CCD測量系統(tǒng)中基于自適應(yīng)相關(guān)算法的動態(tài)目標(biāo)跟蹤

摘要：相關(guān)匹配是目標(biāo)跟蹤和模式識別的一種重要方法。介紹了CCD（電荷耦合器件）誤差測量系統(tǒng)光學(xué)原理；針對該測量系統(tǒng)實際情況，提出了用相關(guān)算法實現(xiàn)目標(biāo)位置的測量；使用自適應(yīng)相關(guān)匹配的方法，實現(xiàn)了對連續(xù)視頻圖像中動態(tài)目標(biāo)的跟蹤；給出了實驗結(jié)果，并對算法提出了改進的意見。

基于相關(guān)算法的目標(biāo)跟蹤是利用從以前圖像中獲得的參考模板，在當(dāng)前圖像中尋找最相似的區(qū)域來估計當(dāng)前目標(biāo)位置的方法。它對于背景復(fù)雜、會有雜波噪聲的情況具有良好的效果。CCD（電荷耦合器件）測量技術(shù)是近年來發(fā)展迅速的一種非接觸式測量技術(shù)。CCD攝像器件在分辨率、動態(tài)范圍、靈敏度、實時傳輸方面的優(yōu)越性是其它器件無法比擬的，在動態(tài)飛行目標(biāo)跟蹤測量中發(fā)揮著重要的作用。作者在CCD測量系統(tǒng)中使用相關(guān)匹配的方法，實現(xiàn)了對連續(xù)視頻圖像中動態(tài)目標(biāo)的跟蹤。

1 CCD誤差測量系統(tǒng)原理

在同一觀測位置布置兩臺CCD，其視軸平行。其中CCD1用于瞄準(zhǔn)，CCD2用于跟蹤飛行目標(biāo)。CCD1瞄準(zhǔn)線和視軸重合，獲得瞄準(zhǔn)線和靶標(biāo)之間的偏差角α。CCD2獲得飛行目標(biāo)和靶標(biāo)之間的偏差角β。系統(tǒng)要求得到瞄準(zhǔn)線和飛行目標(biāo)之間的水平和垂直方向上的偏差角ψx、ψy。因此規(guī)定CCD的視場中均以靶標(biāo)十字中心為原點，向左和向上為正方向，將α、β分別投影到坐標(biāo)軸上得到水平和垂直方向上的偏差角αx、αy、βx、βy。兩臺CCD的視頻軸平行，視軸間距遠(yuǎn)遠(yuǎn)小于CCD到目標(biāo)的距離，因此可以認(rèn)為兩CCD的視軸重合。所以有：

ψx=αx-βx，ψy=αy-βy (1)

圖1是系統(tǒng)的原理圖，圖中靶板上的黑十字是靶標(biāo)，虛線十字為瞄準(zhǔn)分劃板在靶板上的投影（由于實際靶板上沒有，所以用虛線表示）。

2 圖像處理算法的選擇

從系統(tǒng)的原理分析可知，要完成偏差角度的測量首先應(yīng)當(dāng)從圖像中提取出各個目標(biāo)在圖像中的位置，再根據(jù)CCD當(dāng)量（每像元對應(yīng)的弧度數(shù)）算出水平和垂直方向的偏差角。從CCD1的圖像中的最靶標(biāo)十字和瞄準(zhǔn)分劃板的位置，從CCD2的圖像中提取靶標(biāo)十字和飛行目標(biāo)的位置。

由于飛行目標(biāo)幾乎貼地飛行，CCD視場中有復(fù)雜的地面背景。而且靶標(biāo)是不發(fā)光的暗目標(biāo)，與背景灰度反差不大，很難將目標(biāo)從背景中分離出來，因此只有采用相關(guān)處理技術(shù)來進行目標(biāo)識別，才能實現(xiàn)瞄準(zhǔn)誤差和飛行軌跡的測量。相關(guān)算法非常適合在復(fù)雜背景下識別和跟蹤運行目標(biāo)。由于系統(tǒng)圖像處理是事后處理，處理連續(xù)的大量視頻圖像，實時性要求不高，而對處理精度和自動處理程度要求較高，因此采用該算法。

本系統(tǒng)中相關(guān)處理將預(yù)先選定的目標(biāo)或目標(biāo)特定位置作為匹配樣板，求取模板和輸入圖像間的相關(guān)函數(shù)，找出相關(guān)函數(shù)的峰值及所在位置，求判斷輸入圖像是否包括目標(biāo)圖像及目標(biāo)位置。

3 相關(guān)算法的原理及改進

在機器識別事務(wù)的過程中，常把不同傳感器或同一傳感器在不同時間、成像條件下對同一景物獲取的兩幅或多幅圖像在空間上對準(zhǔn)，或根據(jù)已知模式在另一幅圖像中尋找相應(yīng)的模式，這就叫做匹配。如果被搜索圖中有待尋的目標(biāo)，且同模板有一樣的尺寸和方向，在圖像匹配中使用相關(guān)匹配，就是通過相關(guān)函數(shù)找到它及其在被搜索圖中的位置。

3.1 相關(guān)算法

基于相關(guān)的目標(biāo)跟蹤尋找最佳匹配點，需要一個從以前圖像中得以的模板。在圖2中設(shè)模板T為一個M×M的參考圖像，搜索圖S為一個N×N圖像（MN），T在S上平移，模板下覆蓋的那塊搜索圖叫做子圖Si,j，（i,j）為子圖左上角點在S中的坐標(biāo)，叫參考點。比較T和Si,j的內(nèi)容。若兩者一致，則它們的差為0。用誤差的平方和作為它們相似程度的測度：

展開公式（2），則有：

公式（3）右邊的第三項表示模板的總能量，是一個常數(shù)。第一項是模板覆蓋下的子圖能量，隨（i,j）位置而緩慢改變。第二項是子圖和模板的互相關(guān)，隨（i,j）改變。當(dāng)模板和子圖匹配時刻值最大。因此可以用以下相關(guān)函數(shù)做相似性測度：

根據(jù)柯西-施瓦茲不等式可知公式（4）中0R（i,j）≤1，并且僅在Si,j(i,j)/[T(m,n)]為常數(shù)時，R(i,j)取最大值（等于1）。相關(guān)法求匹配計算量很大，如圖2所示的情況，要在（N-M+1）×（N-M+1）個參考位置上做相關(guān)計算，每次相關(guān)計算要做3M2次加法、3M2次乘法、1次除法、2次開方運算。由于乘除法運算量最大，整個算法的時間復(fù)雜度大約為o((N-M+1) ×2×(3M2+1))。整個運算過程中，除了匹配點一點以外，都是在非匹配點上做無用功。但是，模板匹配算法準(zhǔn)確度較高，適合對大量的連續(xù)視頻圖像做自動處理。

3.2 自適應(yīng)的相關(guān)匹配

在相關(guān)匹配過程中目標(biāo)的大小、形狀等或者連續(xù)幀中的原點位置發(fā)生變化，都會引起圖像相關(guān)偏離。一旦模板不能和目標(biāo)嚴(yán)格地匹配，那么最佳匹配點就不是目標(biāo)的中心。這會給相關(guān)算法造成誤差。雖然這個誤差是隨機的，但是它會隨著相關(guān)處理逐幀積累。如果積累了足夠的幀數(shù)，模板會完全偏離目標(biāo)。增大模板也會引入誤差。這是因為，當(dāng)模板大于目標(biāo)時，模板中將有部分背景信息。每幀中背景的變化，便引入了誤差。為了消除誤差，必須盡可能地減少模板中的背景信息。

為了解決以上問題，引入了自適應(yīng)的相關(guān)算法。首先在圖像的灰度直方圖中尋找一個閾值，使大多數(shù)的像素，特別是背景像素都在閾值之下。在圖像中定出模板的位置，尋找一個區(qū)域使其邊界的像素灰度從閾值之上變?yōu)殚撝抵?，作為目?biāo)的邊界，這樣，目標(biāo)的位置是目標(biāo)區(qū)域中的一個點，目標(biāo)被一個矩形窗口框住，可以認(rèn)為矩形的中心是目標(biāo)的中心。這樣，系統(tǒng)補償了逐幀匹配引起的偏離誤差，減小了誤差的積累。自適應(yīng)的窗口減小了引入過多背景元素而在相關(guān)過程中造成的影響。

3.3 減少運算量

在CCD誤差測量系統(tǒng)中，即使是事后處理，如果對每一幀圖像進行全圖搜索，其運算量仍然是巨大的。從前面的分析可知，運算量同搜索圖和模板的大小均有關(guān)系。在本系統(tǒng)中，模板的大小基本是固定的，在這種情況下，減小搜索力瓣大小就成為了如何減少運算量的關(guān)鍵。經(jīng)過對系統(tǒng)實際的圖像分析，發(fā)現(xiàn)連續(xù)的每一幀中同一目標(biāo)的位置改變緩慢。對算法進行改進，對于連續(xù)視頻圖像的第一幀做全圖搜索，找出匹配點；對于后續(xù)各帖，在前一幀圖像目標(biāo)位置的基礎(chǔ)上進行模板匹配，將當(dāng)前幀搜索圖定義為前一幀目標(biāo)位置周圍一個邊長為N的正方形區(qū)域（目標(biāo)位置不一定正方形的中心），在此較小的搜索圖中進行相關(guān)匹配。同時設(shè)定一個閾值R，如果相關(guān)系數(shù)量大值R（i,j）MAXR,那么認(rèn)為在該搜索圖中沒有找到目標(biāo)，則進行整幀圖像的搜索，否則接受匹配點為目標(biāo)位置。

CCD誤差測量系統(tǒng)跟蹤動態(tài)目標(biāo)，在對連續(xù)視頻圖像處理時，搜索圖的大小應(yīng)和運動速度有關(guān)。如果圖太小，有可能使目標(biāo)不在搜索圖內(nèi)，而必須進行全圖的匹配，如果圖較大，又會增加運算的開銷?？梢栽黾舆\動趨勢的估計，使搜索圖向運動趨勢的方向平移。對于當(dāng)前幀搜索圖區(qū)域的確定可以根據(jù)前兩幀位置間的關(guān)系來確定，求前兩幀位置水平和垂直坐標(biāo)的差Δx和Δy來決定偏移的方向。在有效的測量階段，目標(biāo)的運動基本是勻速的運行，在水平方向和垂直方向的速度變化不大。因此，搜索圖的平移量可以根據(jù)|Δx|、|Δy|來確定。在當(dāng)前幀中以前一幀的目標(biāo)位置為新搜索圖的中心，在各方向分別平移|Δx|、|Δy|個像素，得到當(dāng)前的搜索圖。

4 軟件實現(xiàn)和處理結(jié)果

由于軟件和系統(tǒng)硬件的關(guān)系緊密，數(shù)據(jù)處理量大，對系統(tǒng)的可靠性要求高，因此采用Visual C++編程實現(xiàn)。實驗中圖像為768×576的256級灰度圖，模板的大小為40×40，搜索圖的大小為80×80。圖3是實際測試時得到的圖像匹配后的搜索圖。圖中黑白相間的方框是匹配得到的目標(biāo)，圖中依次為模板、第4、46、74幀匹配的結(jié)果。黑白相間的方框十字中心是目標(biāo)中心。

對匹配的結(jié)果同圖像中目標(biāo)的實際位置進行比較得出：在連續(xù)的140幀圖像中，85%的結(jié)果和實際目標(biāo)位置誤差在10個像素以內(nèi)，只有兩次的誤差大于20個像素。這是由于圖像質(zhì)量誤差，幾乎無法檢測到目標(biāo)所致。沒有發(fā)生模板完全偏離目標(biāo)的情況。

經(jīng)過實驗證明，系統(tǒng)軟件運行可靠、效率高，跟蹤算法的準(zhǔn)確高，能在復(fù)雜背景下實現(xiàn)對目標(biāo)的準(zhǔn)確匹配。但是模板匹配算法運算量驚人，在應(yīng)用中選擇的模板通常為40×40像素，搜索圖為80×80像素，連續(xù)處理1000幀圖像，要進行8.07×10 9次乘除法運算。因此對于模板匹配算法有進一步改進的必要，可以引入SSDA（序貫相似性檢測算法）來提高算法的效率；對于背景比較簡單，信噪比高的圖像可以先二值化，再通過異或運算來進行匹配。這樣沒有了復(fù)雜的乘除運算，代之以異或和加法運算，可以進一步提高效率。