焦金龍，盧小平

(河南理工大學(xué)礦山空間信息技術(shù)國家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室，河南 焦作 454003)

顧及道路約束條件的動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤方法

焦金龍，盧小平

(河南理工大學(xué)礦山空間信息技術(shù)國家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室，河南 焦作 454003)

智能交通是智慧城市的重要組成部分，面對(duì)復(fù)雜多變的道路背景，如何能夠快速檢測(cè)、跟蹤道路監(jiān)控影像中的動(dòng)態(tài)目標(biāo)，是智能交通建設(shè)的關(guān)鍵技術(shù)難點(diǎn)。本文根據(jù)道路監(jiān)控視頻特點(diǎn)，提出了采用道路約束條件與顏色特征集相結(jié)合的動(dòng)態(tài)目標(biāo)跟蹤方法，以道路約束條件確定運(yùn)動(dòng)目標(biāo)搜索區(qū)域，利用HSV顏色特征集進(jìn)行特征匹配，然后基于IIR濾波背景法對(duì)背景影像進(jìn)行更新及動(dòng)態(tài)目標(biāo)的檢測(cè)，并根據(jù)道路約束條件與顏色特征相結(jié)合跟蹤方法實(shí)現(xiàn)對(duì)動(dòng)態(tài)目標(biāo)的跟蹤及動(dòng)作預(yù)測(cè)。試驗(yàn)結(jié)果表明該方法可準(zhǔn)確對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)與跟蹤，且對(duì)慢速運(yùn)動(dòng)目標(biāo)也具有較好的響應(yīng)能力，實(shí)現(xiàn)了對(duì)道路動(dòng)態(tài)目標(biāo)的實(shí)時(shí)檢測(cè)與跟蹤。

道路約束條件；HSV顏色空間；IIR濾波

隨著智慧城市建設(shè)工作的全面展開，智慧交通作為智慧城市的重要組成部分受到廣泛關(guān)注。智慧交通旨在解決道路交通現(xiàn)有的諸多問題，通過采用人工智能分析的方式對(duì)交通事故、道路附屬設(shè)施等進(jìn)行有效檢測(cè)和快速處理，達(dá)到保護(hù)公民生命和財(cái)產(chǎn)安全的目的。近年來，隨著交通路況視頻監(jiān)控網(wǎng)絡(luò)的大面積布設(shè)，動(dòng)態(tài)目標(biāo)跟蹤及監(jiān)測(cè)作為交通管理的重要環(huán)節(jié)受到廣泛關(guān)注。因此，如何將計(jì)算機(jī)視覺和視頻監(jiān)控技術(shù)有效結(jié)合，在盡可能少或完全脫離人為干預(yù)的條件下，通過對(duì)所監(jiān)控影像序列的逐層分步計(jì)算與分析，達(dá)到對(duì)場(chǎng)景中蘊(yùn)含的高層次語義信息的感知、分析與理解，從而實(shí)現(xiàn)智能監(jiān)控是當(dāng)前研究的熱點(diǎn)。

目前，動(dòng)態(tài)目標(biāo)檢測(cè)根據(jù)鏡頭狀態(tài)主要分為兩類：動(dòng)態(tài)場(chǎng)景下的目標(biāo)檢測(cè)和靜態(tài)場(chǎng)景下的目標(biāo)檢測(cè)。動(dòng)態(tài)場(chǎng)景即前景和背景均處于運(yùn)動(dòng)狀態(tài)，常用算法有基于特征的目標(biāo)檢測(cè)[1-3]及基于相位相關(guān)的檢測(cè)算法[4]；而靜態(tài)場(chǎng)景中由于背景處于靜止?fàn)顟B(tài)，常采用幀間差分法[5]、光流法[6]及背景差分法[7-8]等進(jìn)行目標(biāo)檢測(cè)。背景差分法檢測(cè)運(yùn)動(dòng)目標(biāo)速度快、檢測(cè)準(zhǔn)確且易于實(shí)現(xiàn)，是目前動(dòng)態(tài)目標(biāo)檢測(cè)最常用的算法，但由于實(shí)際情況中場(chǎng)景的復(fù)雜性、不可預(yù)知性及各種環(huán)境干擾和噪聲的存在(如光照的突然變化、實(shí)際背景圖像中有些物體的波動(dòng)、攝像機(jī)的抖動(dòng)、運(yùn)動(dòng)物體進(jìn)出場(chǎng)景對(duì)原場(chǎng)景的影響等)，使得背景的建模和模擬變得比較困難。針對(duì)上述難點(diǎn)，國內(nèi)外學(xué)者嘗試建立自適應(yīng)背景模型實(shí)現(xiàn)對(duì)背景的更新，以解決背景差分法應(yīng)用的局限問題[9-13]。

本文提出通過彩色空間轉(zhuǎn)換到HSV空間，根據(jù)HSV顏色空間色調(diào)和亮度分離特性，采用色調(diào)分量作為待處理數(shù)據(jù)，利用IIR(infinite impulse response digital filter)濾波法對(duì)背景模型進(jìn)行自適應(yīng)更新，完成對(duì)動(dòng)態(tài)目標(biāo)的檢測(cè)，并采用道路約束條件和HSV特征相結(jié)合的方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行搜索、匹配及預(yù)測(cè)，從而實(shí)現(xiàn)動(dòng)態(tài)目標(biāo)的實(shí)時(shí)跟蹤。

1 動(dòng)態(tài)目標(biāo)實(shí)時(shí)跟蹤

1.1 HSV彩色空間變換

在RGB顏色空間上，彩色圖像的3個(gè)分量不僅代表色彩和亮度，而且還存在著很大的相關(guān)性，即光線的變化會(huì)直接引起R、G、B這3個(gè)分量同時(shí)變化，對(duì)圖像的處理結(jié)果影響較大。

HSV(hue、saturation、value)是根據(jù)顏色的直觀特性創(chuàng)建的一種顏色空間，即六角錐體模型，是一種非線性顏色表示系統(tǒng)。顏色的表征參數(shù)是色調(diào)(H)、飽和度(S)、亮度(V)，其中亮度分量V和色調(diào)分量(H、S)相互獨(dú)立，與圖像的彩色信息無關(guān)。如果僅考慮H、S兩個(gè)分量，則在一定程度上會(huì)抑制光照變化產(chǎn)生的影響。RGB彩色空間到HSV彩色空間的轉(zhuǎn)換公式[14]如下

V=max(R,G,B)

(1)

(2)

(3)

1.2 自適應(yīng)背景差分法

1.2.1 單一模型背景差分法

背景差分法又稱背景減除法，通過對(duì)圖像進(jìn)行統(tǒng)計(jì)建模獲取一個(gè)經(jīng)驗(yàn)背景模型，然后將當(dāng)前圖像與背景圖像進(jìn)行差分，根據(jù)它們之間的差異提取出目標(biāo)，從而實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)，其數(shù)學(xué)表達(dá)式[15]如下

(4)

(5)

式中，Di(x,y)為背景差值后的影像；Ii(x,y)為第i幀影像；B(x,y)為背景影像；T為閾值；Mi(x,y)為二值化影像。

該算法具體步驟為：

(1) 設(shè)定閾值T，將前景圖像與背景圖像進(jìn)行相減得到差值D。

(2) 對(duì)比T與D，如果D>T，就判定此像素點(diǎn)是運(yùn)動(dòng)目標(biāo)上的點(diǎn)；反之，則認(rèn)定不是運(yùn)動(dòng)目標(biāo)上的點(diǎn)。

此外，檢測(cè)算法的靈敏度取決于閾值的大小，實(shí)際檢測(cè)動(dòng)態(tài)目標(biāo)時(shí)，背景通常存在各種干擾，且隨著時(shí)間變化背景也會(huì)隨之改變，因此難以建立適用于整個(gè)圖像序列的理想背景模型，這也是該方法的不足之處。

1.2.2IIR濾波背景建模

IIR濾波器是一種結(jié)構(gòu)簡單、可人為調(diào)控獲取最佳背景模型的建模方法，比基于統(tǒng)計(jì)的建模方法應(yīng)用更加普遍。

IIR濾波器以第一幀影像作為背景影像，與下一幀影像進(jìn)行加權(quán)分配獲取新的背景影像，并以此進(jìn)行迭代，直至所有幀影像處理完畢。背景更新的數(shù)學(xué)模型[16]如下

(6)

獲得背景差分影像后對(duì)影像進(jìn)行二值化處理，并對(duì)影像進(jìn)行邊緣檢測(cè)，將邊緣長度小于100的視為噪聲區(qū)域進(jìn)行過濾，從而檢測(cè)出動(dòng)態(tài)目標(biāo)。

1.3 道路約束下的動(dòng)態(tài)目標(biāo)跟蹤

動(dòng)態(tài)目標(biāo)跟蹤就是將檢測(cè)出的圖像序列與前景目標(biāo)間建立聯(lián)系，從而確定運(yùn)動(dòng)目標(biāo)的軌跡，即以圖像序列中的目標(biāo)檢測(cè)為基礎(chǔ)提取目標(biāo)的物理特征，并據(jù)此對(duì)目標(biāo)進(jìn)行匹配，將圖像序列連續(xù)幀中的運(yùn)動(dòng)目標(biāo)進(jìn)行關(guān)聯(lián)，從而實(shí)現(xiàn)在圖像序列中對(duì)該運(yùn)動(dòng)目標(biāo)的連續(xù)跟蹤。

1.3.1 道路約束條件

目標(biāo)在道路上的運(yùn)動(dòng)由于受到道路安全規(guī)定的制約，其運(yùn)動(dòng)軌跡具有一定的規(guī)律性。因此，可將道路的雙向道劃分為A1、A2兩個(gè)集合,并對(duì)A1和A2定義行駛方向；然后根據(jù)運(yùn)動(dòng)目標(biāo)的形心位置對(duì)其所屬集合進(jìn)行判定，將該集合的行駛方向作為目標(biāo)跟蹤的初始搜索方向，這樣可在一定程度上減少待匹配的目標(biāo)數(shù)量，尤其是在運(yùn)動(dòng)目標(biāo)數(shù)量過多情況下，能夠快速實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。

1.3.2HSV顏色特征集

顏色特征對(duì)目標(biāo)圖像的旋轉(zhuǎn)變化、尺度變化及少量局部遮擋等干擾因素具有良好的穩(wěn)定性。目前常用的是顏色直方圖模型，它具有構(gòu)造簡單、計(jì)算量小、易于疊加等優(yōu)點(diǎn)。計(jì)算顏色直方圖需要將顏色空間進(jìn)行劃分，形成多個(gè)直方圖簇。通過統(tǒng)計(jì)圖像或圖像區(qū)域中顏色落入相應(yīng)簇中的像素?cái)?shù)量，實(shí)現(xiàn)對(duì)顏色直方圖特征的提取。

本文采用道路約束條件與顏色特征集相結(jié)合的跟蹤方法，以道路約束條件確定運(yùn)動(dòng)目標(biāo)搜索區(qū)域，通過HSV顏色特征集進(jìn)行特征匹配，同時(shí)對(duì)匹配成功的運(yùn)動(dòng)目標(biāo)對(duì)的形心位置進(jìn)行差值運(yùn)算，獲取其運(yùn)動(dòng)矢量，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的預(yù)測(cè)。

2 試驗(yàn)與結(jié)果評(píng)價(jià)

2.1 試驗(yàn)驗(yàn)證

試驗(yàn)采用道路交叉口的監(jiān)控視頻數(shù)據(jù)。道路作為動(dòng)態(tài)目標(biāo)的載體，選擇道路覆蓋區(qū)域內(nèi)的目標(biāo)進(jìn)行檢測(cè)，不僅可以有效減少動(dòng)態(tài)目標(biāo)的搜索區(qū)域，還可以消除非道路下的噪聲區(qū)域，提高動(dòng)態(tài)目標(biāo)檢測(cè)的準(zhǔn)確性。由于視頻場(chǎng)景中鏡頭、道路及附屬設(shè)施均處于靜止?fàn)顟B(tài)(即在影像中的覆蓋區(qū)域位置保持不變)，因此可以直接對(duì)道路覆蓋區(qū)域建立掩膜文件，對(duì)視頻區(qū)域內(nèi)動(dòng)態(tài)目標(biāo)快速提取。圖1為采用掩膜方法提取的結(jié)果。

圖1 有效區(qū)域提取結(jié)果

2.2 道路目標(biāo)的檢測(cè)與跟蹤結(jié)果分析

為驗(yàn)證本方法的有效性，本文從目標(biāo)檢測(cè)及車輛跟蹤兩個(gè)方面進(jìn)行對(duì)比分析。分析結(jié)果如下：

(1) 在獲取差分影像后，通過對(duì)其進(jìn)行濾波及數(shù)學(xué)形態(tài)的閉運(yùn)算后，生成一個(gè)只含有運(yùn)動(dòng)目標(biāo)信息的影像。圖2(a)、(b)分別為第1幀影像和第10幀影像，從中可以看出人行道上有兩個(gè)行人，圖中左邊的白色車輛處于慢速運(yùn)動(dòng)，而右邊的車輛保持靜止。從圖2(c)可以看出，圖像中處于運(yùn)動(dòng)的行人及慢速運(yùn)動(dòng)的車輛均被檢測(cè)到，其他區(qū)域全部默認(rèn)為背景影像，動(dòng)態(tài)目標(biāo)檢測(cè)效果理想。

圖2 動(dòng)態(tài)目標(biāo)檢測(cè)結(jié)果

(2) 為驗(yàn)證跟蹤方法的有效性，本文選取運(yùn)動(dòng)目標(biāo)數(shù)量較多的區(qū)域進(jìn)行驗(yàn)證(如圖3所示)。圖3為從第1幀影像開始每隔5幀影像的跟蹤結(jié)果，其中不同的灰度框表示不同的運(yùn)動(dòng)目標(biāo)，從中可以看出本文跟蹤方法能夠準(zhǔn)確地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤且未出現(xiàn)目標(biāo)丟失或目標(biāo)跟蹤錯(cuò)誤等現(xiàn)象，可靠性較高。

圖3 動(dòng)態(tài)目標(biāo)跟蹤結(jié)果

3 結(jié) 語

本文通過HSV顏色特征、IIR濾波背景模型及帶有道路約束的目標(biāo)跟蹤法三者相結(jié)合的方法，對(duì)道路目標(biāo)進(jìn)行檢測(cè)跟蹤，實(shí)例驗(yàn)證表明了本文所提方法在滿足實(shí)時(shí)性的前提下，能夠快速準(zhǔn)確地對(duì)道路運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)與跟蹤。

[1] 譚熊, 余旭初, 劉景正,等. 基于無人機(jī)視頻的運(yùn)動(dòng)目標(biāo)快速跟蹤[J].測(cè)繪通報(bào), 2011(9):32-34.

[2] 王文龍, 李清泉. 基于蒙特卡羅算法的車輛跟蹤方法[J]. 測(cè)繪學(xué)報(bào), 2011, 40(2):200-203.

[3] 陳巖, 劉開華. 動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤[J]. 通信技術(shù), 2003(12):104-106.

[4] 趙高鵬, 薄煜明, 陳益. 一種基于特征匹配的目標(biāo)識(shí)別跟蹤方法[J]. 火炮發(fā)射與控制學(xué)報(bào), 2009(1):30-34.

[5] 屠禮芬, 仲思東, 彭祺,等. 基于混合差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 科學(xué)技術(shù)與工程, 2012, 12(2):325-329.

[6] 吳垠, 李良福, 肖樟樹，等. 基于尺度不變特征的光流法目標(biāo)跟蹤技術(shù)研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2013, 49(15):157-161.

[7] 譚艷, 王宇俊. 一種結(jié)合背景差分的改進(jìn)CamShift目標(biāo)跟蹤方法[J]. 西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2016, 41(9):120-125.

[8] 龔鼎, 曹廣忠. 一種基于背景差分算法的實(shí)時(shí)運(yùn)動(dòng)檢測(cè)跟蹤系統(tǒng)的設(shè)計(jì)[J]. 電腦知識(shí)與技術(shù)(學(xué)術(shù)交流), 2016, 12(8):207-209.

[9] KIM K,CHALIDABHONGSE T H,HARWOOD D, et al. Real-time Foreground-background Segmentation Using Codebook Model[J]. Real-time Imaging, 2005, 11(3):172-185.

[10] STAUFFER C, GRIMSON W E L. Adaptive Background Mixture Models for Real-time Tracking[C]∥cvpr. IEEE Computer Society. [S.l.]:IEEE 1999.

[11] STAUFFER C, GRIMSON W E L. Learning Patterns of Activity Using Real-time Tracking[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000, 22(8):747-757.

[12] 韓明, 劉教民, 孟軍英,等. 一種自適應(yīng)調(diào)整K-ρ的混合高斯背景建模和目標(biāo)檢測(cè)算法[J]. 電子與信息學(xué)報(bào), 2014, 36(8):2023-2027.

[13] 黃玉, 殷萇茗, 周書仁. 基于YCbCr的自適應(yīng)混合高斯模型背景建模[J]. 計(jì)算機(jī)工程與科學(xué), 2015, 37(1):152-156.

[14] 范五東, 周尚波, 辛培宸. HSV顏色空間特征與Kalman濾波融合的目標(biāo)跟蹤[J]. 計(jì)算機(jī)工程與應(yīng)用, 2011, 47(13):169-173.

[15] 楊宇騰. 基于背景差分法與虛擬區(qū)域融合的視頻中車流量統(tǒng)計(jì)的方法[D]. 昆明：云南大學(xué), 2015.

[16] 余紹軍, 蔣钘, 蔣鑫暉. 一種基于灰度相關(guān)性的背景更新算法[J]. 電子世界, 2013(3):58-60.

A Method of Dynamic Target Detection and Tracking Based on Road Constraint Condition

JIAO Jinlong,LU Xiaoping

(Key Laboratory of Mine Spatial Information and Technology of NASMG, Jiaozuo 454003， China)

As an important part of intelligent city, intelligent transportation is an important guarantee for urban road safety. The difficulty is how to quickly detect and track dynamic targets in road monitoring images with the complex and changeable road background. According to the characteristics of road monitoring video, a dynamic target tracking method is proposed based on the combination of road constraints and color feature sets. Firstly, the moving target search region is determined by road constraints, and HSV color feature set is used for feature matching. Then the background image is updated and the dynamic target is detected based on IIR filtering background method. Finally, tracking and motion forecasting of dynamic objects are realized based on the tracking method which combines the road constraints and color features. The experimental results show that the method can detect and track the moving target accurately. It also has good response ability to the small displacement target and realizes the real-time detection and tracking of the road dynamic target.

road constraint condition；HSV color space；infinite impulse response digital filter

焦金龍，盧小平.顧及道路約束條件的動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤方法[J].測(cè)繪通報(bào)，2017(5)：47-50.

10.13474/j.cnki.11-2246.2017.0152.

2016-12-26；

2017-03-08

2016年度國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC0803103)；河南省高校創(chuàng)新團(tuán)隊(duì)支持計(jì)劃項(xiàng)目(14IRTSTHN026)；河南省創(chuàng)新型科技創(chuàng)新團(tuán)隊(duì)支持計(jì)劃

焦金龍(1991—)，男，碩士生，研究方向?yàn)閿z影測(cè)量與遙感。E-mail：jjinlong91@163.com

盧小平

P23

A

0494-0911(2017)05-0047-04