概率加权质心跟踪算法研究

第 37卷第 4期 VO1．37 NO．4 红外与激光工程 Infrared and Laser Engineering 2008年 8月 Aug．2008 概率加权质心跟踪算法研究 蔡胜兵 ，段哲 民 ，高 进 ，许 家栋 (1．西北工业大学 电子信息学院，陕西 西安 710072；2．中国空空导弹研究院，河南 洛 阳 471009) 摘 要 ：针对 目前图像跟踪器跟踪不稳定、跟踪精度不高及不能满足 实时性要 求等 问题 ，提 出了 一 种概率加权的质心跟踪算法。该算法首先对波 门内的像素进行 闽值分割 ，摒弃灰度低于闽值 的背景 像素 ，保 留目标像 素的灰度值 ，然后计算波 门内目标区域的质心。实验结果表 明：基 于概 率加权的质 心跟踪 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 能够有效降低复杂背景和噪声干扰 ，增强跟踪 系统的抗干扰 能力，减 少传统跟踪 系统 中使 用大量灰度梯度值带来的 巨大计算量，从 而提高跟踪器的精度和稳定性 。创新点在于通过引入概率加 权的方法，在计算初始时刻的 目标质心时使用贝叶斯概率作为权 重，而没有设置 离散 的阈值来分辨 目 标 ，减少了传统跟踪 系统 中使 用大量灰度梯度值产生的计算复杂度。 关键词 ：图像 处理 ； 概率加权 ； 质心跟踪 ； 目标检测 中图分类号 ：TN216 文献标识码 ：A 文章编号 ：1007—2276(2008)04—0621—04 Probability weighted centroid tracking algorithm CAI Sheng—bing ，DUAN Zhe—min ，GAO Jin ， ，XU Jia—dong (1．Deparment of Electronic Engineering，Northwestern Polytechnical University，Xi an 710072，China 2．China Airborne Missile Academy，Luoyang 471009，China) Abstract：The probability weighted centroid tracking (PWC)algorithm was proposed to solve the problems of the image tracker，such as the low tracking precision，instability and could not meet the requirement of real time．Firstly，the threshold segmentation of the pixels in wave—gate was processed by the algorithm．These pixels whose gray levels were lower than the counterparts of background were discarded ．The gray values of targets pixels were retained．And then the centroid coordinates of wave- gate in the targets regions were obtained．The experimental results demonstrate that PW C can effectively decrease the background clutter and noise countermeasure as well as reduce huge calculation and computation complexity due to computing multiple graduations of gray levels in traditional tracking methods of tracker．Furtherm ore，it can also increase the ability of anti—countermeasure and greatly improve the tracking precision and stability of the tracker．The Bayesian probability was introduced and regarded as the weight when calculating the initiative time of the target centroid． Key words：Image processing； Probability weighted； Centroid tracking； Target detecting 0 引 言 由于成像 目标跟踪利用了目标图像的形状、纹理及 其亮度特征作为跟踪信息 ，可获得 的信息量大 ，而非成 像 目标跟踪往往只利用 目标的辐射强度作为跟踪信息。 因此 ，成像跟踪具有很大的优势 ，即可对各种 目标和背 景进行分辨，能有选择地跟踪 ，并且跟踪精度古【 。 但是 ，由于实际战场环境复杂 ，随着 目标伪装 、隐 收稿 日期 ：2007-09-12； 修订 日期 ：2008一O1—05 基金项目：武器装备预研基金项目 (41302020103) 作者简介：蔡P~ (1979一)，男，湖南益阳人，博士生，主要研究方 向为红外成像及实时图像信号处理等。Emaj1：csbnpu@l26．com 导师简介 ：段哲~(1953一)，男，陕西白水人，教授，博士生导师，主要研究方向为数据采集与信号处理。Email：zheminduan@nwpu．edu．cn 维普资讯 http://www.cqvip.com 622 红 外与激光工程 第 37卷 身技术的发展 ，对成像 系统的研 究提 出了更高的要 求 。通常导弹瞄准系统中使用的红外系统要 自动从背 景杂波中选择和识别 目标 ，并使用门限技术来做 出识 别和选择 。当目标被检测或识别出来后 ，需要对 目标 进行实时跟踪 ，即实现从当前帧 目标到后一帧 目标的 对应。一般采用质心跟踪方式 ，但是该算法存在如下 缺点：当目标和复杂背景的灰度值相近时，从背景中检 出目标会非常困难 ，而选择适当阈值的计算是复杂的。 当目标图像的某个区域温度很高时，阈值的生成和计算 会无规律跳动而导致跟踪器失效。 通过对传统跟踪算法 的研 究H ，提 出了一种基 于概率加权的质心跟踪算法 ，在计算初始时刻的目标 质心时 ，使用贝叶斯概率作为权重 ，而没有设置离散 的阈值来分辨 目标 ，减少了传统跟踪系统中使用大量 灰度梯度值带来的巨大计算量 。 1 原 理 该跟踪系统 的结构如图 1所示。 图 1跟踪系统结构图 Fig．1 Structure of tracking system 系统 由一个装在万 向支架上 的图像传感 器来获 取图像 ，用一个 电机控制支架的运动 ，用 自动跟踪器 控制电机使得传感器跟踪 目标 ，使得 目标视线落在 目 标质心上 。 该跟踪系统核心是 自动跟踪器 ，它 由门限控制 器、像素处理器 、概率图产生器 、控制器和状态处理器 5部分组成 ，如图 2所示 。 图 2自动跟 踪器 组成 示意 图 Fig．2 Component of autonomic tracker 像素处理器获得来 自传感器的图像 ，建立像点亮 度分布图，计算图像中与 目标相关区域的精确像点数 量 、目标质心 ，确定 目标轮廓 。概率图产生器利用从像 素处理器得到 的亮度分布产生一个概率图，此概率 图 提供 了目标的一个有精确亮度的像素分布图，并传送 给像素处理器 ；门限控制器获得来 自像素处理器的 目 标质心及轮廓信息 ，处理后给出 目标的内框 门限、跟 踪 门限和外框 门限(见图 3)，内框 区域 、跟踪 区域 以 及外框区域 。内框范围内的部分充分表征了 目标信 息 ，在确定了内框门限的大小后 ，门限控制器便以质心 为中心来设置内框范围。像素处理器从门限控制器获 得信息后 ，计算出内框区域 、跟踪 区域 、外框区域内的 像素个数。状态处理器依据这些信息对跟踪状态进行 评估。如当目标完全位于跟踪门限内时，也就是 目标绝 大部分像点位于跟踪区域内时，则可认为跟踪状态为 好 ，反之亦然。像素处理器将 目标质心信息提供给控制 器 ，控制器提供指令给伺服电机以便控制万向支架的 运动 ，实现对 目标质心的跟踪。 】n ide region OIllsidc rcgio1t 图 3跟踪 目标区域及门限示意图 Fig 3 Region of tracked object and its threshold 2概率加权质心跟踪算法 质心跟踪 以波 门内目标 的灰度质心作 为跟踪点， 不仅考虑 目标 的形状 ，而且考虑 目标的灰度分布。算 法首先对波门内的像素进行阈值分割 ，摒弃灰度低于 阈值 的背景像 素，保留 目标像素的灰度值 ，然后计算 波门内目标区域的质心 。 质心跟踪利用 了灰度的加权作用 ，灰度大的像素 贡献也大。对于点或斑点 目标，由于弥散斑的作用，目 标灰度的空间分 布中心像素高 ，邻域像素低 ，因此利 用质心跟踪可 以更精确地定位 目标 的位置。但受灰度 比目标高的人工干扰的影响很大，而且 目标像素灰度 值的波动，也会影响质 t2,的计算精度。 2．1 系统初始化 人工瞄准 目标后 ，自动跟踪器选择一个连续 的像 点亮度范 围，用以识别 目标 ，此范 围的上下 限为 和 。 自动跟踪器有两种搜索工作模式 ，第一种工作模 g ： m ㈤ h幽O m 维普资讯 http://www.cqvip.com 第4期 蔡胜兵等：概率加权质心跟踪算法研究 式用于判断目标像素亮度是否落入门限内，若满足， 则 证明 住所证明下载场所使用证明下载诊断证明下载住所证明下载爱问住所证明下载爱问 探测到 目标 ，进而转入稳态跟踪工作状态。如 果第一种模式条件不满足，则进入第二种工作模式 ， 判 断 目标像素 亮度是否在门限之外 ，若满足 ，转入稳 态状态跟踪 。若第二种状态条件不满足 ，则重新设置 门限 和 。若工作在第一种模式时，用下列公式来 建立初始的概率 图、内框区域和外框区域 的柱状 图： fk j0 (足)= (足)= ≤ 七> 0 k j ≤ 足≤ j 0 j (2) (3) k∈{0，⋯A-1) 式中：P 为像点概率图；H：(足)为内框区域的柱状图； o (足)为外框区域 的柱状图；A 是系统预设参量 。若工 作在第二种模式时 ，用下列公式建立 ： P (足)= H (足)= ( )= 足< j 0 ≤k≤ j0 (4) 足> l 妖 ≤足≤ j 0 j < 0 ≤ j 足> j 0 k∈f0．⋯△一ll (5) (6) 2．2 稳态跟踪时的信息处理 当系统进入稳定跟踪模式后 ： (1)计算H (足)和H：(足)，它们分别描述了内框范 围和外框范围内具有某一特定亮度值的像点数 。 = ：c =C： 。 日 =∑∑ (7 r = ： ：【』r．c = u c 羔 。一兰墨 。c8 k∈{0，⋯A-1) (2)对上述结果进行归一化和滤波处理 ，依据下 列方程式先计算出内框面积 A 和外框面积 A。： A =∑H A。：∑H：(足) (9) = (足) 。= (足) (9) 然后进行归一化分别得到 ： 日 i )= 日 ：(足)= An仃0H z xn ，(足) (10) (足)=— 仃，(足) (10) 式中：V k∈{0，⋯A-1)；A 是系统预设参量。 为减小跟踪噪声的影响 ，以及去除因为内部区域内 在的混乱异常而带来的影响 ，对数据进行滤波 ，滤波时 使用当前帧归一化的数据和上一帧经过滤波的数据。 (3)计算概率分布图 P(足)：_『 (11) (足)+ (足) 式 中：V k∈{0，⋯A-1)；P(足)为贝叶斯概率比值。 为去除背景干扰给系统质心计算带来 的影响，对 上述结果进行修正 ，修正后的概率图为 ： lP(足)≥Pr P(足)=^ P (足) 1 (12) lP(七)