基于STC 目标跟踪的机器视觉测速算法

王 高，李仰军，郝争辉，张梅菊，黄漫国，梁晓波

（1.中北大学电子测试技术国家重点实验室，太原 030051；2.山西戴德测控技术有限公司，太原 030051；3.北京长城航空测控技术研究所，北京 100022；4.状态监测特种传感技术航空科技重点实验室，北京 100022）

0 引言

许多兵器设备需要在移动时测定其运动轨迹、速度等物理变量。许多速度测量装置需要使用专业的系统设备，如首先安装传感器，可利用测算移动目标经过传感器的时间差及传感器位置间的距离进行速度测量；也可利用光波、声波、电磁波等，通过多普勒频谱偏移或目标表面反射来进行时间差计算，结合距离测定得出目标速度［1-2］。利用上述测量方式需要提前安装专业的检测设备，且在安装、调试、测量时对环境条件要求较高。机器视觉利用CCD 相机以非接触方式采集目标信息。测试中需要良好的光照条件。为弥补目标反射弱的缺点，文中设计一种采用线状输出半导体激光器的机器视觉方案来对移动目标轨迹、速度进行测量的方法［3-4］。设备利用图像分割的方法找出图像中光带的位置，并且利用最小矩形的方式来确定目标。为保持对目标跟踪的精准度且减少背景融入目标检测区域，使STC（Spatio-Temporal Context Learning）算法进行跟踪时具有较好的针对性［5］，文中使用STC 与轮廓线匹配相结合方式来优化跟踪算法。将目标所在最小矩形的位置用目标跟踪算法进行跟踪，并绘制目标移动的轨迹，通过视觉标定的方法可得出设备移动的实际距离并计算平均速度。

1 测量原理

图1 测量原理图

采集装置由反光带，工业相机及半导体激光器构成。首先将反光带置于测量的目标表面，调整半导体激光器使输出激光投射到反光带上，同时使用工业相机采集运动目标反光带所呈图像。原理如图1，将反光带固定于移动目标表面，激光器固定于反光带平行的斜上方。利用反光带反射激光条纹的原理，在反射方向安装采集相机。采集图像后，通过计算反光带条纹的椭圆参数来调整相机角度，使其所拍摄的条纹在图像中成水平方向。当反光带在图像中不处于水平方向时，会导致所选取目标区域内背景信息较大，使用算法跟踪时容易丢失目标，故采用区域椭圆计算旋转角，该方法能够实现目标平均速度像素级精确测量。

2 区域椭圆参数

图像的代数矩是:

本文在上述基础上根据所确定的夹角θ，以及区域重心（m1，0，m0，1）来进行相机角度的调整。

图2 区域椭圆原理图

根据所检测出的区域外接最小矩形的椭圆参数如图2，所求出的夹角θ 为相机所需调整的度数。

图3 矫正前后对比

3 时空上下文追踪法

时空上下文跟踪方法同时使用时间上递推关系和目标周围空间信息，故称为时空上下文跟踪方法［6-7］。此方法中跟踪目标区域使用贝叶斯概率模型进行建模，结合时空建模获取下一帧图像中跟踪目标区域周围的置信图，该图内最大值的位置就是目标最可能在下一帧中出现的位置。传统方法只利用时间上的信息，用已知的t 帧去计算t+1 帧，而对于空间上的信息却没有很好地加以利用，时空上下文方法结合时间与空间信息，获得了很好的效果。

该算法将跟踪问题看作是估计目标在采样区域内各个位置出现的概率问题，如果在这个位置出现的概率最大，那么这个位置就是新一帧的目标位置。所以，只需要把目标在各个位置出现的概率给算出来，该公式如下:

3.1 建立空间上下文模型

根据目标位置与周围区域空间上下文间的关系，将式（8）中定义为下式:

由式（10）可知，该式考虑到了目标与其空间上下文间存在关系问题。所以，就算是出现了两个或者两个以上的外观相似并且绝对距离还相等的可疑目标，这个模型仍然可以分辨出实际的跟踪目标。

3.2 建立上下文先验模型

为了能够更简单，式（11）用图像的加权灰度来描述上下文先验模型，如下所示:

式中，a 为高斯函数的归一化常量，设置常量目的是保证函数符合概率定义，也就是把概率p（c（z）|o）的值限制在［0，1］的区间之内，σ 是一个跟尺度相关的参数。

3.3 求解置信图

置信图用于计算目标在整个图像区域内各个位置所出现的概率，可以表示为下式:

其中，同样的b 也是归一化常量，而α 是尺度参数，β 为和模型形状相关的参数。

通过置信图函数与上下文先验模型，得到空间上下文模型。将式（9）、式（11）和式（13）代入式（8）中，得到下式:

由于卷积计算量过大，导致算法时间较长，为了满足从视频中快速提取前景目标，利用快速傅里叶变换算法将时域卷积操作转换到频域进行乘积，所以空间上下文模型也可为如下形式:

F 与F-1表示傅里叶变换及其逆变换。

为优化STC 跟踪算法对目标进行跟踪的有效性，文中使用基于轮廓线匹配的STC 尺度自适应跟踪算法。首先对视频图像中相邻2 帧输出窗口中目标提取轮廓线，且对2 帧中提取的轮廓线匹配。依据相邻2 帧中目标尺度变化，计算得出后一帧中跟踪目标窗口变化。

根据图像特点，使用最大类间方差法对目标分割提取。对整幅图像上灰度值进行统计，使得分割后图像的前景与背景之间方差达到最大［8］。通过上述方法提取两幅图中目标区域，并利用轮廓线匹配的方式选取目标。

Hu 矩是由二、三阶中心矩线性组合构成7 个不变矩，并且有旋转、平移及缩放不变性，因此，也被称作Hu 不变矩［9-10］。Hu 矩能够对目标全局特征全面反映，文中采用其对目标轮廓形状进行描述。

式中，A，B 分别为两个轮廓线，

上式中I（A，B）接近于1 时两轮廓之间相似度较高［11-12］。

图4 轮廓线匹配结果

如图4 所示，对相邻两帧中目标轮廓进行相似度检测，其相似度为98.8%。

3.4 尺度自适应调整

在同一视频中相邻2 帧中目标尺度通常变化不大，所以对视频中第t 帧跟踪目标窗口大小调整，可将t-1 帧的窗口作为基准进行调节。在t-1 帧和t帧图像进行目标轮廓匹配，然后根据轮廓外接矩形变化，在第t 帧调整跟踪目标位置和窗口尺度，最后得到t 帧中目标窗口的位置及尺度大小。

首先对t-1 帧和t 帧中上下文区域进行目标轮廓计算，并进行轮廓匹配。得到目标轮廓的外接矩形Outert-1，Outert。依据相邻2 帧目标外接矩形尺度变化计算在前后2 帧中横、纵坐标的偏移量dx，dy。相邻2 帧的尺度变化为:

其中，Areat，Areat-1分别为t-1 帧和t 帧中图像目标轮廓面积。依据如下式规律调整当前帧中目标窗口:

图5 跟踪效果

从图5 跟踪效果来看，STC 算法在跟踪过程有时会出现跟踪区域与目标尺度相差较大的情况。而本文算法在跟踪的同时增加轮廓线匹配方式，有效避免这种情况。

4 速度与误差模型

4.1 速度模型

目标速度可由随时间变化所产生位移变化的比值得到:

在视频中，ΔT 时间可由视频帧率计算得到。本文中ΔS 由目标跟踪算法计算得出，文中采用相邻5帧目标跟踪位置之差进行计算ΔS。

4.2 误差分析

根据帧频可得出时间:

则υn的误差为:

1）反光带长度测量误差，主要是由于手动测量产生的随机误差。多次测量求取平均值来降低反光带长度测量所产生误差。

2）环境误差是由外界干扰因素对相机采集时所产生的影响。采集过程中光线变化会影响图像的清晰程度，可通过在采集过程设置自动平衡来减小影响。

3）图像处理误差，是由初始目标位置设置、相机调整度数设置、图像噪声等因素造成。图像噪声可依据图像采集过程中选择合适滤波器得到改善。目标位置与相机调整度数设置问题可进行多次计算减少误差。

5 实验分析

实验中使用高速相机进行采集。采集得到的图像大小为520 像素×144 像素。测量得到反光带长度为4.5 cm，相邻两张图像间时差为1 ms。通过相机采集700 张左右的图像，提取得到该平台的相对位移及速度如图6、图7 所示。

从图6、图7 目标运动中相对位置、速度变化趋势，可得出STC 跟踪算法在测量目标位移时，由于跟踪目标尺度偏差使得所测量出的相对位移、速度出现误差。当0～180 ms 与380 ms～700 ms 目标处于静止状态时，出现位移、速度误差。而在改进STC 算法中目标跟踪效果较好，可准确测量运动目标相对位移、速度。

图6 相对位置变化

图7 相对速度变化

根据式（20），对目标在该段时间的速度进行测量。图8 为分割后的反光带，根据反光带的实际长度可换算出像素所代表的实际距离。根据实际反光带长度与图像中反光带长度比例得到物体的实际速度如下:

图8 目标实际速度变化

依据文中实验结果计算误差，l=0.045 m，ΔTn=0.025s，则δl=0.000 1 m=0.001 s，进行估计，得到δυn=0.004 4 m/s。

6 结论

本文提出一种利用反光带与激光器测量速度的方法，利用区域椭圆参数对采集相机进行角度调整计算。然后对目标进行跟踪得到相对位置变化并利用相机帧频来进行时间测定，进而得到目标相对位移、速度的变化。为适应图像中反光带尺度变化，且保持跟踪算法精准度，减少背景融入目标检测区域。使用轮廓线匹配方法对跟踪目标尺度调整。最后利用反光带的长度或宽度与图像中目标的标定比例关系来换算为实际速度。

在实际使用过程中，可根据测量需求选取反光带大小，并且调节拍摄距离。当测量目标运动方向不是直线时，调节目标在图像中的大小后可直接利用跟踪算法来进行测速。