基于多特征判断下的目标识别跟踪

赵张桢　白佳华

摘 要：随着计算机数字图像处理的技术日趋完善，在自主式移动机器人对运动目标进行跟踪时，视觉系统主要完成目标的识别与跟踪，提高目标识别与跟踪的实时性和准确性是保证机器人跟踪顺利的关键。针对此提出了一种基于四旋翼飞行器识别物体控制智能车运动的算法。

关键词：图像处理；识别；跟踪

中图分类号：TP391.41 文献标志码：A 文章编号：2095-2945（2018）35-0020-02

Abstract： With the improvement of computer digital image processing technology， the vision system mainly accomplishes the recognition and tracking of the moving object when the autonomous mobile robot tracks the moving object. To improve the real-time and accuracy of target recognition and tracking is the key to ensure the smooth tracking of robot. In this paper， an algorithm based on four-rotor aircraft to identify objects and control the motion of intelligent vehicle is proposed.

Keywords： image processing； recognition； tracking

1 图像识别处理条件与背景

本实验通过手动遥控四旋翼飞行平台，利用机载摄像头传感系统感知信标道路环境，使用了自动控制、体系结构、计算机视觉等原理与技术。本实验是利用机载传感器来感知整个场地信息，根据传感器感知周围情况，使得车辆和信标保持相对安全的距离行驶。

2 基于颜色特征的目标识别算法

2.1 图像预处理

由于实际的图像在传入时的角度，光线，分表率等因素，使得图像出现各种情况，因此对图像进行前期预处理，使得运算量减少。利用摄像头模组采集回来的现场照片，由于现场光线和一些不确定因素的干扰太大，对此本实验在摄像头模组上加装了滤光片，加装滤光片后的图像去除了大部分的干扰因素。

由于原图分辨率与尺寸太大，对此本实验对原图像进行裁剪来减少需要处理的数据，随后对把图像转换为灰度图像并二值化，图像灰度增强属于基于空域的图像增强技术，直接对图像采取像素级别的处理，来使得图像表现力更强。通过灰度处理可以动态的增大图像的范围，使图像变得更加清晰。为了图像信息获取和识别，要抑止不感兴趣的区域，突出感兴趣的区域特征。

二值化后的视频流中有明显的椒盐噪点，对此本实验对二值化后的圖像进行图像形态学处理，达到对图像分析和识别的目的。本实验先采用形态学闭消除小的空洞，填补轮廓线的中的断裂，再采用操作形态学开操作去除一些细小的噪点。

2.2 ROI（感兴趣区域）区域的轮廓的查找与判断

在对图像进行边缘提取之前，先将视频流中的每一帧RGB图像转化为HSV空间图像，再对所得的HSV空间图像进行分离，然后通过测试得到三个通道的阈值，并对二值化后的图像进行二值过滤处理，便可以得到所需的红、蓝、绿三色的单通道图像。这样只需再对图像进行平滑滤波处理。它的主要功能是：突出图形中物体的边界，将图像中的噪声去掉。在空域实现滤波的方式是利用模板进行卷积运算。平滑滤波的最基本特点是让图像的高频分量受到抑制。

滤波后，图形需要进行边缘检测才能得到图像的边界和轮廓。边缘检测借助Canny边缘检测法来完成其最重要的特点是会将独立的也甄别的像素近似的拼装成轮廓。Canny算法首先用二维高斯函数的一阶导数，对图像进行平滑，同时抑制图像出现噪点。平滑参数越小，所拟合的边缘就越接近目标轮廓，但使图像的平滑的能力就会相应的变弱，也更容易产生图像噪声；平滑参数较大时则相反。当图像完成平滑后，通过抑制梯度的振幅矩阵来获取图像中目标可能的轮廓点。

2.3 基于颜色的运动目标的检测与跟踪

本小结是建立在目标特征颜色上，实现了彩色视频序列中运动目标的实时跟踪。通过对每一帧图像的目标的颜色特征进行提取分析，便可以在视频流中对目标进行识别与跟踪，对识别的每一个目标，也就是信标，车头和车尾进行目标轮廓的中心点提取并发送给车模上的MCU控制单元进行处理。

3 基于多特征的快速目标跟踪算法

3.1 图像畸变处理

由于本实验使用的摄像头其内部光学系统设计和制造的缺陷，所采集回来的图片有明显的桶形畸变。通过对图像畸变处理的分析，使用图像标定板来辅助图像畸变的处理，其目的主要是获取模板图像上一定数量的控制点，根据这些控制点求出图像的畸变映射关系，这样可以通过映射关系对畸变图中的各个像素点进行平行移动，从而达到畸变校正的效果。在对广角畸变图像校正的过程中，选择合适的控制点个数对于图像的校正很重要。先对需要畸变处理的摄像头拍摄的标定板照片进行提取角点信息，在对标定好的图像进一步进行亚像素角点信息的提取，然后设定好待求的世界坐标系、图形坐标系、摄像头模组的内参矩阵和图像畸变矩阵，并通过Opencv自带的API函数算出这些值的大小，并输出。

接下来利用所求摄像头模组的内参矩阵和图像畸变矩阵等数据来修正图像，通过对所使用摄像头内参与图像参数的计算，可以很好的解决由于摄像头本身缺陷所导致的图像畸变问题。利用畸变修正后的图像可以很好避免畸变所带来的目标坐标不精准问题。

3.2 图像凸包提取与识别

在计算机几何图像学中，凸包就是在一给定的二维面上的某一点集中最外层点所能连接构成的最大凸多边形。当然，它是能包含点集中所有点的多边形。本实验通过实验发现，调节二值化的阈值可以来识别图像中不同对比度和亮度的凸包。先把摄像头采回的彩色图像装换为灰度图像，然后把图像二值化，得到比较突出的目标。把图像上突出的目标的轮廓提取出，再在所有得到的轮廓中寻找每个轮廓的凸包，并把凸包面积太小和太大的物体过滤掉。经过平滑滤波后，可以清晰得到三个目标凸包。

3.3 整体方案总结

本方案是基于目标颜色特征的跟踪算法的改进与优化，并运用颜色特征算法结合目标轮廓与图像凸包的提取，有效地提高了目标识别与跟踪的实时性和准确性。

首先利用OV2710摄像头模组对信标场地进行图像信息采集，把采集回来的图像进行畸变处理然后进行图像分割与剪切，接着把图像灰度化并做二值化处理；通过形态学开闭操作去除一些细小的噪点与打通一些连通区域；然后提取图像上突出的目标的轮廓与图像凸包，进行面积大小与形状的处理后可以得到三个目标轮廓，并把目标坐标返回；同时把灰度图像进行不同阈值的二值过滤处理，分别得到蓝色和绿色的目标，也就是车头和车尾，把蓝色和绿色的轮廓标出，并返回两者坐标。这样一共发送给MCU控制单元五个坐标，其中两个是车头，两个位车尾，通过坐标分析便可以得到信标坐标。

参考文献：

[1]邵贝贝.单片机嵌入式应用的在线开发方法[M].北京：清华大学出版社，2004.

[2]刘进，齐晓裁，李永科.基于摄像头的智能小车設计与实现[J].传感器世界，2008，14（2）：34-37.

[3]卓晴，黄开胜，邵贝贝，等.学做智能车——挑战“飞思卡尔”杯[D].北京航空航天大学，2007.

[4]梁亮.一种基于网格图像的几何畸变修正方法[J].计算机应用与工程，2004（2）.

[5]庞晓敏，闵子建.基于HSI和LAB颜色空间的彩色图像分割[J].广西大学学报：自然科学版，2011，36（6）：5-7.

[6]尹宏鹏.基于计算机视觉的目标跟踪算法研究[D].重庆大学，2009：3-6.

[7]韩思奇，王蕾.图像分割的阈值法综述[J].系统工程与电子技术，2005，24（6）：69-94.