《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 測(cè)試測(cè)量 > 設(shè)計(jì)應(yīng)用 > 基于全局運(yùn)動(dòng)補(bǔ)償?shù)亩噙\(yùn)動(dòng)目標(biāo)檢測(cè)方法研究
基于全局運(yùn)動(dòng)補(bǔ)償?shù)亩噙\(yùn)動(dòng)目標(biāo)檢測(cè)方法研究
來(lái)源:電子技術(shù)應(yīng)用2011年第1期
王洪斌1, 趙振涌2, 顧 彪1, 殷永凱1, 賈桂敏1
1. 天津大學(xué) 微光機(jī)電系統(tǒng)技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,天津300072; 2. 北京自動(dòng)化控制設(shè)備研究所, 北京100074
摘要: 提出了一種動(dòng)態(tài)背景下的對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)檢測(cè)的完整方法。利用基于宏塊匹配的六參數(shù)全局運(yùn)動(dòng)估計(jì)方法進(jìn)行全局運(yùn)動(dòng)補(bǔ)償,有效地消除了攝像機(jī)在非穩(wěn)定運(yùn)動(dòng)情況下對(duì)目標(biāo)檢測(cè)性能帶來(lái)的不利影響。同時(shí)在宏塊匹配前進(jìn)行了預(yù)處理,通過(guò)預(yù)判提取紋理信息豐富的宏塊,并在宏塊匹配的過(guò)程中采用九點(diǎn)十字搜索算法取代傳統(tǒng)的三步搜索算法,減少了匹配數(shù)據(jù)量。通過(guò)六參數(shù)運(yùn)動(dòng)模型計(jì)算得到攝像機(jī)全局運(yùn)動(dòng)參數(shù),然后對(duì)運(yùn)動(dòng)背景進(jìn)行全局補(bǔ)償。補(bǔ)償后經(jīng)過(guò)后處理提取運(yùn)動(dòng)區(qū)域。實(shí)驗(yàn)證明,本方法能夠有效地檢測(cè)出動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)。
中圖分類號(hào): TP391.41
文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2011)01-0110-04
Research on multi-moving object detection algorithm based on global motion compensation
Wang Hongbin1, Zhao Zhenyong2, GU Biao1, Yin Yongkai1, Jia Guimin1
1. The Ministry of Education Key Laboratory of Micro-Opto-Electro-Mechanical System Technology, Tianjin University, Tianjin 300072, China; 2. Beijing Institute of Automatic Control Equipment, Beijing 100074, China
Abstract: A multi-moving target detection algorithm is completely proposed. Global motion compensation in image sequences is realized to overcome the detrimental effects of target detection performance when camera motion in unstable situation by six-parameter global motion estimation method via template image matching. At the same time the project extracted the texture of information-rich macro block by macroblock pre-sentence,use nine-point and cross search algorithm to replace the traditional three-step search algorithm in the process of image matching.This approach reduces the amount of data matching. Calculating can obtain the camera global motion parameters,and then globally compensate the motion background by using bilinear interpolation method.Before detecting moving targets eventually,there are lots of steps results show that this method can effectively detect the moving target in dynamic background.
Key words : dynamic background; target detection; global motion compensation; nine-point cross search method


    基于視頻的目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)的主要研究方向之一,它是智能監(jiān)控、移動(dòng)機(jī)器人視覺(jué)導(dǎo)航、武器引導(dǎo)、全景戰(zhàn)車等應(yīng)用的基礎(chǔ)和關(guān)鍵技術(shù),具有十分重要的研究?jī)r(jià)值[1]。
    目標(biāo)檢測(cè)分為多種類型。按照攝像機(jī)是否運(yùn)動(dòng)可分為兩種情況:靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤,通常指攝像機(jī)相對(duì)背景靜止的狀態(tài),如用于交通路口的安全監(jiān)控系統(tǒng);動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤,通常指攝像機(jī)相對(duì)背景發(fā)生運(yùn)動(dòng)的狀態(tài),如利用單攝像機(jī)進(jìn)行全景監(jiān)控、機(jī)載航空相機(jī)、彈載的紅外CCD攝像頭[2]。在動(dòng)態(tài)背景下,由于背景和前景都是運(yùn)動(dòng)的,相對(duì)靜態(tài)背景要準(zhǔn)確檢測(cè)和跟蹤目標(biāo)要復(fù)雜和困難得多。
    本文主要針對(duì)復(fù)雜動(dòng)態(tài)廣場(chǎng)背景下單攝像機(jī)對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)的情況,在傳統(tǒng)方法的基礎(chǔ)上,提出了一套更完善、實(shí)時(shí)性和魯棒性更優(yōu)的基于全局運(yùn)動(dòng)補(bǔ)償的解決方案。該方法建立了攝像機(jī)全局運(yùn)動(dòng)參數(shù)模型,通過(guò)背景補(bǔ)償將動(dòng)態(tài)背景下的檢測(cè)問(wèn)題轉(zhuǎn)化為在靜態(tài)背景下的檢測(cè)問(wèn)題。
1 動(dòng)態(tài)背景下的多目標(biāo)檢測(cè)
    目前在動(dòng)態(tài)背景下解決目標(biāo)檢測(cè)的問(wèn)題主要有兩大思路:(1)根據(jù)基于目標(biāo)模板特征的方法。這種方法背景是否運(yùn)動(dòng)對(duì)其影響不是很大,但是在目標(biāo)特征不明顯的情況下難以做到準(zhǔn)確地提取目標(biāo);(2)基于背景補(bǔ)償?shù)姆椒āMㄟ^(guò)全局運(yùn)動(dòng)估計(jì)得到的全局運(yùn)動(dòng)參數(shù)估算攝像機(jī)運(yùn)動(dòng)模型,在進(jìn)行差分圖像提取目標(biāo)前進(jìn)行背景補(bǔ)償,消除全局運(yùn)動(dòng)帶來(lái)的影響[3]。本文采用基于全局運(yùn)動(dòng)補(bǔ)償?shù)姆椒▽?shí)現(xiàn)目標(biāo)檢測(cè)。
1.1 全局運(yùn)動(dòng)估計(jì)
    全局運(yùn)動(dòng)估計(jì)是指對(duì)視頻序列中造成背景運(yùn)動(dòng)的攝像機(jī)運(yùn)動(dòng)進(jìn)行估計(jì),其目的是要從視頻序列中找出造成全局運(yùn)動(dòng)的攝像機(jī)運(yùn)動(dòng)的規(guī)律,從而將動(dòng)態(tài)序列間的背景對(duì)準(zhǔn)消除,檢測(cè)出前景目標(biāo)[4]。
    圖1為本文動(dòng)態(tài)背景下基于全局運(yùn)動(dòng)補(bǔ)償?shù)倪\(yùn)動(dòng)目標(biāo)檢測(cè)的流程圖。

    首先通過(guò)全局運(yùn)動(dòng)估計(jì)和補(bǔ)償將相鄰幀間背景對(duì)準(zhǔn),再通過(guò)幀間差分消除動(dòng)態(tài)背景,最后對(duì)差分圖像進(jìn)行二值化以及一系列后處理從而獲取前景運(yùn)動(dòng)目標(biāo)。
1.1.1 常用的攝像機(jī)運(yùn)動(dòng)模型[5]
    如圖2所示,攝像機(jī)把三維空間點(diǎn)(X,Y,Z)映射到二維空間平面點(diǎn)(x,y)上。圖像平面與Z軸垂直,中心坐標(biāo)為(0,0,f)(f表示攝像機(jī)的焦距)。

    在笛卡爾坐標(biāo)系里,如果三維場(chǎng)景中的物體的運(yùn)動(dòng)為
1.1.3 遞歸最小二乘法計(jì)算全局運(yùn)動(dòng)參數(shù)
    為了消除匹配不精確的宏塊所得到的光流場(chǎng)的影響,需要對(duì)參數(shù)估計(jì)進(jìn)行遞歸計(jì)算,將得到的六個(gè)參數(shù)重新計(jì)算各個(gè)宏塊的光流場(chǎng),并與宏塊匹配算法得到的光流場(chǎng)進(jìn)行比較,將光流計(jì)算誤差較大的宏塊進(jìn)行剔除[6]。利用剩余的宏塊重新估計(jì)全局運(yùn)動(dòng)參數(shù),如果遞歸反復(fù),則直到(a1,a2,a3,a4,a5,a6)收斂至一個(gè)穩(wěn)定的結(jié)果。
1.2 圖像剪裁、紋理提取與宏塊預(yù)判
    為了提高運(yùn)動(dòng)估計(jì)的魯棒性,本文采用了基于宏塊匹配的方法計(jì)算參數(shù)。把分辨率為320×240的K+1幀圖像分為20×15個(gè)宏塊,對(duì)第K幀進(jìn)行匹配。分割宏塊后的圖像如圖3所示。

    為了提高運(yùn)動(dòng)估計(jì)的實(shí)時(shí)性,本文從以下幾個(gè)方面進(jìn)行了優(yōu)化。
1.2.1 圖像剪裁
    當(dāng)攝像機(jī)運(yùn)動(dòng)時(shí),相鄰幀的背景不重合,由圖4所示第K+1幀和第K幀圖像的位置關(guān)系,第K幀中的S1區(qū)域背景在第K+1幀中消失,而第K+1幀中出現(xiàn)新背景S2,由于背景運(yùn)動(dòng)在各個(gè)方向上都有可能發(fā)生,假設(shè)相鄰幀的運(yùn)動(dòng)范圍不超過(guò)L1(>L2),以圖4中所示,樣本宏塊只需在S3區(qū)域中選取,而不必全屏宏塊匹配,以縮小計(jì)算量。

1.2.2 紋理提取與宏塊預(yù)判
    運(yùn)用遞歸最小二乘法估計(jì)全局運(yùn)動(dòng)時(shí),光流計(jì)算不準(zhǔn)確的宏塊不參與最終的參數(shù)估計(jì),但在計(jì)算光流場(chǎng)時(shí),卻花費(fèi)了相當(dāng)一部分的時(shí)間來(lái)匹配計(jì)算光流。而本文在計(jì)算光流場(chǎng)之前已提前剔除可能導(dǎo)致不準(zhǔn)確光流估計(jì)的宏塊,因此,很大程度上降低了計(jì)算量,增加了全局運(yùn)動(dòng)估計(jì)的實(shí)時(shí)性。
    圖5是原圖像和canny算子紋理提取后結(jié)果。圖像紋理提取后,對(duì)每個(gè)宏塊進(jìn)行預(yù)分析,通過(guò)設(shè)定閾值,剔除可能導(dǎo)致不準(zhǔn)確光流估計(jì)的宏塊,只留下紋理信息量較多的宏塊參與光流估計(jì)。

    圖6為宏塊預(yù)判后的實(shí)驗(yàn)結(jié)果,歸一化后閾值T取值為0.2,其分辨率為320×240,4個(gè)邊緣各去除掉10個(gè)像素后,將圖像分為20×15個(gè)宏塊,每個(gè)宏塊尺寸為15×15。
    宏塊預(yù)判后,宏塊數(shù)量得到減少,由原來(lái)的300個(gè)宏塊減少為105個(gè),約占原來(lái)總宏塊數(shù)的35%。
1.3 宏塊匹配與九點(diǎn)十字搜索法
1.3.1 宏塊匹配

    宏塊模板匹配法原理圖如圖7所示。宏塊模板匹配法以一個(gè)目標(biāo)圖像為模板,用目標(biāo)模板與待匹配圖像的各個(gè)子區(qū)域圖像進(jìn)行一定的匹配準(zhǔn)則計(jì)算,找到和目標(biāo)模板最相似的子圖像位置[7]。本文即從圖4的S3區(qū)域里找出宏塊預(yù)判后保留的宏塊與其最佳匹配塊之間的相對(duì)位移,即為該宏塊的運(yùn)動(dòng)向量,參與后續(xù)的全局運(yùn)動(dòng)估計(jì)的計(jì)算,S3即為匹配相關(guān)區(qū)域。

   衡量?jī)蓤D像塊間相似性的準(zhǔn)則稱為匹配準(zhǔn)則。匹配準(zhǔn)則的好壞直接影響到搜索過(guò)程的復(fù)雜性以及運(yùn)動(dòng)向量估計(jì)的精確性。其中均方誤差定義準(zhǔn)則為:
 
    MSE利用差值的平方,可以放大微小差別,本文采用的就是MSE匹配準(zhǔn)則。
1.3.2九點(diǎn)十字搜索法
    在進(jìn)行宏塊匹配時(shí),利用宏塊在待匹配圖像上的搜索區(qū)域內(nèi)滑動(dòng),每滑動(dòng)一次就進(jìn)行一次匹配計(jì)算,以找到最佳匹配。這種方法被稱為全搜索法,精確度高,但計(jì)算量大,是一個(gè)相當(dāng)耗時(shí)的過(guò)程。
    近年來(lái),出現(xiàn)了很多種快速的搜索算法代替全搜索法,比較常用的有:三步搜索法、對(duì)數(shù)搜索法、鉆石搜索法和一些相應(yīng)的改進(jìn)算法。這些快速搜索法在候選的運(yùn)動(dòng)矢量位置的預(yù)定子集上評(píng)測(cè)準(zhǔn)則函數(shù),檢測(cè)點(diǎn)數(shù)目會(huì)大大少于全搜索法[8]。
    本文結(jié)合三步搜索法和鉆石搜索法各自的優(yōu)點(diǎn)提出了一種九點(diǎn)十字搜索法(E3SS),如圖8所示。搜索窗寬度為5,即搜索范圍是(i±5,j±5)。

    (1)搜索模板上的9個(gè)檢測(cè)點(diǎn),如果最小塊誤差MBD
(Minimum Block Distortion)點(diǎn)(MSE值最小的點(diǎn)),在搜索窗口的中心則算法結(jié)束。
    (2)如果MBD點(diǎn)位于中心點(diǎn)的4個(gè)相鄰點(diǎn)中,移動(dòng)十字小模板到上一步的MBD點(diǎn),繼續(xù)搜索十字小模板中其他點(diǎn),直到MBD點(diǎn)是十字中心的點(diǎn)或者十字小模板到達(dá)搜索窗口邊緣為止。如圖9(a)所示,點(diǎn)(0,-1)是第一步的MBD點(diǎn),也是第二階段的MBD點(diǎn),且位于搜索窗中心,故最終運(yùn)動(dòng)矢量就是(0,-1)。圖9中每個(gè)點(diǎn)上的數(shù)字表示不同階段搜索時(shí)的檢測(cè)點(diǎn)。

    (3)如果MBD點(diǎn)是大十字中的4點(diǎn)之一,搜索方法同三步搜索法類似,即將步長(zhǎng)減半,中心點(diǎn)移到上一步的MBD點(diǎn),重新在周圍距離步長(zhǎng)的4個(gè)點(diǎn)處進(jìn)行塊匹配計(jì)算并比較。重復(fù)此步驟,直到步長(zhǎng)為1,該點(diǎn)所在位置即對(duì)應(yīng)最優(yōu)運(yùn)動(dòng)矢量。如圖9(b)所示,(0,4)是第一步的MBD點(diǎn),然后以(0,4)為中心點(diǎn)進(jìn)行第二步搜索,此時(shí)搜索半徑已經(jīng)縮減為2像素,最后以當(dāng)前MBD點(diǎn)(-2,4)完成第三步搜索,找到最優(yōu)匹配點(diǎn)。
    利用預(yù)測(cè)幀的峰值信噪比PSNR來(lái)度量搜索的準(zhǔn)確性,同時(shí)選取多個(gè)不同性質(zhì)的序列圖像來(lái)檢測(cè)算法的穩(wěn)定性,選取全搜索算法FS、菱形搜索算法DS,以對(duì)比九點(diǎn)十字算法的各項(xiàng)性能,其結(jié)果如表1所示。

    從表1可以看出,相對(duì)FS和DS算法,九點(diǎn)十字算法(E3SS)在時(shí)間上的優(yōu)勢(shì)非常大,在提高了搜索速度的同時(shí)也保證了搜索精度,其精度除了比FS算法略低外,比目前流行的DS算法都有細(xì)微程度的提高。

 
    雙線性內(nèi)插值法計(jì)算量大,但縮放后圖像質(zhì)量高,不會(huì)出現(xiàn)像素值不連續(xù)的情況。
1.5 運(yùn)動(dòng)目標(biāo)區(qū)域提取[9]
    此時(shí)得到的K的補(bǔ)償幀Kcomp與幀K+1的背景基本對(duì)準(zhǔn),對(duì)所得圖像進(jìn)行非線性平滑濾波消除噪聲,然后通過(guò)進(jìn)行幀間差分即可消除背景獲得前景運(yùn)動(dòng)區(qū)域。但圖中除了運(yùn)動(dòng)目標(biāo)之后,還存在一些小面積的干擾區(qū)域以及一些小面積的空洞。本文先對(duì)二值化后的圖像進(jìn)行區(qū)域標(biāo)記,對(duì)二值圖像的每個(gè)不同的連通域進(jìn)行不同的編號(hào),通過(guò)對(duì)各個(gè)區(qū)域中像素個(gè)數(shù)的計(jì)算獲得各個(gè)區(qū)域的面積。將面積小于設(shè)定閾值的區(qū)域剔除。對(duì)得到的二值圖像先進(jìn)行膨脹運(yùn)算再進(jìn)行腐蝕運(yùn)算,從而獲得運(yùn)動(dòng)目標(biāo)的完整輪廓和區(qū)域,最終檢測(cè)出目標(biāo)。
2 實(shí)驗(yàn)結(jié)果
    圖10為在原圖像上的檢測(cè)結(jié)果,從中可以看出,其中一個(gè)人體目標(biāo)由于只有頭部和腿部動(dòng)作比較明顯而被檢測(cè)出來(lái),被分成了兩個(gè)目標(biāo),但是可以在跟蹤過(guò)程中通過(guò)對(duì)目標(biāo)的顏色特征和運(yùn)動(dòng)特性的分析和處理,區(qū)別目標(biāo),并將本為同一目標(biāo)的部分合成(由于跟蹤過(guò)程不是本文重點(diǎn),在此處就不再鰲述)。圖11所示為最終的檢測(cè)結(jié)果。

    本文深入研究了動(dòng)態(tài)背景下對(duì)多目標(biāo)檢測(cè)的一種有效方法?;谌诌\(yùn)動(dòng)補(bǔ)償消除了背景運(yùn)動(dòng)對(duì)目標(biāo)檢測(cè)的影響,在宏塊匹配時(shí)提出了九點(diǎn)十字搜索法增強(qiáng)了檢測(cè)的實(shí)時(shí)性,通過(guò)處理后的結(jié)果可以看出,整套算法是行之有效的,并且有很強(qiáng)的魯棒性,為后續(xù)跟蹤過(guò)程奠定了良好的基礎(chǔ)。
參考文獻(xiàn)
[1] 賈桂敏.基于物體局部信息的跟蹤算法研究[D]. 天津:天津大學(xué)精密儀器與光電子工程學(xué)院,2008.
[2] 王研.動(dòng)態(tài)背景下目標(biāo)跟蹤若干技術(shù)問(wèn)題的研究[D].天津:天津大學(xué)精密儀器與光電子工程學(xué)院,2007.
[3] BEYMER D,MCLAUCHLAN P F,COIFMAN B,et al. A real-time computer vision system for measuring traffic parameters[C]. In Proceeding. of the IEEE Conference. on  Computer     Vision and Pattern Recognition,1997.
[4] HEUER J, KAUP A. Global motion estimation in image sequences using robust motion vector field segmentation[C]. In:Proceeding of the 7th ACM International conference on   ultimedia,Sydney,Australia,1999.
[5] 吳思.視頻運(yùn)動(dòng)信息分析技術(shù)研究[D].沈陽(yáng):中國(guó)科學(xué)院計(jì)算技術(shù)研究所,2005.
[6]  張竟.動(dòng)態(tài)圖像序列中運(yùn)動(dòng)目標(biāo)檢測(cè)若干技術(shù)問(wèn)題的研究[D].天津:天津大學(xué)精密儀器與光電子工程學(xué)院,2007.
[7]  陳敏慎.運(yùn)動(dòng)目標(biāo)物體實(shí)時(shí)追蹤圖像匹配法的研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2003.
[8]  劉海華.雙十字搜索算法的快速塊匹配運(yùn)動(dòng)估計(jì)[J].計(jì)算機(jī)研究與發(fā)展,2006,43(9):1666-1673.
[9]  劉文耀.光電圖像處理[M].北京:電子工業(yè)出版社,2002:122-355.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。