移动机器人行人目标活动区域快速检测算法

杨大伟，姬梦婷，张汝波，毛　琳

(大连民族大学 机电工程学院，辽宁 大连 116605)



移动机器人行人目标活动区域快速检测算法

杨大伟，姬梦婷，张汝波，毛琳

(大连民族大学 机电工程学院，辽宁 大连 116605)

摘要：针对移动机器人运动目标检测过程中运动目标与背景均存在位移致使跟踪失效的问题,提出一种显著光流分析法对室内行人目标活动区域进行检测与标识，能够快速有效地为移动机器人视觉检测与跟踪算法提供简便的初始区域定位信息。经仿真实验分析，该算法能够在室内复杂的情况下，快速检测出行人目标的活动区域，方便人物识别与躲避，具有较强的工程应用价值。

关键词：移动机器人；行人活动区域；室内；光流法；显著分析法

在室内环境中，移动机器人时常要观察行人的运动，以便有效识别或者躲避行人。由于移动机器人上固定的摄像机会随本体一并移动，采集视频中行人运动目标与背景均会呈现出各自独立的运动状态[1]。同时环境中各种物品的出现，将会不同程度的对人体目标进行干扰，使得机器人视觉检测会出现大量的冗余信息和观测噪声，在这样的室内环境中，如何快速检测出运动的人物目标成为机器人视觉领域中一个重要课题。

文献[2]采用固定摄像机的HU不变矩分析方法来检测运动目标，与传统算法相比能够有效去除融合噪声，但不能应用于动态背景的情况，对于稳定的摄像机要求程度较高。文献[3]基于超像素显著检测算法，结合颜色特征获取图像的感兴趣目标区域，计算量随图像尺寸变化而呈现几何级数增长，仅适用于处理静态图像。文献[4]则利用背景减除法和前后帧差异法相结合，在摄像头静止环境下对目标区域进行检测，不能适应背景变化的动态环境。文献[5]同样在静态相机条件下，利用显著分析法提取初始化目标区域的中心位置，仅实现目标初始位置进行标定，无法持续跟踪运动目标。

本文以移动机器人视觉目标检测为研究对象，提出一种适用于室内行人环境的、动态目标区域显著光流快速检测算法(Saliency Optical-Flow detection Algorithm，SOFA)，能够有效提取出行人目标的运动区域，为后续检测跟踪提供必要的定位参数信息。

1动态目标区域检测算法

本文引入Horn-Schunck光流法[6]与剩余谱显著分析法[7]联合检测运动特征和显著特征，有效的分离前景与背景信息，通过自适应加权融合优化检测结果，并利用能量累加后再滤波处理的方式有效的去除冗余信息和错误融合目标，SOFA算法逻辑如图1。该算法仅涉及光流法和图像时频域变化计算及能量累加，所需计算量较小，更加适合于移动机器人及小型计算设备使用。

图1　动态目标区域检测算法

1.1显著光流法原理

设图像上点(x,y)在t时刻的灰度为I(x,y,t)，u(x,y)和v(x,y)分别是光流w(u,v)的水平和垂直分量，那么HS光流算法即表示为：

(1)

式中，这里λ根据图中噪声情况取值，噪声强时，λ取值较大，数据更加依赖光流约束方程。

自然图像的频域统计特性具有尺度不变性，基于这种尺度不变性，定义自然图像为I(x)，经傅里叶变换得到其幅度谱A(f)和相位谱P(f)，服从一种分布：

(2)

整体图像的幅度谱在经均值平滑后近似成一条直线，基于对数谱的相似不变性，剩余谱显著算法认为在统计谱线的平滑部分代表图像非显著区域，谱线中的奇异点处表明图像中的显著区域，通过平滑后谱线与原谱线相减得到剩余谱，从而得到显著图。

将HS光流法和剩余谱显著分析法特征提取出的二值化图像，逐点对应取交集融合而形成显著光流法。该算法可以在计算复杂度不高的情况下，快速在室内捕获行人轮廓特征。

1.2SOFA算法实现

基于上述算法原理，构建动态目标区域显著光流快速检测算法，算法实现步骤如下;

第1步，数字视频信息解码为YUV420格式的图像帧F，所得输入视频帧分辨率与输入视频一致;

第2步，融合HS光流法与剩余谱显著分析法的特征结果，得到融合后二值化图像帧Fd;

第5步，去除微小干扰噪声，此处采用分段函数直接舍弃小于阈值部分的方式：

(3)

(4)

(5)

(6)

(7)

2仿真实验和性能比较

为验证本文所提SOFA算法的有效性，以轮式移动机器人机身上固定摄像机为平台，对动态场景下单目标、多目标运动进行目标检验。全部仿真实例均为机器人匀速运动，摄像机水平移动速度不大于0.5 m·s-1，行人目标运动方向任意，速度约为1.5 m·s-1，摄像机输出数字视频信号为mpeg4video编码，分辨率为320×240，帧速率为30帧·s-1。单目标运动情况如图2，两目标运动情况如图3。

(a)第1帧原始输入图像　(b)第60帧原始输入图像

(c)所得第1帧检测区域　(d)所得第60帧检测区域

(a)第1帧原始输入图像　(b)第45帧原始输入图像

(c)所得第1帧检测区域　(d)所得第45帧检测区域

如上述场景仿真所示，场景1为单目标运动，拍摄环境为楼内走廊开阔区，图2(a)为第0帧输入视频帧，图2(b)为第60帧输入视频帧，图2(c)和图2(d)是对应检测结果。可以看出，在单目标从左至右移动时，摄像机随之同向移动，行人目标区域始终被有效标识；场景2为两目标运动，拍摄环境为办公室内，图3(a)为第1帧输入视频帧，图3(b)为第45帧输入视频帧，图3(c)和图3(d)是对应检测结果，两行人目标分别向相反方向运动，当两人不重叠时，能够有效检测出行人目标轮廓信息。本文所提算法能够从读入视频帧开始就能够快速检测出视频图像中运动目标的区域位置，随着时间的推移，运动目标与背景均独立发生变化后，仍能有效地区分目标区域信息。

由于SOFA算法仅为标识行人目标运动区域，而不涉及目标特征检测，故当多个目标彼此相互靠近或重叠时，该算法则无法区分独立个体，检测区域也将出现重叠。检测区域重叠如图4。当左侧两人相距过近时，目标区域提取算法会认为此时为一个行人，需要结合特征检测等算法识别出该区域内的多个目标。

图4　检测区域重叠

3结语

本文针对室内复杂环境中移动机器人行人活动区域提取问题，提出一种显著光流算法，能够有效地快速捕获到视频输入图像中的运动目标本体活动区域，在目标和背景都发生位移变化的情况下，提取行人动态目标的区域轮廓信息，为后续跟踪识别、行人检测和避障应用提供预处理算法，降低后续算法目标特征搜索计算复杂度。该算法由于所用光流法和剩余谱显著分析法的计算对硬件要求不高，十分易于移动设备和低功耗设备的应用，在实际的机器人视觉处理算法中具有较高的工程应用价值。

参考文献：

[1]KULCHANDANIJS,DANGARWALAKJ.Movingobjectdetection:Reviewofrecentresearchtrends[C]∥InternationalConferenceonPervasiveComputing(ICPC), 2015: 1-5.

[2]SHENY,LIUP,YAOF,etal.Region-basedmovingobjectdetectionusingHUmoments[C]∥IEEEInternationalConferenceonInformationandAutomation, 2015: 1590-1593.

[3]RENZ,GAOS,CHIALT,etal.Region-BasedSaliencyDetectionandItsApplicationinObjectRecognition[J].IEEETransactionsonCircuitsandSystemsforVideoTechnology. 2014, 24(5): 769-779.

[4]ARADHYA,MOHANA,KIRAN.Realtimeobjectsdetectionandpositioninginmultipleregionsusingsinglefixedcameraviewforvideosurveillanceapplications[C]∥InternationalConferenceonElectrical,Electronics,Signals,CommunicationandOptimization(EESCO), 2015: 1-6.

[5] 杨大伟, 宋程程. 视觉显著运动目标初始定位方法[J]. 计算机工程与应用, 2015(16):189-191.

[6]HORNBKP,SCHUNCKBG.Determiningopticalflow[J].ArtificialIntelligence, 1981(17): 185-203.

[7]HOUXiaodi,ZHANGLiqing.Saliencydetection:Aspectralresidualapproach[C]∥IEEEConferenceonComputerVisionandPatternRecognition, 2007: 1-8.

[8]BONDIE,PALAP,BERRETTIS,etal.Reconstructinghigh-resolutionfacemodelsfromKinectdepthsequencesacquiredinuncooperativecontexts[C]∥IEEEInternationalConferenceandWorkshopsonAutomaticFaceandGestureRecognition(FG), 2015(7): 1-6.

(责任编辑王楠楠)

A Fast Pedestrian Motion Region Detection Algorithm for Moving Robot

YANG Da-wei, JI Meng-ting, ZHANG Ru-bo, MAO Lin

(School of Electromechanical Engineering, Dalian Minzu University, Dalian Liaoning 116605, China)

Abstract:In the pedestrian detection of the moving robot, tracking scheme will fail on account of the displacement of motion object and background. In this paper, a saliency optical-flow detection algorithm is proposed for detecting and demarcating the active area of the indoor pedestrian targets. This algorithm can provide the initial localization information quickly and efficiently for the visual detection and tracking algorithm implemented in moving robot. The simulation experiments show that this algorithm can detect the active area of pedestrian target quickly under the complex condition indoors. And the algorithm can be used in character recognition and obstacle-avoiding so that it has strong engineering value.

Key words:moving robot; pedestrian motion region; in-door; optical flow; saliency analysis

收稿日期：2016-03-28

基金项目：中央高校基本科研业务费专项资金资助项目(DC201501089)；大连金州新区科技创新主体支持计划(KJCX-ZTPY-2014-0005)。

作者简介：杨大伟(1978-)，男，黑龙江哈尔滨人，副教授，博士，主要从事机器人视觉图像处理研究。

文章编号：2096-1383(2016)03-0221-03

中图分类号：TP242.6

文献标志码：A