李亮

摘要：智能視頻監(jiān)控是從安全監(jiān)管領(lǐng)域延伸到民用市場的一種智能系統(tǒng)，可以智能地分析報告異常狀況。憑借其高度的智能化，智能視頻監(jiān)控正在安防和民用等領(lǐng)域迅速蔓延，市場對其越來越高的要求也引發(fā)了相關(guān)領(lǐng)域科研人員的高度關(guān)注。目標(biāo)跟蹤技術(shù)則是智能視頻監(jiān)控系統(tǒng)中的一項(xiàng)關(guān)鍵技術(shù)，是獲取、識別、分類處理目標(biāo)事物的一套算法，在復(fù)雜的環(huán)境中目標(biāo)跟蹤是一項(xiàng)極其困難的任務(wù)，所以對目標(biāo)跟蹤技術(shù)的研究具有重要價值，目標(biāo)跟蹤技術(shù)仿真是其中一個主要的研究方向。本文將敘述智能視頻監(jiān)控中目標(biāo)跟蹤技術(shù)的研究進(jìn)展和現(xiàn)存問題，分析目標(biāo)跟蹤技術(shù)仿真的必要性。

關(guān)鍵詞：智能視頻監(jiān)控；目標(biāo)跟蹤技術(shù)；仿真

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）28-0203-03

1智能視頻監(jiān)控中目標(biāo)跟蹤技術(shù)的研究進(jìn)展

目前智能視頻監(jiān)控中，按照監(jiān)控數(shù)量來劃分，目標(biāo)跟蹤技術(shù)主要有單目標(biāo)跟蹤技術(shù)和多目標(biāo)跟蹤技術(shù)兩種。

1.1單目標(biāo)跟蹤技術(shù)的研究現(xiàn)狀

基于單攝像機(jī)的在線目標(biāo)跟蹤技術(shù)是單目標(biāo)跟蹤技術(shù)的研究重點(diǎn)，廣泛應(yīng)用于監(jiān)控、導(dǎo)航、虛擬現(xiàn)實(shí)等領(lǐng)域。監(jiān)控目標(biāo)大多數(shù)情況下是運(yùn)動的，那么其內(nèi)外要素通常會因此發(fā)生一定的變化，從而導(dǎo)致監(jiān)控目標(biāo)在智能視頻監(jiān)控系統(tǒng)中的模型也產(chǎn)生一定的改變，對監(jiān)控準(zhǔn)確性的影響也是不容忽視的，所以確保監(jiān)控的準(zhǔn)確性是一個非常值得深入研究的方向。

外觀模型的建立方式?jīng)Q定了一個單目標(biāo)在線標(biāo)跟蹤系統(tǒng)的準(zhǔn)確性，目前已有眾多研究者在外觀模型建立上取得了重要進(jìn)展。

生成模型是通過分析計(jì)算觀測值的聯(lián)合分布概率來建模，通?？梢愿鶕?jù)觀測數(shù)據(jù)直接生成模型。條件分布可以根據(jù)貝葉斯公式求得，倘若觀測值皆來源于生成模型，則模型的相關(guān)參數(shù)便可以通過估算獲得。然而當(dāng)前技術(shù)環(huán)境下，生成模型產(chǎn)生全部觀測數(shù)據(jù)還需要更多的理論研究來幫助實(shí)現(xiàn)。目前常用的生成模型包括混合高斯模型、隱馬爾科夫模型、貝葉斯網(wǎng)絡(luò)模型等。

目標(biāo)跟蹤技術(shù)的算法規(guī)定了生成模型的建立可以輔助建立觀測目標(biāo)的外觀模型，然而只通過生成模型來獲得外觀模型，其中間的誤差是難以估量的，還必須通過外觀模型的重建來盡可能地減小誤差。當(dāng)前科馬尼求提出的基于內(nèi)核的算法和亞當(dāng)提出的基于整體顏色直方圖的算法都可以幫助減小這些誤差。

判別模式是通過估計(jì)條件概率分布，找到不同數(shù)據(jù)的最佳分類面，比較異類數(shù)據(jù)的差異來建立外觀模型。目前常見的判別模型包括基于核函數(shù)的支持向量機(jī)、基于基于隱馬爾可夫模型的條件隨機(jī)場和臨近取樣等。

1.2 多目標(biāo)跟蹤技術(shù)的研究現(xiàn)狀

鑒于多目標(biāo)跟蹤技術(shù)在智能視頻監(jiān)控中的重要性，這項(xiàng)技術(shù)的研究進(jìn)展和目前存在的諸多困難正在吸引越來越多研究者的關(guān)注。

（1）遮擋問題

多目標(biāo)的互相遮擋或者被背景遮擋是多目標(biāo)跟蹤過程中必然會出現(xiàn)的問題，局部的遮擋稱為部分遮擋，一個以上的目標(biāo)整體都被遮擋稱為全部遮擋。目標(biāo)被遮擋會導(dǎo)致目標(biāo)信息的丟失，這就使得目標(biāo)跟蹤的準(zhǔn)確性大為下降。多目標(biāo)的遮擋是多目標(biāo)跟蹤技術(shù)需要解決的一個重難點(diǎn)，多目標(biāo)之間的大面積遮擋和高頻遮擋更是多目標(biāo)遮擋問題的重中之重。

（2）多目標(biāo)數(shù)目的隨機(jī)變化

在多目標(biāo)跟蹤過程中，經(jīng)常會有新目標(biāo)出現(xiàn)和舊目標(biāo)消失的情形，少數(shù)情況下也會有一個目標(biāo)分成多個目標(biāo)和多個目標(biāo)合成一個目標(biāo)的情形，這在多目標(biāo)的跟蹤過程中也是不可避免的。在這種情況下，如何確保跟蹤的準(zhǔn)確性也是一個亟待解決的問題。

（3）監(jiān)控視頻背景的干擾

部分監(jiān)控場景較為復(fù)雜，這勢必會使目標(biāo)的跟蹤過程出現(xiàn)一些不可預(yù)料的問題，復(fù)雜的背景條件一般有：光影的變化、背景物體的變動、存在與目標(biāo)相似的物體。

2智能視頻監(jiān)控中目標(biāo)跟蹤技術(shù)研究存在的問題

2.1基于區(qū)域匹配的跟蹤運(yùn)算量大，耗時甚巨

基于區(qū)域匹配的跟蹤是目前學(xué)界研究熱度較高的算法之一。該算法要求先將背景中的一部分跟圖像中的各個部分比較分析，然后計(jì)算兩個部分的相似度，最后找到圖像中與背景中那部分相似度最高的部分，那就是目標(biāo)的即時所在區(qū)域了。

這種跟蹤方式調(diào)用的是目標(biāo)的全局特征。在背景簡單且沒有遮擋的情況下，這種方式的優(yōu)勢很明顯，跟蹤精度相當(dāng)高，準(zhǔn)確性和穩(wěn)定性也能得到保證。缺點(diǎn)同優(yōu)點(diǎn)一樣明顯，無疑匹配過程將是漫長的，在硬件性能一般和圖像區(qū)域面積較大的情況下，匹配計(jì)算的時間是很難保證的，實(shí)時性就更加無法保證了。此外，當(dāng)目標(biāo)受到背景或者其他目標(biāo)的遮擋時，匹配過程中將找不到目標(biāo)，再加上目標(biāo)本身也有可能出現(xiàn)外形發(fā)生變化的可能，跟蹤效果難以保證。

2.2 基于輪廓匹配的跟蹤無法解決遮擋問題

基于輪廓匹配的跟蹤類似于基于區(qū)域匹配的跟蹤，其核心就是優(yōu)化匹配算法，也包括比較分析和匹配的過程。不同于基于區(qū)域匹配的跟蹤的地方是，基于輪廓匹配的跟蹤比較分析的特征是跟目標(biāo)輪廓有關(guān)的全局特征，而前者分析比較的特征是點(diǎn)、線、邊等局部特征。相較于基于區(qū)域匹配的跟蹤，它還有一個重要的優(yōu)勢，就是可以用于運(yùn)動目標(biāo)的跟蹤檢測。Kass等提出的Snake模型可以準(zhǔn)確跟蹤單個發(fā)生形變的目標(biāo)?；谳喞ヅ涞母櫟挠?jì)算難度不高，然而如何對輪廓進(jìn)行初始值的建立是個比較棘手的問題，所以該方法不可用于對高速目標(biāo)的實(shí)時追蹤。

2.3基于模型匹配的跟蹤難以滿足跟蹤的實(shí)時性要求

基于模型匹配的跟蹤方法首先要做的是根據(jù)已知的目標(biāo)信息構(gòu)建一個目標(biāo)模型，然后在接下來的每一幀畫面中匹配目標(biāo)，根據(jù)新的目標(biāo)信息重構(gòu)模型。目前常用的幾種運(yùn)動目標(biāo)的模型表示方式有以下幾種：（1）線圖模型：運(yùn)用線段來描繪運(yùn)動目標(biāo)的特征?？藙诼逋薜热颂岢龅念愃朴谌梭w骨骼的分層模型，其可以對人體進(jìn)行線段描繪。（2）二維模型：通過目標(biāo)的平面投影來構(gòu)造目標(biāo)的二維模型。（3）三維立體模型：將目標(biāo)的整體結(jié)構(gòu)分解為球、立方體等立體結(jié)構(gòu)來描述目標(biāo)。這類模型的構(gòu)建需要大量參數(shù)，分析匹配過程的耗時將是巨大的。

基于模型匹配的跟蹤方法能夠有效克服遮擋造成的障礙，同時還能得到大量運(yùn)動過程中的行為數(shù)據(jù)，然而該方法準(zhǔn)確性的提高必須依賴模型適配性的提高。在日常生活中，我們可以對目標(biāo)的建模可以稍顯粗糙，然而要對運(yùn)動目標(biāo)進(jìn)行精確建模大為不易。在監(jiān)控場景中對多個運(yùn)動目標(biāo)進(jìn)行模型的精確匹配非常困難，而且運(yùn)算量極大，所以該方法還是難以保證對運(yùn)動目標(biāo)的跟蹤的實(shí)時性。

3智能視頻監(jiān)控中目標(biāo)跟蹤技術(shù)仿真的可行性研究

雖然智能視頻監(jiān)控中目標(biāo)跟蹤技術(shù)經(jīng)過數(shù)十年的發(fā)展已經(jīng)取得了眾多突破性的進(jìn)展，然而現(xiàn)存的諸多問題仍亟待解決，因此目標(biāo)跟蹤技術(shù)仿真的研究顯得尤為重要。仿真理論的研究已經(jīng)頗為成熟，然而仿真技術(shù)的開發(fā)還需努力，筆者經(jīng)過認(rèn)真比較最終選擇了MATLAB中的SIMULINK作為仿真軟件。

3.1 SIMULINK仿真軟件的功能和特點(diǎn)

SIMULINK是一個用來對動態(tài)系統(tǒng)進(jìn)行建模、仿真和分析的軟件包。它和MATLAB的無縫結(jié)合使得用戶可以利用MATLAB豐富的資源，建立仿真模型，監(jiān)控仿真過程，分析仿真結(jié)果。SIMULINK有三大主要功能：建模、仿真和分析、支持代碼生成。

其中仿真過程分為兩個階段：（1）初始化階段：傳遞參數(shù)給MATLAR求值，展開模型層歡，檢查信號的寬度和連接，并確定狀態(tài)初值和采樣時間。（2）運(yùn)行階段：仿真過程開始進(jìn)行，在每個仿真步計(jì)算輸出和新的狀態(tài)。

3.2自定義模塊的建立

在SIMULIN中搭建模型時用SIMULIN庫中現(xiàn)有的塊，SIMULINK5.0自己帶有二十多個模塊庫，但用于生成DSP代碼的庫只有五六個，所以模塊有限，需要自己創(chuàng)建。同樣，當(dāng)特定的算法無法找到合適的模塊時也需要自建模塊，而創(chuàng)建模塊的關(guān)鍵就是用S-function封裝自己的算法。

S-function是系統(tǒng)函數(shù)的英文縮寫，它由特定的語法構(gòu)成，用來描述并實(shí)現(xiàn)連續(xù)系統(tǒng)，離散或混合系統(tǒng)。S-function可以用M，C，F(xiàn)ORTRAN等語言編寫。往往S-function是整個動態(tài)系統(tǒng)的核心，所以掌握它是必需的。

3.3質(zhì)心跟蹤算法的模型開發(fā)

在整個仿真系統(tǒng)中開發(fā)該目標(biāo)跟蹤程序，由于仿真庫中已將與算法無關(guān)的程序部分像系統(tǒng)初始化、目標(biāo)搜索、目標(biāo)顯示、圖像數(shù)據(jù)的傳送都已寫入仿真庫中，在執(zhí)行生成程序時會自動生成DSP的程序，所以用戶開發(fā)程序時僅僅需要用SIMULINK建立目標(biāo)分割的算法。以下以方差最大準(zhǔn)則法、迭代法、直方圖法求取閾值為例建立模型圖。

其中求閾值和完成圖像二值化需要很多模塊且降低生成代碼效率，故用inlined S-function完成。此S-function由C（mex）文件sfun_center.c和sfun_center.tlc構(gòu)成。模型中三個帶TlC62x標(biāo)志的模塊是C62x library中的定點(diǎn)模塊，這些模塊都對應(yīng)C62x優(yōu)化的匯編語言函數(shù)，在編譯鏈接時會自動用其對應(yīng)的匯編函數(shù)代替，模型中用這些模塊可以大大提高代碼的執(zhí)行速度。fun_center.c和sfun_center.tlc程序太長不在此給出。

模型建立好后，選用xds560或xds510硬件仿真器，配置仿真環(huán)境自動生成程序、建立CCS工程并在該目標(biāo)仿真系統(tǒng)上實(shí)時運(yùn)行。用三種求取閾值方法實(shí)現(xiàn)了目標(biāo)跟蹤，跟蹤結(jié)果直接顯示在視頻上。由于實(shí)時系統(tǒng)對時間有嚴(yán)格要求，所以對三種不同的方法分別作了運(yùn)行時間的比較。

本章對質(zhì)心跟蹤算法進(jìn)行驗(yàn)證，表明了建立的目標(biāo)跟蹤實(shí)時仿真庫是正確的可用的。由此也可看出用該仿真系統(tǒng)完成目標(biāo)跟蹤算法只需要使用者建立SIMULINK的算法模型，至于C6000DSP的開發(fā)過程可完全不用知道，而若單純用DSP開發(fā)算法則不僅需要了解DSP的硬件系統(tǒng)還需要能開發(fā)DSP軟件，并不斷修改和調(diào)試才能完成?？傊?，使用該仿真系統(tǒng)可使算法研究者擺脫DSP底層設(shè)計(jì)的困擾，極大節(jié)省了DSP編程和調(diào)試的時間。

4 結(jié)束語

構(gòu)建目標(biāo)跟蹤仿真環(huán)境可以為研究智能視頻監(jiān)控下目標(biāo)跟蹤算法的學(xué)者帶來極大的便利，并且將過去必須在電腦主機(jī)上運(yùn)作的仿真研究延伸到了實(shí)時進(jìn)行的階段，這就使得模擬運(yùn)作的仿真算法無限靠近真實(shí)環(huán)境中所需的算法。目前該仿真系統(tǒng)雖然很好的解決當(dāng)前智能視頻監(jiān)控下目標(biāo)跟蹤技術(shù)存在的諸多問題，然而其自身也存在一些需要深入研究解決的弊端。其一是代碼結(jié)構(gòu)尚需優(yōu)化，通過目前的代碼結(jié)構(gòu)來構(gòu)建目標(biāo)模型所需的代碼過多，這就導(dǎo)致系統(tǒng)的運(yùn)算需要大量的時間。其二是構(gòu)建模型缺少一些現(xiàn)成的模塊，使用S-function程序手動建模過于復(fù)雜，正確性也難以保證。因此應(yīng)當(dāng)盡可能地使用現(xiàn)存的模塊來完成算法的構(gòu)建，可以預(yù)見在不久的將來，隨著相關(guān)學(xué)者對SIMULINK軟件的使用更加深入頻繁，該軟件的預(yù)置模塊定會更加豐富，智能視頻監(jiān)控下目標(biāo)跟蹤技術(shù)仿真研究也會更加便捷。

參考文獻(xiàn)：

[1] 顏佳，吳敏淵.遮擋環(huán)境下采用在線Boosting的目標(biāo)跟蹤[J].光學(xué)精密工程，2012，20（2）：439-446.

[2]匡金駿，柴毅，熊慶宇.結(jié)合標(biāo)準(zhǔn)對沖與核函數(shù)稀疏分類的目標(biāo)跟蹤田[J].光學(xué)精密工程，2012，20（11）：2540-2547.

[3] 王國良，劉金國.基于粒子濾波的多自由度運(yùn)動目標(biāo)跟蹤田[J].光學(xué)精密工程，2011，19（4）：864-69.

[4]龔俊亮，何聽，魏仲慧等.采用改進(jìn)輔助粒子濾波的紅外多目標(biāo)跟蹤田[J].光學(xué)精密工程，2012，20（2）：413-21.

[5]李麗，李平，楊明等.基于SIFT特征匹配的電力設(shè)備外觀異常檢測方法田[J].光學(xué)與光電技術(shù)，2010，8（6）：25-31.