【正文】 視覺(jué)監(jiān)控重大項(xiàng)目 VSAM，主要研究 用于戰(zhàn)場(chǎng)及普通民用場(chǎng)景監(jiān)控的自動(dòng)視頻理解技術(shù)。本文就視頻最小跟蹤系統(tǒng)的整體設(shè)計(jì)流程以及跟蹤系統(tǒng)的關(guān)鍵算法進(jìn)行了實(shí)現(xiàn)和改進(jìn)。它以電荷作為信號(hào)，基本功能是進(jìn)行電荷的存儲(chǔ)和電荷的轉(zhuǎn)移 。勢(shì)阱內(nèi)所吸收的光生電子數(shù)量與入射到該勢(shì)阱附近的光強(qiáng)成正比。經(jīng)過(guò)一定時(shí)間的放電，每個(gè)象素保留的 電荷不一樣，這樣就實(shí)現(xiàn)了光電轉(zhuǎn)換，把圖像 信號(hào)由光學(xué)系統(tǒng)聚焦在 pn 結(jié)像 素陣列表面，逐一掃描 象素陣列，就能得到一幅圖像 的電信號(hào)。 除此之外，系統(tǒng)中的監(jiān)視器主要是完成人機(jī)交互的作用，以便于監(jiān)控系統(tǒng)人員對(duì)所監(jiān)控的目標(biāo)進(jìn)行實(shí)時(shí)觀測(cè)。該方法需設(shè)計(jì)一個(gè)波門 ,波門的尺寸略大于目標(biāo)尺寸 ,使目標(biāo)不受波門外的背景和噪聲干擾的影響。波門跟蹤算法可分為矩心跟蹤算法、邊緣跟蹤算法、雙邊緣跟蹤算法和區(qū)域平衡跟蹤算法等。 基于特征的方法利用了特征位置的變化信息 ,首先從圖像序列中抽取顯著特征 ,如拐角、邊界、有明顯標(biāo)記的區(qū)域?qū)?yīng)的點(diǎn)、線、曲線等。 在 以上的三種 圖像跟蹤算法中 ,相關(guān)匹配跟蹤算法具有很高的精度和很強(qiáng)的適應(yīng)性 ,對(duì)圖視頻跟蹤最小系統(tǒng)設(shè)計(jì) 8 像灰度值的線性變換具有“免疫性” ,因此可以作為復(fù)雜環(huán)境下目標(biāo)跟蹤的主要算法 ,但是這種算法具有運(yùn)算量大 ,不易實(shí)時(shí)實(shí)現(xiàn)的缺點(diǎn) 。其基本數(shù)學(xué)描述形式為： 假設(shè)圖像 f( , )xy 的灰度范圍是 [ 1f , 2f ]，閾值分割法就是在 1f 和 2f 之間選擇一個(gè)灰度值 T 作為閾值，分割后的圖像形成了二值化圖像。 跟蹤目標(biāo)的矩形形心算法 矩心也叫質(zhì) 心或重心，是物體對(duì)某軸的靜力矩作用中心。 目標(biāo)矩心示意圖 對(duì)于上圖所示的離散數(shù)字圖像，其矩心公式可以改寫(xiě)為： 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 10 ( , )( , )dby c x ac dby c x axf x yxf x y????????? ( , )( , )dby c x ac dby c x ayf x yyf x y????????? 若圖像函數(shù) ( , )f xy 作了二值化處理，則上式也就成了目標(biāo)形心的計(jì)算公式。 搜索區(qū)域的確定 對(duì)于像素?cái)?shù)目較小，且目標(biāo)圖像占有較大圖像面積時(shí)，我們可以將整個(gè)圖像區(qū)域作為匹匹配模板確定 搜索區(qū)域的確定 匹配準(zhǔn)則選定及實(shí)現(xiàn) 求極值，得出目標(biāo)中心 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 11 配搜索區(qū)域，即所謂的全區(qū)域搜索策略，但是在遇到小目標(biāo)時(shí)，我們?nèi)绻俅尾捎么朔N方法將會(huì)大大不符合動(dòng)態(tài)圖像跟蹤中的實(shí)時(shí)性要求，因而我們需要改進(jìn)搜索區(qū)域的算法。 最大互相關(guān)準(zhǔn)則（ MCC）定義如下 : 111 / 2 1 / 2221 1 1 1( ( , ) ( , ) )( , )( , ) ( , )XYxyX Y X Yx y x yJ x y I x x y yM C C x yJ x y I x x y y??? ? ? ?? ? ? ?? ? ?? ? ? ?? ? ? ?? ? ? ?? ? ? ???? ? ? ? 通過(guò)求解上式的極大化可求的匹配目標(biāo)距離匹配原點(diǎn)的位移矢量為 ? ?,r x y? ? ? ? ?, argTxy? ? ? min ( , )MCC x y??。 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 12 最大像素?cái)?shù)量匹配準(zhǔn)則如下： ( , , , ) 1T x y x y? ? ? if | ( , ) ( , ) |J x y I x x y y T? ? ? ? ? ?。而最小平均絕對(duì)差準(zhǔn)則和最大像素?cái)?shù)量匹配準(zhǔn)則只涉及到匹配模板圖像與待搜索的圖像之間的像素點(diǎn)之間的運(yùn)算，可以輕松的由硬件來(lái)實(shí)現(xiàn)，并且可以很好的滿足跟蹤系統(tǒng)的實(shí)時(shí)性要求。D:\images_seq\image200s\39。.bmp39。 I=imread([filepath filename])。 title(39。 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 13 imhist(I,256)。因而，又由于背景圖像與目標(biāo)圖像的邊緣交接處的圖像的灰度值是逐漸過(guò)渡的 ,為最大限度的得到完整的目標(biāo) ,不至于過(guò)多的損失 邊緣 ,我們應(yīng)該選擇比較靠近背景圖像灰階數(shù)最低的那個(gè)值處可以選取 198T? 作為二值化圖像分割的閾值 。 prefix=39。 filename =strcat(prefix,39。%讀取視頻圖像的第一幀 figure(1)。 end end end I=mat2gray(I)。) 目標(biāo)形心位置的確定 利用二值化圖像后的矩心公式即可確定目標(biāo)圖像的形心。 for i=1:m for j=1:n10 sum=sum+I(i,j)。 Yc=fix(double(y)/double(sum))。 for i=1:m I(i,j)=0。 title(39。 y=0。 end end Xc=fix(double(x)/double(sum))。 en for j=(30+Yc):(40+Yc) 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 16 I(Xc10,j)=255。%確定矩心并添加了跟蹤波門的目標(biāo)圖像顯示 imshow(I)。 視頻圖像 幀序列的播放實(shí)現(xiàn) 基本思想是首先對(duì)視頻圖像的各幀進(jìn)行編號(hào)，利用循環(huán)算法每循環(huán)一次讀取一幀圖像，并總是保證各幀圖像在一個(gè)窗口中顯示。 prefix=39。 figure, for k = 1 %: frame_number160 num=num2str(k)。 elseif(k=99) filename =strcat(prefix,39。 end I=double(imread([filepath filename]))。 J=uint8(J)。) 單幀圖像匹配跟蹤 本次設(shè)計(jì)中，我們采用了最小絕對(duì)差匹配準(zhǔn)則和目標(biāo)圖像全搜索策略的算法。0000039。04039。 [m,n]=size(I)。 x=0。 y=y+j*I(i,j)。%匹配模板的確定 for i=12:12 for j=25:37 J(i+13,j+26)=K(X_c+i,Y_c+j)。 end end end end C=(Cmin(min(C)))/(max(max(C))min(min(C)))*255。%顯示最小絕對(duì)差準(zhǔn)則得到的匹配圖像 title(39。 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 19 for i=1:p for j=1:q if C(i,j)Cmin Cmin=C(i,j)。 %由于不是從圖像的第一個(gè)像素點(diǎn)開(kāi)始匹配的 ,因而中心坐標(biāo)有一個(gè)位移 Yc=Yc+31。 K(Xc+10,j)=255。 title(39。 之后我們求取絕對(duì)差最小的點(diǎn)的坐標(biāo)，可以得到目標(biāo)圖像匹配的中心坐標(biāo)，再利用該坐標(biāo)添加一跟蹤波門即可達(dá)到跟蹤目標(biāo)的目的。 y=(p/21):1:(p/2)。匹配矩陣的三維顯示 39。視頻圖像最小絕對(duì)差準(zhǔn)則目標(biāo)跟蹤的具體算法實(shí)現(xiàn)如下： filepath = 39。0000039。 if(k=9) filename =strcat(prefix,39。039。 [m,n]=size(I)。 end end end end C=(Cmin(min(C)))/(max(max(C))min(min(C)))*255。 Xc=i。 for i=(10+Xc):(10+Xc) %添加波門 K1(i,Yc30)=255。 end K1=mat2gray(K1)。 num2str(k)])。 相關(guān)匹配跟蹤結(jié)果 利用匹配跟蹤所得到的跟 蹤結(jié)果如下：（圖中顯示了從第 25 幀圖像開(kāi)始的、步長(zhǎng)為 25 的圖像幀序列的跟蹤結(jié)果） 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 26 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 27 由模板相關(guān)匹配跟蹤的仿真結(jié)果可以看出，該算法對(duì)目標(biāo)起到了很好的跟蹤，縱觀整個(gè)視頻跟蹤的過(guò)程，其跟蹤波門都從未偏離目標(biāo)。 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 28 6 結(jié)論與建 議 本次設(shè)計(jì)我們首先討論了視頻最小跟蹤系統(tǒng)的整個(gè)實(shí)現(xiàn)流程，包括系統(tǒng)的硬件模塊和軟件模塊。但是，此種算法的實(shí)用性范圍極其有限，一般來(lái)說(shuō)只適用于目標(biāo)圖像與背景圖像的灰度值相差較大的情形下才能實(shí)現(xiàn)，否則將得 不到目標(biāo)的形心。但不足之處是由于在相關(guān)匹配的過(guò)程中涉及到大量的數(shù)學(xué)運(yùn)算，因而系統(tǒng)跟蹤的實(shí)時(shí)性將大大降低，為進(jìn)一步提高系統(tǒng)的實(shí)時(shí)響應(yīng)，相應(yīng)的處理器、存儲(chǔ)器等硬件設(shè)備的性能要求較高。除此之外，對(duì)目標(biāo)跟蹤的算法我也有了一個(gè)清楚地了解，以及為提高跟蹤系統(tǒng)的性能對(duì)跟蹤算法進(jìn)行了一系列的改進(jìn)和提高。 8 主要參考文獻(xiàn) [1] 張巖 。 clear。 frame_number = 200。.bmp39。,num,suffix)。 elseif(k=200) filename =strcat(prefix,num,suffix)。 else 視頻跟蹤最小系統(tǒng)設(shè)計(jì) 30 I(i,j)=255。 for i=1:m for j=1:n10 sum=sum+I(i,j)。 Yc=fix(double(y)/double(sum))。 I(Xc+10,j)=255。原圖像 39。 clear all。0000039。04039。 [m,n]=size(I1)。 x=0。 y=y+j*I1(i,j)。%匹配模板的確定 for i=12:12 for j=25:37 J(i+13,j+26)=K(X_c+i,Y_c+j)。0039。,num,suffix)。 K1=I。 [p,q]=size(C)。 Yc=j。 K1(i,Yc+40)=255。 imshow(K1)。 end