頻域變化計算及能量累加，所需計算量較小，更加適合于移動機器人及小型計算設備使用。

圖1　動態(tài)目標區(qū)域檢測算法

1.1顯著光流法原理

設圖像上點(x,y)在t時刻的灰度為I(x,y,t)，u(x,y)和v(x,y)分別是光流w(u,v)的水平和垂直分量，那么HS光流算法即表示為：

(1)

式中，這里λ根據(jù)圖中噪聲情況取值，噪聲強時，λ取值較大，數(shù)據(jù)更加依賴光流約束方程。

自然圖像的頻域統(tǒng)計特性具有尺度不變性，基于這種尺度不變性，定義自然圖像為I(x)，經(jīng)傅里葉變換得到其幅度譜A(f)和相位譜P(f)，服從一種分布：

(2)

整體圖像的幅度譜在經(jīng)均值平滑后近似成一條直線，基于對數(shù)譜的相似不變性，剩余譜顯著算法認為在統(tǒng)計譜線的平滑部分代表圖像非顯著區(qū)域，譜線中的奇異點處表明圖像中的顯著區(qū)域，通過平滑后譜線與原譜線相減得到剩余譜，從而得到顯著圖。

將HS光流法和剩余譜顯著分析法特征提取出的二值化圖像，逐點對應取交集融合而形成顯著光流法。該算法可以在計算復雜度不高的情況下，快速在室內(nèi)捕獲行人輪廓特征。

1.2SOFA算法實現(xiàn)

基于上述算法原理，構(gòu)建動態(tài)目標區(qū)域顯著光流快速檢測算法，算法實現(xiàn)步驟如下;

第1步，數(shù)字視頻信息解碼為YUV420格式的圖像幀F(xiàn)，所得輸入視頻幀分辨率與輸入視頻一致;

第2步，融合HS光流法與剩余譜顯著分析法的特征結(jié)果，得到融合后二值化圖像幀F(xiàn)d;

第5步，去除微小干擾噪聲，此處采用分段函數(shù)直接舍棄小于閾值部分的方式：

(3)

(4)

(5)

(6)

(7)

2仿真實驗和性能比較

為驗證本文所提SOFA算法的有效性，以輪式移動機器人機身上固定攝像機為平臺，對動態(tài)場景下單目標、多目標運動進行目標檢驗。全部仿真實例均為機器人勻速運動，攝像機水平移動速度不大于0.5 m·s-1，行人目標運動方向任意，速度約為1.5 m·s-1，攝像機輸出數(shù)字視頻信號為mpeg4video編碼，分辨率為320×240，幀速率為30幀·s-1。單目標運動情況如圖2，兩目標運動情況如圖3。

(a)第1幀原始輸入圖像　(b)第60幀原始輸入圖像

(c)所得第1幀檢測區(qū)域　(d)所得第60幀檢測區(qū)域

(a)第1幀原始輸入圖像　(b)第45幀原始輸入圖像

(c)所得第1幀檢測區(qū)域　(d)所得第45幀檢測區(qū)域

如上述場景仿真所示，場景1為單目標運動，拍攝環(huán)境為樓內(nèi)走廊開闊區(qū)，圖2(a)為第0幀輸入視頻幀，圖2(b)為第60幀輸入視頻幀，圖2(c)和圖2(d)是對應檢測結(jié)果。可以看出，在單目標從左至右移動時，攝像機隨之同向移動，行人目標區(qū)域始終被有效標識；場景2為兩目標運動，拍攝環(huán)境為辦公室內(nèi)，圖3(a)為第1幀輸入視頻幀，圖3(b)為第45幀輸入視頻幀，圖3(c)和圖3(d)是對應檢測結(jié)果，兩行人目標分別向相反方向運動，當兩人不重疊時，能夠有效檢測出行人目標輪廓信息。本文所提算法能夠從讀入視頻幀開始就能夠快速檢測出視頻圖像中運動目標的區(qū)域位置，隨著時間的推移，運動目標與背景均獨立發(fā)生變化后，仍能有效地區(qū)分目標區(qū)域信息。

由于SOFA算法僅為標識行人目標運動區(qū)域，而不涉及目標特征檢測，故當多個目標彼此相互靠近或重疊時，該算法則無法區(qū)分獨立個體，檢測區(qū)域也將出現(xiàn)重疊。檢測區(qū)域重疊如圖4。當左側(cè)兩人相距過近時，目標區(qū)域提取算法會認為此時為一個行人，需要結(jié)合特征檢測等算法識別出該區(qū)域內(nèi)的多個目標。

圖4　檢測區(qū)域重疊

3結(jié)語

本文針對室內(nèi)復雜環(huán)境中移動機器人行人活動區(qū)域提取問題，提出一種顯著光流算法，能夠有效地快速捕獲到視頻輸入圖像中的運動目標本體活動區(qū)域，在目標和背景都發(fā)生位移變化的情況下，提取行人動態(tài)目標的區(qū)域輪廓信息，為后續(xù)跟蹤識別、行人檢測和避障應用提供預處理算法，降低后續(xù)算法目標特征搜索計算復雜度。該算法由于所用光流法和剩余譜顯著分析法的計算對硬件要求不高，十分易于移動設備和低功耗設備的應用，在實際的機器人視覺處理算法中具有較高的工程應用價值。

參考文獻：

[1]KULCHANDANIJS,DANGARWALAKJ.Movingobjectdetection:Reviewofrecentresearchtrends[C]∥InternationalConferenceonPervasiveComputing(ICPC), 2015: 1-5.

[2]SHENY,LIUP,YAOF,etal.Region-basedmovingobjectdetectionusingHUmoments[C]∥IEEEInternationalConferenceonInformationandAutomation, 2015: 1590-1593.

[3]RENZ,GAOS,CHIALT,etal.Region-BasedSaliencyDetectionandItsApplicationinObjectRecognition[J].IEEETransactionsonCircuitsandSystemsforVideoTechnology. 2014, 24(5): 769-779.

[4]ARADHYA,MOHANA,KIRAN.Realtimeobjectsdetectionandpositioninginmultipleregionsusingsinglefixedcameraviewforvideosurveillanceapplications[C]∥InternationalConferenceonElectrical,Electronics,Signals,CommunicationandOptimization(EESCO), 2015: 1-6.

[5] 楊大偉, 宋程程. 視覺顯著運動目標初始定位方法[J]. 計算機工程與應用, 2015(16):189-191.

[6]HORNBKP,SCHUNCKBG.Determiningopticalflow[J].ArtificialIntelligence, 1981(17): 185-203.

[7]HOUXiaodi,ZHANGLiqing.Saliencydetection:Aspectralresidualapproach[C]∥IEEEConferenceonComputerVisionandPatternRecognition, 2007: 1-8.

[8]BONDIE,PALAP,BERRETTIS,etal.Reconstructinghigh-resolutionfacemodelsfromKinectdepthsequencesacquiredinuncooperativecontexts[C]∥IEEEInternationalConferenceandWorkshopsonAutomaticFaceandGestureRecognition(FG), 2015(7): 1-6.

(責任編輯王楠楠)

A Fast Pedestrian Motion Region Detection Algorithm for Moving Robot

YANG Da-wei, JI Meng-ting, ZHANG Ru-bo, MAO Lin

(School of Electromechanical Engineering, Dalian Minzu University, Dalian Liaoning 116605, China)

Abstract:In the pedestrian detection of the moving robot, tracking scheme will fail on account of the displacement of motion object and background. In this paper, a saliency optical-flow detection algorithm is proposed for detecting and demarcating the active area of the indoor pedestrian targets. This algorithm can provide the initial localization information quickly and efficiently for the visual detection and tracking algorithm implemented in moving robot. The simulation experiments show that this algorithm can detect the active area of pedestrian target quickly under the complex condition indoors. And the algorithm can be used in character recognition and obstacle-avoiding so that it has strong engineering value.

Key words:moving robot; pedestrian motion region; in-door; optical flow; saliency analysis

收稿日期：2016-03-28

基金項目：中央高校基本科研業(yè)務費專項資金資助項目(DC201501089)；大連金州新區(qū)科技創(chuàng)新主體支持計劃(KJCX-ZTPY-2014-0005)。

作者簡介：楊大偉(1978-)，男，黑龍江哈爾濱人，副教授，博士，主要從事機器人視覺圖像處理研究。

文章編號：2096-1383(2016)03-0221-03

中圖分類號：TP242.6

文獻標志碼：A