（信号与信息处理专业论文）基于dsp的多目标跟踪系统算法研究.pdf

重庆大学硕士学位论文中文摘要 摘要 运动多目标的检测、识别与跟踪在工业应用、导航特别是武器制导等军事领 域得到了广泛的应用。论文从算法和实验的角度，对多目标检测、识别与跟踪技 术及其实时处理方法进行了研究，在满足实时性要求的前提下，克服环境影响和 噪声干扰，实现了多目标的连续、稳定的跟踪。 整个系统分为多目标捕获和多目标跟踪两大阶段。多目标捕获阶段又分为多 目标搜索和多目标检测两个部分。多目标搜索阶段的操作主要是去除背景。本文 结合帧差法和多帧累积法的思想，采用了基于自适应背景相减的改进的差异累积 图像法，搜索到所有运动对象及其大致位置。在多目标检测阶段采用由粗到精两 步检测法，先用图像标识法粗检测出运动目标，再采用一维最大类间方差图像分 割法结合改进的区域生长法精确检测出真目标。 在多目标跟踪阶段，跟踪策略采用自适应多波门跟踪法，每个目标对应一个 波门进行自适应跟踪，多个波门之间采用优先级策略进行控制。目标跟踪的算法 主要采用预测算法，对目标的轨迹、速度，以及波门的位置进行预测。本文通过 对线性逼近、标准g a l m a n 滤波和s a g e h u s a 自适应滤波三种预测方法进行m a t l a b 仿 真比较，根据现场环境和系统实时性分析了最佳算法的选取原则。跟踪过程中， 还对目标被遮挡、目标丢失、出现新目标等特殊情况进行了较好地应对。 在多目标捕获和跟踪过程中，目标识别技术是非常重要的。本文采用计算目 标特征信息和模板匹配的方法，设置一定条件实时更新特征信息和模板，实现了 对目标的自适应判决识别。整个软件系统中采用链表+ 目标特征信息结构体的思 想进行编程，有效地解决了目标多，信息杂，难以查找和管理的问题。 本文的跟踪算法成功地在p c 机上和基于d s p 的多目标跟踪系统上得到了验 证。验证结果表明，在一定误差范围内，系统可以准确捕获到多目标；在目标运 动的一定速度范围内，可以实时地连续跟踪各个目标。证明这一系列算法具有较 高的可行性。 关键词：d s p ，多目标捕获，多目标跟踪，轨迹预测，多目标识别 重庆大学硕士学位论文 英文摘要 a b s t r a c t m u l t i t a r g e tr e c o g n i z i n ga n dt r a c k i n gt e c h n i q u ei sw i d e l ya p p l i e dt om i l i t a r yf i e l d s u c ha si n d u s t r i e s ，n a v i g a t i o n ，e s p e c i a l l yw e a p o nc o n t r o la n dg u i d i n gs y s t e m t h i st h e s i s s t u d i e dt h ea l g o r i t h mo fm u l t i - t a r g e tr e c o g n i z i n g , t r a c k i n gt e c h n i q u ea n dh a sg u tt h e e x p e r i m e n t a lr e s u l t o nt h ep r e m i s eo f m e e t i n gt h er e q u i r e m e n to f r e a l t i m ep r o c e s s i n g , t h i ss y s t e mc o n q u e r se n v i r o n m e n ta n dn o i s ei n t e r f e r e n c e , a n dc a nt r a c kt h eg i v e n t a r g e t sc o n t i n u o u s l ya n ds t e a d i l y t h ew h o l es y s t e mi sc l a s s i f i e di n t ot w os t a g e s ：m u l t i t a r g e t c a p t u r ea n d m u l t i t a r g e tt r a c k i n g m u l t i - t a r g e tc a p t u r ei sa l s oc l a s s i f i e di n t ot w op a r t s ：m u l t i t a r g e t s e a r c ha n dm u l t i t a r g e td e t e c t t h e 却饼桶o ft h ef i r s tp a r ti st or e m o v eq u i e s c e n t b a c k g r o u n d f r o mt h e i m a g e t h i s t h e s i sc o m b i n e s f l a m e - d i f f e r e n c ea n d f l a m e - a c c u m u l a t i o n , a d o p t sam e t h o dn a m e di m p r o v e da c c u m u l a t i v ed i f f e r e n c ei m a g e ( a d db a s i so fa d a p t i v eq u i e s c e n ts u b s t r a c t i o n , a n ds c a n sa l lt h em o b i l eo b j e c t s i nt h e s e c o n dp a r t , i tp r o v i d e dat w o - s t e pd e t e c t i n gm e t h o d ：f r o mr o u g h n e s st op r e c i s i o n f i r s t i tf i n d sr o u g h l ya l lt h ep o s s i b l em o b i l et a r g e t s p l a c e sw i mi m a g em a r ka l g o r i t h m t h e n i tu s e so n e - d i m e a s i o n a lm a x i m a lb e t w e e n - c l a s sv a r i a n c ei m a g es e g m e n t a t i o na s s o c i a t e d w i t hr e g i o ng r o w i n g a l g o r i t h mt of i n dt h e i ra c c u r a t el o c a t i o n s i nt h e s t a g eo fm u l t i t a r g e tt r a c k i n g , t h es l r a t e g yo fm u l t i - t a r g e tt r a c k i n gi s a d a p t i v em u l t i d i g i t a l t r a c k i n gw i n d o wu a c k i n g e a c ht a r g e ti sa d a p t i v e l yt r a c k e db ya d i g i t a lw i n d o w a l lt h ew i n d o w sa r ec o n t r o l l e d w i t hp r is t r a t e g y t h et r a c k i n g a l g o r i t h mi sp r e d i c t i o n ，i tp r e d i c t so b j e c t s t r a i l ，s p e e da n dt h ew i n d o w sl o e a t i o nw i m p r e d i c t i o na l g o r i t h m t h et h e s i ss i m u l a t e sa n dc o m p a r e st h r e ea l g o f i t i n n sw i t hm a t l a b ： l i n e a ra p p r o x i m a t i o n , s t a n d a r dk a l m a nf i l t e ra n ds a g e - h u s aa d a p t i v ef i l t e r , a n a l y s e s t h ep r i n c i p l eo fs e l e c t i n go p t i m u ma l g o r i t h ma c c o r d i n gt oe n v i r o n m e n ta n ds y s t e mr e a l t i m e t h i st h e s i s sa l g o r i t h m sh a v ea l s od e a l tw i t hs o m es p e c i a li n s t a n c e ss u c ha ss o m e o b j e e t sa r eb i d e d ，l o s t , n e wo b j e c ta p p e a r sa n ds oo n i nm u l t i t a r g e tc a p t u r ea n dt r a c k i n gp r o c e s s ，t a r g e tr e c o g n i t i o ni sn e c e s s a r y t h i s t h e s i sl l s 韶o b j e c t sf e a t u r ei n f o r m a t i o nm a t c h i n ga n dt e m p l a t em a t c h i n gm e t h o d , r e a l t i m eu p d a t ef e s t u r ei n f o r m a t i o na n dt e m p l a t ea c c o r d i n gt ot h et h r e s h o l ds e t i tc a n r e c o g n i z et a r g e t so fe a c hw o r k i n gs t a t ea d a p t i v e l y t h es o f t w a r es y s t e mu s el i n k e dl i s t c o m b i n e dw i t hs t r u c t u r eo fo b j e c tf e a t u r ei n f o r m a t i o nt op r o g r a m , e f f e c t i v e l yr e s o l v e d t h e s ep r o b l e m ss u c ha sm a n yo b j e c t s ，m i x e di n f o r m a t i o n , d i f f i c u l tl o o k i n gu pa n d i i 重庆大学硕士学位论文 英文摘要 m a n a g i n g t h i st h e s i ss u c c e s s f u l l yv a l i d a t e dm u l t i - t a r g e tr e c o g n i z i n ga n dt r a c k i n ga l g o r i t h m i nt h ec o m p u t e ra n dd s ps y s t e m t h er e s u l ti n d i c a t e s t h a tt h es y s t e mc a ne x a c t l y c a p t u r em a n yo b j e c t sw i t h i nac e r t a i nr a n g eo fe r r o r ；a n dc a nc o n t i n u o u s l yt r a c tt h e m w i t h i nac e r t a i nr a n g eo f o b j e c t s s p e e d rp r o v e st h a tt h e s ea l g o r i t h m sh a v ef e a s i b i l i t y d s p ，m u l t i t a r g e tc a p t u r e ，m u l t i t a r g e tt a r g e t i n g ，t r a c kf o r e c a s t ， m u l t i - t a r g e tr e c o g n i t i o n i n 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重庆态堂 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：签字日期：嗣年月f 日 学位论文版权使用授权书 本学位论文作者完全了解重废太堂有关保留、使用学位论文的 规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权重庞太堂可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 保密() ，在年解密后适用本授权书。 本学位论文属于 不保密() 。 ( 请只在上述一个括号内打“4 ”) 学位论文作者签名：季秘讶导师签名： 签字日期：们年6 月j 目 纭俸 l 签字日期叫年月与日 重庆大学硕士学位论文 l 绪论 1 绪论 1 1 课题研究背景及意义 多目标检测、识别和跟踪技术无论在军事领域还是在民用领域均有广泛的应 用。它可以用于空中超视距多目标探测、跟踪与攻击，空中交通管制、空中导弹 防御，海洋监视，港口监视，卫星监控系统和机器视觉等。近些年来，频繁的局 部战争中，以美国为首的多国部队使用的先进机载火控系统、空中预警系统和地 面“爱国者”防空导弹系统等武器装备就是多目标跟踪技术综合应用的典型例证。 多目标跟踪系统的技术研究至今已有四十多年的历史，正在逐步发展成熟。 多目标识别的基本概念首先w a x 1 】在1 9 5 5 年提出。1 9 6 4 年s i t t l e r l 2 在包括数据关 联等内容的多目标识别理论方面取得了开创性的突破。7 0 年代初期，多目标识别 理论引起人们的极大兴趣。之后， b a r - s h a l o m 3 】和s 抽g 一4 1 所进行的工作开始了 现代多目标识别技术的进一步发展，其主要标志是数据关联技术与滤波理论的有 机结合。在过去2 0 多年中，多目标跟踪的理论和方法已获得很大发展，并已成为 当今国际上十分活跃的热门研究领域之一。 目前，随着图像处理技术以及一些相关领域( 人工智能、模式识别等) 的发展， 进步推动了多目标识别和跟踪技术的发展。利用先进的数字图像处理技术去除 许多自然及人为的干扰，加上预测等技术配合使用，可以实现记忆跟踪以及对瞬 间丢失的目标再捕获。这种方法已经大量运用在军事上的火控、导航、特别是制 导方面，一些发达国家已将它列为发展高新技术研究的重点课题。在系统硬件方 面，由于高速数字信号处理器d s p 的开发，给多目标的跟踪和识别技术提供了更合 适的开发平台，促进了图像处理系统向高速、可靠、灵活和小型化更高要求的发 展，研究基于d s p 的多目标跟踪系统也越来越受到关注。 多目标的检测和跟踪这一课题还存在着巨大的挑战。首先，它的发展历史较 短而且内容又涉及到图像处理、模式识别和人工智能等多个新兴学科，其理论还 很不完善，一些重要的问题尚未解决，新的方法和技巧还有待开发。其次，多目 标跟踪系统中的目标跟踪与识别技术最为复杂，设计多个技术领域，包括跟踪门f 关 联区域) 的形成、对跟踪目标的滤波和预测算法、跟踪起始与跟踪终结等。而且在 实际应用中，还存在许多不可预知的环境条件( 光照、气候、能见度等) 的影响，目 标的强机动性，强杂波、低信噪比、低检测概率及高虚警率等特性，都是比较棘 手的问题。所以目前在算法方面的研究还存在很大的局限性，也提出了更高的要 求。综上所述，在d s p 基础上进行运动多目标的检测与跟踪的研究，尤其是在恶劣 环境下如何保证算法的稳定性，无疑是一项既有理论意义又有实用价值的课题。 重庆大学硕士学位论文 1 绪论 1 2 国内外现状综述 目标检测是目标捕获过程中的重要技术。其含义就是实时地从被监视的场景 中检测运动目标并将其提取出来。运动目标检测算法依照场景与摄像头之间是否 存在相对运动分为静止背景下和运动背景下运动目标的检测两大类。 目前，针对背景图像静止不动的情况，所提出的运动目标检测算法主要基于 以下三个思想：第一是基于帧间差异的算法【5 】，通过计算图像序列两帧之间的差异， 分割并提取出目标；第二类是基于背景估计图像与当前帧图像差异的算法【卅，由 选定的多帧图像确定背景帧，用当前帧与背景之间的差异得到运动目标；第三类 是基于背景统计模型的算法【s 捌，该类算法在处理场景中存在不断晃动的物体时有 一定优势。目前虽然存在着各种各样的算法，但每个算法多是针对某一特定的场 合提出的，并且许多算法仍有许多值得改进的地方，如有的算法在精确地检测和 提取运动目标的轮廓方面，有的算法在计算量等方面仍值得改进。 当背景图像运动时，许多视频分割的算法可以直接应用到运动背景的视频监 视中。直接利用视频分割的算法进行运动目标检测，往往存在着计算量较大的问 题【l 。由于视频监视的场景图像序列有着自身的许多特点，所以如何很好的利用 这些特点的算法是值得研究的，目前也提出了许多针对运动背景视频监视的算法。 目标捕获成功以后就要进行跟踪。运动目标的跟踪就是在一段序列图像中的 每幅图像中找到所感兴趣的运动目标所处的位置。它的作用非常重要，它不但可 以提供被监视目标的运动轨迹，也为场景中运动目标的运动分析、场景分析提供 了可靠的数据来源，同时运动目标的跟踪信息也为运动目标的正确检测以及运动 目标的识别提供了帮助。 目前己经提出了许多目标跟踪的算法【1 1 1 。从算法分类上有波门视频跟踪算法 和相关跟踪算法。前者又可分为形心跟踪算法、边缘跟踪算法、双边缘跟踪算法 和区域平衡法等。近期又提出了新的多模跟踪算法，它将形心、边缘检测、相关、 运动检测、惯性杂波补偿等合并在一起。每种模式在一定条件下可以很好地跟踪， 而在特定条件下则趋于失败，当发现一种跟踪算法的跟踪置信度较低时，可以换 用置信度较高的另一种算法进行跟踪。 这些算法有的是针对刚性目标的跟踪；有的是针对t i ! i i u 体运动目标的跟踪； 有的针对提高跟踪匹配的准确性而提出的，其主要的特点是通过选取好的跟踪特 征来提高目标的搜索匹配速度和匹配的正确程度：有的算法是针对缩小目标搜索 范围提出的，其主要特点是通过某种方法预测目标下一时刻可能出现的位置，通 过缩小目标的搜索范围来缩短目标搜索时间。目标跟踪的困难主要在于：目标的 三维运动以及还可能伴随着的形变。对于刚体目标的跟踪来说，其主要内容包括 选取和提取适合跟踪的目标特征，解决目标三维运动给目标匹配带来的困难，另 2 重庆大学硕士学位论文l 绪论 外一方面是设计快速有效的目标搜索算法。 目标的识别方法在目标捕获和跟踪阶段都是必须要用到的。根据所要识别的 目标尺寸可分为大目标识别和点目标识别。大目标识别的方法有基于区域的模板 匹配、基于特征点的特征匹配法以及与特征变化域匹配的识别方法。点目标是指 目标在成像平面上仅为像素级或亚像素级，没有一定的几何外形，不能根据其纹 理、边缘等信息进行识别。单帧图像的信噪比往往不能满足所要求的虚警概率和 发现概率，因而基于积累检测原理利用图像序列来提高信噪比成为低信噪比小目 标检测的基本途径，其识别的难度要比前者大得多，同时也是识别跟踪研究的热 点。其主要的识别方法有投影法和非投影法。 根据国外有关工作估计，对于2 5 6 2 5 6 的图像和具有边缘跟踪与多目标处理能 力的跟踪系统，要求处理速度达到5 亿次每秒。要达到这样高的速度要求，在改进 各种图像处理算法的同时，一种途径是发展高速的集成电路芯片，另一种途径是 采用并行处理技术。d s p 正是一种适应于图像和信号处理的高速数字芯片。为了适 应数字信号处理的需要，d s p 采用哈佛结构，程序采用流水技术并设置了硬件乘法 累加器，能在单个指令周期内完成各种运算，当前d s p 已达到每秒千万次乃至数 亿次浮点运算的速度，并且已经在多种领域内得到应用。目前最新一代高性能d s p 芯片t m s 3 2 0 c 6 0 0 0 ，不但拥有强大的数字信号处理能力而且与其配套的集成可视 化开发环境c c s ，更是使d s p 应用程序的开发如虎添翼。尤其是c 6 4 x x 内核，其主 频为1 1 g h z ，处理速度达到9 0 0 0 m 口s ，在数字图像处理和流媒体应用领域得到了 广泛应用。因此，将d s p 应用于目标跟踪系统中也必然符合数字化发展的趋势。 1 3 论文主要内容安排 本课题主要研究内容是根据目前目标跟踪系统尤其是多目标跟踪系统的技术 水平和发展现状，用图像处理的方法结合模式识别技术，进行多目标跟踪系统的 多目标捕获和跟踪算法设计，使系统能够对运动的多个目标进行精确的检测和识 别，进而实现对其连续、稳定的跟踪。要求所设计的算法有一定的健壮性，使系 统在达到一定的实时性和跟踪精度的同时，有较强的抗复杂背景工作能力。 本文共分为7 章。第一章，绪论；第二章，对多目标跟踪系统的总体算法设计 方案以及各阶段的算法流程进行了全面的介绍；第三章，详细介绍多目标在捕获 阶段的算法；第四章，详细说明多目标在跟踪阶段的算法设计；第五章，将多目 标捕获和跟踪过程中的目标识别技术进行单独的详细讲述；第六章，介绍基于d s p 的整个多目标跟踪系统；第七章，结论。总结了本文算法的可取之处和不足，指 出了进一步优化的可行途径。 3 重庆大学硕士学位论文 3 运动多目标的跟踪 2 多目标跟踪系统算法的总体设计方案 2 1 系统总体算法设计思路 2 1 1 多目标图像特征及系统工作状态 本课题所研究的对象是由c c d 摄像机实时采集的2 5 6 色灰度图像序列，图像序 列中存在多个运动目标，距离在5 0 0 5 0 0 0 米的范围内，目标在图像上的成像面积 大小在1 0 x 1 0 像素至l j 9 0 x 1 0 像素之间，目标成像区域具有一定的几何形状特征和灰 度特征。目标自身一直处于高速运动状态，使得该目标的成像主要包含高频分量。 目标的运动轨迹是连续的，即相邻两帧的目标形心之间的距离不会太大，虽然有 多个目标，但是每个目标的运动轨迹有着相似的运动规律。目标在运动过程中成 像大小、形状会发生变化。 序列图像的背景因摄像机跟踪目标运动而产生变化，但相对于视场中目标的 移动，背景点像素的变化是较缓慢的。图像背景较为复杂，可能存在各种干扰因 素，目标在运动过程中可能会被遮挡。通常情况下，目标内部灰度变化均匀。在 目标与背景之间存在灰度跃变；背景可能是均匀的，也可能是非均匀的。另外， 由于受微光c c d 摄像机成像及各种干扰的影响，图像中含有噪声。总之，复杂的 背景、强噪声的环境、低对比度以及目标和背景都在运动等情况，给目标检测、 识别等操作带来一定的困难。 鉴于以上的特征分析，本文的多目标跟踪系统分为两个大的阶段：多目标捕 获阶段和多目标跟踪阶段： 多目标捕获阶段：又分为多目标搜索和多目标检测两个阶段。多目标搜索 阶段的主要操作是去除背景，找到所有运动对象的位置；多目标检测阶段的操作 则是正确找出系统需要跟踪的运动目标，最后成功捕获到目标。 多目标跟踪阶段：主要进行目标的轨迹预测，并用多个波门自适应跟踪目 标的操作，同时对一些跟踪过程中的特殊情况进行处理。例如，目标有时被背景 挡住，或者在跟踪过程中阻挡物消失后目标重新出现，以及有新目标增加等情况。 由于目标的运动加上环境变化的影响，输入的序列图像是时变的，多个目标 本身各有不同，也在不断变化，而且还有可能随时消失或突然出现，所以两个阶 段中都要运用到的关键技术就是目标的识别。它需要根据有限的条件从实时图像 中准确地提取出目标信息，并随时将每个目标的信息存储和更新。为了方便存储 和管理多个目标的信息，我们采用了链表管理的方式，目标特征信息用结构体来 表示，每个目标信息结构体都是链表上的一个节点。链表的思想贯穿整个程序， 是该多目标软件系统设计的主要特点。 4 重庆大学硕士学位论文3 运动多目标的跟踪 2 1 2 系统总体算法策略及流程 系统总体算法的流程如图2 1 所示： 图2 1 系统整体算法流程图 f i g2 1a l g o r i t h m sf l o wo f t h ew h o l es y s t e m 多目标捕获阶段 首先就要对输入的图像进行预处理，如滤波等去除噪声的操作。然后进入多 目标搜索阶段。由于目标是多个，所以一开始就必须对视频序列进行全视场的搜 索，去除背景，得到所有的运动对象及其位置。搜索成功后进入多目标检测阶段， 主要是通过图像分割方法检测目标。多目标检测分为由粗到精的两步。粗检测去 5 重庆大学硕士学位论文 3 运动多目标的跟踪 除非目标的运动对象，得到运动目标，并将其存入一个链表中，称为多目标位置 链表。运动目标中可能包含有不属于系统需要跟踪的目标，这就需要在进一步精 检测中将它们去除，只留下应该跟踪的目标。检测到了目标以后就自动生成波门， 并提取目标特征信息，也将其存入另一个链表，称为多目标特征信息链表。只有 成功地完成了搜索和检测这两个部分，多目标的捕获才算成功。在多目标捕获过 程中，为了减小背景的干扰和降低复杂性，摄像机是不转动的，即背景保持不变， 进入跟踪阶段以后才根据通信数据调整量而作相应转动，这对于搜索过程中的背 景去除是有利的。 多目标跟踪阶段 捕获多目标成功以后，就转入多目标跟踪阶段。该阶段需要运用预测跟踪技 术对目标可能存在的位置和区域进行预测，在此基础上用多个波门对目标进行自 适应跟踪。该方法可以减小搜索范围，提高系统实时性。在跟踪过程中要实时计 算各个目标的信息和云台调整量，然后通过网络通信将数据发送给电机控制云台 转动，使目标始终处于视场的中心位置。当遇到运动目标丢失或突然出现的现象 时，由于目标运动的规律性使得它们的位置和方向仍然是可以预测的，因此可以 对其进行再捕获，称为“短暂性丢失目标的重新捕获”。但是如果丢失次数达到 一定数量仍未捕获到，我们就认为它无法再进行跟踪了，这时就需转入进行多目 标捕获阶段，从头开始重新搜索。 2 2 多目标跟踪系统中的关键算法 多目标跟踪系统与一般的单个目标跟踪系统是不一样的。它由于具有多个 目标，也就相应的具有了很多目标捕获和跟踪的特殊情况。关键是能够比较精确 地识别各个目标，具有高的实时性和稳健性，否则就会产生目标长期丢失，无法 捕获，应对背景变化能力差等后果。为了提高这方面的性能，本论文中的算法采 取了如下的有效策略： 2 2 1 目标检测阶段的两步法 在背景静止阶段去除背景，用差异累积图像法将所有运动对象的初始位置搜 索到以后，为了保证目标的精确捕获，本算法中采用了两步检测的策略。第一步， 所有运动目标及其位置的粗检测，找到所有可能的目标区域，划出波门；第二步， 目标位置的精确检测。采用适当的图像分割算法在粗检测找到的目标可能存在区 域分割图像，把系统应该跟踪的真正目标完整地、精确地检测出来。 2 2 2 基于特征信息和模板匹配的多目标识别法 由于跟踪环境复杂，系统在跟踪目标过程中，可能受到各种背景噪声的干扰， 还有云层或其它物体的遮掩。这时图形中可能出现很多伪目标，真目标可能严重 6 重庆大学硕士学位论文 3 运动多目标的跟踪 变形，甚至完全消失，因此，确定目标信息的可靠性是非常必要的。本文利用各 个目标的特征参数建立特征结构体，在目标识别过程中进行不断更新，并判断： 如果当前帧所得参数与前一帧参数的差异在允许范围内，便认为跟踪正常；如果 前后差异很大，就意味着目标很可能受到严重干扰或部分遮掩，甚至前后跟踪的 不是同一个目标。除此之外，还采用模板匹配的方法对丢失后重新捕获的目标进 行判断，进一步提高了识别精确度。 2 2 3 自适应多波门跟踪法 波门是实际的图像处理窗，它小于视场，可在视场内搜索目标并一直套住目 标，使目标不受波i - j # t 的背景和噪声干扰的影响。因为整个视场的图像数据量大， 难以实时处理整幅图像，可借助波门控制所要处理的图像大小，仅对感兴趣的局 部图像进行实时处理。由于目标在运动过程中距摄像机的距离时刻变化，目标图 像的大小也随之变化，同时目标图像会在视场内的垂直方向或水平方向产生位移， 为了一直套住目标图像不致丢失，波门尺寸必须随目标大小自适应调节，以保证 在满足精度的前提下尽量减少计算量，同时增强系统的抗干扰能力，因此本系统 采用了自适应多波门跟踪方式。 在本算法中，在正常跟踪状态下，波门大小设置为目标切线框向外扩展5 个像 素大小的区域，并不断预测波门的位置，使波门随着目标的移动而移动。如果此 时目标出现暂时丢失状态，就要自适应地调整跟踪波门。丢失次数一直处于记录 当中，并根据不同范围的丢失次数相应地扩大波门，直到重新捕获到目标为止。 这一段过程都是属于小视场跟踪阶段。当系统超过丢失次数上限后仍未找到目标， 则切换至多目标捕获状态，重新进行大视场的搜索 2 2 4 链表+ 数据结构思想编程 多目标跟踪系统的关键是如何同时对多个目标进行管理。每个目标都具有各 自的特征信息，由不同的参数组成，因此可以组成目标特征信息结构体进行管理。 结构体可以将不同类型的数据组合成一个有机的整体，方便引用。多个目标就有 多个结构体变量，需要对它们进行有机管理。如果用数组，需要占用连续的存储 空间，常常造成不必要的浪费，而且数据移动和添加费时费力。相对于数组而言， 链表是一种动态存储分配的数据结构，可以根据需要开辟内存单元。结构体变量 作为链表中的结点是非常合适的，它们结合起来就组成了多目标链。相应的链表 操作如：遍历链表、查找结点、插入结点、删除结点、释放链表空间等都很适合 多目标操作。通过链表可以非常方便地找到每一个目标的信息，可以动态添加新 目标信息，删除丢失的目标信息，而且节约内存。因此，选择用链表+ 结构体的 思想进行软件的编写，既符合多目标系统的特点，又大大简化了程序的复杂度。 7 重庆大学硕士学位论文3 运动多目标的跟踪 2 3 不同阶段的算法及流程 2 3 1 捕获阶段的算法及流程 多目标捕获阶段又可分为两个阶段进行，算法流程如图2 2 所示 i 图像输入l l 中值滤波i 。 多 a d i 法去除背景 髹上 搜 生成搜索图 硅i 聚 上 面翕紊 n l 、 t a r g e t g a t e 。置信度和两个门限 值的比较将产生三种情况进行处理。 a 当置信度 t a r g e t g a t e ：认为目标短暂性丢失，丢失次数l o s t h l l ，转入短暂性 丢失目标重新捕获部分进行处理； b 当t a r g e t g a t e l ，对“j ，) 的所有a d i 值定义为： 引w ，= 浇k - i ( 1 = m l 儿”p r 劲 4 i 。y 2 j ，)其它 【j 矽 p i ( x ，y ) ：p k - i ( x , y ) + 1 足。，j ，一，。，t ( 3 3 ) 。7 21 p k - i ( x , y ) 其它 u j j n k ( x , y ) = 熙= “警卜九以n 堋。r 21 卜m 川 其它 p 川 这里a k ( x ，) ，最任，j ，) ，l v k ( x ，y ) 分别为遇到图像序列中的第k 幅图像后的绝对 a d i ，正a d i 和负a d i 。 图3 2 显示了上述三幅a d i 图像，图中为一矩形物体，向东南方向运动。 ( a ) 绝对a d i彻i e a d i( c ) 负a d i ( a ) a b s o l u t e a d i( b ) p o s i t i v e a d i( c ) n e g a t i v e a d i 图3 2 向东南方移动的矩形目标的a d i f i g3 2r e c t a n g l eo b j e c tm o v e dt