基于粒子滤波的视频图像目标遮挡算法研究

王中杰，张志恒

(山西大学 电子信息工程系，山西 太原 030013)



基于粒子滤波的视频图像目标遮挡算法研究

王中杰，张志恒

(山西大学 电子信息工程系，山西 太原 030013)

基于粒子滤波的视频图像目标遮挡算法是当前的一个热门研究领域。在对于视频图像目标跟踪方面，综合运用了多种算法进行检测和跟踪，详细分析光流法、帧间差分法、背景差分法和视频图像目标特征的提取，并在最后对帧间差分的算法进行了改进。通过实验证明，采用基于粒子滤波的视频图像目标遮挡算法能够更加有效地解决对跟踪目标的准确判断。

多特征融合；阴影处理；运动目标检测；彩色边缘检测；算法

人类获取外界信息的一个重要的途径就是通过视觉来获取，在对人类视觉领域的研究方面，运动目标的检测和捕捉一直是重要的研究方向，其研究的果有着非常重要的应用。例如对公共场合对行人和车辆的监控；战场上对导弹、飞机等目标的监测；武器开发方面对模拟运动目标的探测等[1]。因此，对移动目标的监测和跟踪具有非常重要的意义。在人员比较密集的场合，比如飞机场、火车站和汽车站，可以通过对监控视频图像的分析，来提取中特定的目标特征，从而能够达到对运动目标的监测、提取、识别和跟踪，有效降低人工操作的复杂度，提高智能化的程度。

1 视频图像的预处理

视频图像是由专门的视频采集设备采集过来并经过一系列的数字转换而形成的，所谓的数字转换是指由最初的模拟信号转变成为数字信号，在这个过程中运用数字量化的方法来使图像能够达到预期结果，但是在模拟量向数字量转换的过程中，原始的信号都会有不同程度的失真，那么最后得到的结果与实际的结果就有误差，为了确保对本课题所研究内容计算数据的准确性，在对图像进行处理之前首先进行图像的预处理，预处理的最主要目的是为了能够有效改善图像的质量，提高后期图像的计算准确性。

对自然界中的任何一个图像来说，都有唯一的直方图与其对应。所谓的颜色直方图是指这幅图像中的所有颜色都是一些颜色粒子的集合，图像中的颜色差异是由颜色粒子的不均匀分布造成的。在对图像做数学计算时，需要对这幅图像的全局进行统计，统计的结果以直方图的形式反映出来。

在对视频图像目标进行计算的过程中假设N为该颜色直方图中图像像素点的总体个数，S(xi)表示图像中某一特征值为xi的像素的个数，对这个图像进行归一化处理，处理的具体过程为

(1)

那么，该图像中特征的直方图可以表示为

H=[h(x1),h(x2),…,h(xn)]

(2)

在目标的实际运动的过程当中，获取一个运动目标的完整图像的特征值是无法在目前的研究技术条件下实现的，这个对图像特征值的统计出现较多的误差，也会出现统计直方图不精确的问题，或者说有零点现象的出现。

零点的出现会导致在对两幅图像的相似度进行判别时，不能够精确反应两幅图像的区别。为了解决图像直方图零点的问题，提出了一种累加直方图[2]的概念，这个概念是建立在全局直方图的基础之上的。

假设图像某一特征的一般直方图可以表示为H=[h(x1),h(x2),…,h(xn)]，令

(3)

那么该特征的累加直方图可以表示为

λ=[λ(x1),λ(x2),…,λ(xn)]

(4)

式中：rk是k级灰度；nk是图像中灰度级为rk的像素的个数。

将离线函数用高斯函数来表现

(5)

式中：r表示运动目标的中心。采用这种方法对运行目标中心附近的像素点进行较大的权重赋值的时候，图像的边缘会收到各种各样的干扰，在这种情况下，图像会被赋给更小的权值，从而导致其颜色模型的信度不一样，颜色分布模型qy可以表示为

(6)

在式(6)的计算过程中，都会有一个核函数，而通常这个核函数都是会选用高斯函数来进行计算的，利用核函数来对计算过程中的数据目标值来进行赋值操作，这个赋值的过程也称之为赋权值。本文计算过程中的R(x)函数的取值是在一个在比较大的范围内的概率是为1，这个概率对运动目标中图像的干扰度是影响比较大的，并且当C超过相对阈值的时候，需要对运动目标的边缘进行赋权值，方法是采用Epanechniko核函数[3]。这种改进的颜色分布的模型可以在一定程度上对运动目标的本质特征进行详细描述，这可以反映一幅图像不同位置上的像素差别，从而能够最大限度地避免静态背景的干扰。

2 非线性贝叶斯跟踪

非线性贝叶斯跟踪算法的内容是对某一个事件进行数据检测时，事件T时刻之前的所有数据都可以作为待用的数据，通过这些数据来对目前的后验证概率进行重新计算。

本课题的图像目标跟踪所用到的非线性贝叶斯跟踪算法的核心内容是对接下来所有时刻所检测到的数据都要进行计算和统计，因为每一个时刻的数据都有一定的概率包括本文需要的有效数据信息，可以利用概率的方法来对这些有效的数据信息进行有效整合，从而对T时刻的目标状态来进行提前研判。

贝叶斯公式可以表示为

(7)

一旦得到p(xt|z1:t)的估计值，就可以得到任何期望的xt的统计信息。

在第一步中，用t-1时刻运动目标的后验概率p(xt-1|z1:t-1)和状态模型的概率形式p(xt|xt-1)去计算t时刻运动目标的后验概率，在后验概率的计算过程当中，整个的计算过程并没有对某一个具体时刻t的图像进行观测，这就会出现当前的检测系统并无法对某一个具体t时刻的图像进行详细分析，所以要对后验分布的情况进行相应的预测，预测的计算公式为

(8)

在计算的第二步当中，可以综合的运用贝叶斯鼎力来对K时刻的观测值进行相应的计算，以得出Z值，并对计算过程当中的概率值进行验证，得到想要的后验概率p(xt|zt)

(9)

假设状态序列是马尔科夫的，即p(xt|xt-1,z1:t-1)=p(xt|xt-1)。则式(8)中，p(xt|xt-1,z1:t-1)=p(xt|xt-1)。那么

(10)

(11)

其中

(12)

3 粒子滤波的原理

在粒子滤波的应用过程当中，一种比较常用的方法就是蒙特卡罗方法。通过蒙特卡罗方法可以很好地对某个运动物体的几何特征和几何的数据量进行有效计算，可以利用数学方面的知识进行有效的模拟实验，并得出相应的结果。蒙特卡罗方法的基本内容是当所要要求解决的目的是某一个事件在一定条件下出现的概率时，后期可以通过某种实验的方法来使得该概率事件重现。同时也可以对该概率事件进行数学建模，通过数学模型的方法来进行实验，以得出相应的实验结果。

(13)

通过上述的计算过程对后验概率的进行无偏估计

(14)

传统的算法在解决多维因素或者一些复杂问题方面比较困难，而蒙特卡罗方法相对来说具有很大的优势，对于这些多维因素和复杂问题解决起来比较容易。在解决这些问题的时候，蒙特卡罗方法能够得到服从后验分布概率函数P(x0;t|z0;t)的N个抽样点。但实际的应用过程中，后验分布概率函数是一个不规范和多元的函数，要想从这个不规范和多元函数的分布中进行采样，难度是非常大的，几乎是不可能实现的。

4 改进的粒子滤波重采样算法

在对粒子滤波的算法进行设计的过程中，其中一个非常重要的内容就是对其计算过程中的函数进行选择，首先要对函数的重要性进行判断，然后基于重要性来进行选择，将重要性函数选为状态转移模型，即

q(Xt|Xt-1,Zt)=p(Xt|Xt-1)

(15)

每个粒子的权值计算如下

(16)

具体实现步骤为：

步骤1，初始化步骤，t=0，具体代码如下：

Fori=1，…，N，

颜色直方图中的颜色粒子的数量进行初始化

(17)

对图像目标的颜色分布情况进行计算

(18)

步骤2，更新下一时刻的图像信息，具体代码如下：

Fori=1，…，N

根据式(19)采样新粒子

(19)

步骤3，判断每个粒子的分布状态。

(20)

对每个视频图像粒子的权值进行计算

(21)

步骤4，帧间差分步骤。

计算Neff

(22)

如果Neff

步骤5，进行状态估计。

(23)

步骤6，更新t=t+1，跳转至步骤2。

改进算法的流程图，如图1所示。

图1 改进算法的流程图

5 实验结果分析

本文中的实验选取了发生视频目标遮挡后的几帧，这几帧在整个的序列当中是非常具有代表性的。跟踪结果的误差分析如图2所示，由图2可以得出当使用传统的粒子滤波算法进行计算的过程中，尤其是在进行视频序列遮挡的时候，是无法获取目标信息的，同时也是非常容易丢失目标的。通过对比发现，本文所设计的算法能够有效地对目标进行跟踪，无论目标是否被遮挡[4-5]。

图2 跟踪结果的误差分析

从图2中的跟踪结果的误差分析中可以看出，本文所设计的基于粒子滤波的视频图像目标遮挡算法可以有效解决传统的目标遮挡算法中存在的问题，本文中所述的算法可以很好地保证被跟踪目标的鲁棒性，误差较小[6]。

6 总结

本文所研究的基于粒子滤波的视频图像目标遮挡算法利用了多个学科的内容，综合运用计算得到了一个较好的算法，同时视频图像目标遮挡算法课题的研究是一个全新的领域，在这个领域中依然存在很多问题还没有得到解决，有待在日后的工作中继续研究。

[1]王展青，凡友福，张桂林.跟踪遮挡目标的一种鲁棒算法[J].计算机工程与应用，2007(27)：12-15.

[2]王江涛，杨静宇.遮挡情况下基于Kalman均值偏移的目标跟踪[J].系统仿真学报，2007(18)：33-37.

[3]ASIF M M.Real-time object tracking using color-based kalman particle filter[J].Evolving Fuzzy Systems，2009(4)：357-361.

[4]KIM H B，SIM K B.A particular object tracking in an environment of multiple moving objects[J].Control Automation and Systems，2010(5)：1053-1059.

[5]RAMAKOTI N．Particle swarm optimization aided kalman filter for object tracking[J]．Journal Soft Computing，2009(2)：531-540.

[6]MCKENNA J，JABRI S，DURIC Z，et al.Tracking groups of people[J].Computer Vision and Image Understanding，2000(1)：324-341.

Research of Blocked Algorithm of Video Image Target Based on Particle Filter

WANG Zhongjie，ZHANG Zhiheng

(DepartmentofElectronicInformationEngineering，ShanxiUniversity，Taiyuan030013，China)

Blocked algorithm of video image target has been researched a lot recently.To improve the effect of video target tracking，variety of algorithms to detect and track have been utilized with detailed analysis of the optical flow method，frame difference method，background difference method and extraction of video image target characteristic，and with which an improved algorithm of inter-frame difference was applied.The researched blocked algorithm of video image target based on particle filter is proved more effectively to get accurate judgment to the target tracking by experiments.

feature fusion；shading；moving target detection；color edge detection；algorithm

TN911.73

A

10.16280/j.videoe.2015.07.007

2014-10-10

【本文献信息】王中杰，张志恒.基于粒子滤波的视频图像目标遮挡算法研究[J].电视技术,2015，39(7).

王中杰(1973— )，女，硕士，讲师，主要研究方向为无线通信、图像处理；

张志恒(1964— )，副教授，主要研究方向为数字信号处理、电子技术。

责任编辑：时 雯