智能视频监控中目标跟踪技术仿真研究

李亮

摘要：智能视频监控是从安全监管领域延伸到民用市场的一种智能系统，可以智能地分析报告异常状况。凭借其高度的智能化，智能视频监控正在安防和民用等领域迅速蔓延，市场对其越来越高的要求也引发了相关领域科研人员的高度关注。目标跟踪技术则是智能视频监控系统中的一项关键技术，是获取、识别、分类处理目标事物的一套算法，在复杂的环境中目标跟踪是一项极其困难的任务，所以对目标跟踪技术的研究具有重要价值，目标跟踪技术仿真是其中一个主要的研究方向。本文将叙述智能视频监控中目标跟踪技术的研究进展和现存问题，分析目标跟踪技术仿真的必要性。

关键词：智能视频监控；目标跟踪技术；仿真

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）28-0203-03

1智能视频监控中目标跟踪技术的研究进展

目前智能视频监控中，按照监控数量来划分，目标跟踪技术主要有单目标跟踪技术和多目标跟踪技术两种。

1.1单目标跟踪技术的研究现状

基于单摄像机的在线目标跟踪技术是单目标跟踪技术的研究重点，广泛应用于监控、导航、虚拟现实等领域。监控目标大多数情况下是运动的，那么其内外要素通常会因此发生一定的变化，从而导致监控目标在智能视频监控系统中的模型也产生一定的改变，对监控准确性的影响也是不容忽视的，所以确保监控的准确性是一个非常值得深入研究的方向。

外观模型的建立方式决定了一个单目标在线标跟踪系统的准确性，目前已有众多研究者在外观模型建立上取得了重要进展。

生成模型是通过分析计算观测值的联合分布概率来建模，通常可以根据观测数据直接生成模型。条件分布可以根据贝叶斯公式求得，倘若观测值皆来源于生成模型，则模型的相关参数便可以通过估算获得。然而当前技术环境下，生成模型产生全部观测数据还需要更多的理论研究来帮助实现。目前常用的生成模型包括混合高斯模型、隐马尔科夫模型、贝叶斯网络模型等。

目标跟踪技术的算法规定了生成模型的建立可以辅助建立观测目标的外观模型，然而只通过生成模型来获得外观模型，其中间的误差是难以估量的，还必须通过外观模型的重建来尽可能地减小误差。当前科马尼求提出的基于内核的算法和亚当提出的基于整体颜色直方图的算法都可以帮助减小这些误差。

判别模式是通过估计条件概率分布，找到不同数据的最佳分类面，比较异类数据的差异来建立外观模型。目前常见的判别模型包括基于核函数的支持向量机、基于基于隐马尔可夫模型的条件随机场和临近取样等。

1.2 多目标跟踪技术的研究现状

鉴于多目标跟踪技术在智能视频监控中的重要性，这项技术的研究进展和目前存在的诸多困难正在吸引越来越多研究者的关注。

（1）遮挡问题

多目标的互相遮挡或者被背景遮挡是多目标跟踪过程中必然会出现的问题，局部的遮挡称为部分遮挡，一个以上的目标整体都被遮挡称为全部遮挡。目标被遮挡会导致目标信息的丢失，这就使得目标跟踪的准确性大为下降。多目标的遮挡是多目标跟踪技术需要解决的一个重难点，多目标之间的大面积遮挡和高频遮挡更是多目标遮挡问题的重中之重。

（2）多目标数目的随机变化

在多目标跟踪过程中，经常会有新目标出现和旧目标消失的情形，少数情况下也会有一个目标分成多个目标和多个目标合成一个目标的情形，这在多目标的跟踪过程中也是不可避免的。在这种情况下，如何确保跟踪的准确性也是一个亟待解决的问题。

（3）监控视频背景的干扰

部分监控场景较为复杂，这势必会使目标的跟踪过程出现一些不可预料的问题，复杂的背景条件一般有：光影的变化、背景物体的变动、存在与目标相似的物体。

2智能视频监控中目标跟踪技术研究存在的问题

2.1基于区域匹配的跟踪运算量大，耗时甚巨

基于区域匹配的跟踪是目前学界研究热度较高的算法之一。该算法要求先将背景中的一部分跟图像中的各个部分比较分析，然后计算两个部分的相似度，最后找到图像中与背景中那部分相似度最高的部分，那就是目标的即时所在区域了。

这种跟踪方式调用的是目标的全局特征。在背景简单且没有遮挡的情况下，这种方式的优势很明显，跟踪精度相当高，准确性和稳定性也能得到保证。缺点同优点一样明显，无疑匹配过程将是漫长的，在硬件性能一般和图像区域面积较大的情况下，匹配计算的时间是很难保证的，实时性就更加无法保证了。此外，当目标受到背景或者其他目标的遮挡时，匹配过程中将找不到目标，再加上目标本身也有可能出现外形发生变化的可能，跟踪效果难以保证。

2.2 基于轮廓匹配的跟踪无法解决遮挡问题

基于轮廓匹配的跟踪类似于基于区域匹配的跟踪，其核心就是优化匹配算法，也包括比较分析和匹配的过程。不同于基于区域匹配的跟踪的地方是，基于轮廓匹配的跟踪比较分析的特征是跟目标轮廓有关的全局特征，而前者分析比较的特征是点、线、边等局部特征。相较于基于区域匹配的跟踪，它还有一个重要的优势，就是可以用于运动目标的跟踪检测。Kass等提出的Snake模型可以准确跟踪单个发生形变的目标。基于轮廓匹配的跟踪的计算难度不高，然而如何对轮廓进行初始值的建立是个比较棘手的问题，所以该方法不可用于对高速目标的实时追踪。

2.3基于模型匹配的跟踪难以满足跟踪的实时性要求

基于模型匹配的跟踪方法首先要做的是根据已知的目标信息构建一个目标模型，然后在接下来的每一帧画面中匹配目标，根据新的目标信息重构模型。目前常用的几种运动目标的模型表示方式有以下几种：（1）线图模型：运用线段来描绘运动目标的特征。克劳洛娃等人提出的类似于人体骨骼的分层模型，其可以对人体进行线段描绘。（2）二维模型：通过目标的平面投影来构造目标的二维模型。（3）三维立体模型：将目标的整体结构分解为球、立方体等立体结构来描述目标。这类模型的构建需要大量参数，分析匹配过程的耗时将是巨大的。

基于模型匹配的跟踪方法能够有效克服遮挡造成的障碍，同时还能得到大量运动过程中的行为数据，然而该方法准确性的提高必须依赖模型适配性的提高。在日常生活中，我们可以对目标的建模可以稍显粗糙，然而要对运动目标进行精确建模大为不易。在监控场景中对多个运动目标进行模型的精确匹配非常困难，而且运算量极大，所以该方法还是难以保证对运动目标的跟踪的实时性。

3智能视频监控中目标跟踪技术仿真的可行性研究

虽然智能视频监控中目标跟踪技术经过数十年的发展已经取得了众多突破性的进展，然而现存的诸多问题仍亟待解决，因此目标跟踪技术仿真的研究显得尤为重要。仿真理论的研究已经颇为成熟，然而仿真技术的开发还需努力，笔者经过认真比较最终选择了MATLAB中的SIMULINK作为仿真软件。

3.1 SIMULINK仿真软件的功能和特点

SIMULINK是一个用来对动态系统进行建模、仿真和分析的软件包。它和MATLAB的无缝结合使得用户可以利用MATLAB丰富的资源，建立仿真模型，监控仿真过程，分析仿真结果。SIMULINK有三大主要功能：建模、仿真和分析、支持代码生成。

其中仿真过程分为两个阶段：（1）初始化阶段：传递参数给MATLAR求值，展开模型层欢，检查信号的宽度和连接，并确定状态初值和采样时间。（2）运行阶段：仿真过程开始进行，在每个仿真步计算输出和新的状态。

3.2自定义模块的建立

在SIMULIN中搭建模型时用SIMULIN库中现有的块，SIMULINK5.0自己带有二十多个模块库，但用于生成DSP代码的库只有五六个，所以模块有限，需要自己创建。同样，当特定的算法无法找到合适的模块时也需要自建模块，而创建模块的关键就是用S-function封装自己的算法。

S-function是系统函数的英文缩写，它由特定的语法构成，用来描述并实现连续系统，离散或混合系统。S-function可以用M，C，FORTRAN等语言编写。往往S-function是整个动态系统的核心，所以掌握它是必需的。

3.3质心跟踪算法的模型开发

在整个仿真系统中开发该目标跟踪程序，由于仿真库中已将与算法无关的程序部分像系统初始化、目标搜索、目标显示、图像数据的传送都已写入仿真库中，在执行生成程序时会自动生成DSP的程序，所以用户开发程序时仅仅需要用SIMULINK建立目标分割的算法。以下以方差最大准则法、迭代法、直方图法求取阈值为例建立模型图。

其中求阈值和完成图像二值化需要很多模块且降低生成代码效率，故用inlined S-function完成。此S-function由C（mex）文件sfun_center.c和sfun_center.tlc构成。模型中三个带TlC62x标志的模块是C62x library中的定点模块，这些模块都对应C62x优化的汇编语言函数，在编译链接时会自动用其对应的汇编函数代替，模型中用这些模块可以大大提高代码的执行速度。fun_center.c和sfun_center.tlc程序太长不在此给出。

模型建立好后，选用xds560或xds510硬件仿真器，配置仿真环境自动生成程序、建立CCS工程并在该目标仿真系统上实时运行。用三种求取阈值方法实现了目标跟踪，跟踪结果直接显示在视频上。由于实时系统对时间有严格要求，所以对三种不同的方法分别作了运行时间的比较。

本章对质心跟踪算法进行验证，表明了建立的目标跟踪实时仿真库是正确的可用的。由此也可看出用该仿真系统完成目标跟踪算法只需要使用者建立SIMULINK的算法模型，至于C6000DSP的开发过程可完全不用知道，而若单纯用DSP开发算法则不仅需要了解DSP的硬件系统还需要能开发DSP软件，并不断修改和调试才能完成。总之，使用该仿真系统可使算法研究者摆脱DSP底层设计的困扰，极大节省了DSP编程和调试的时间。

4 结束语

构建目标跟踪仿真环境可以为研究智能视频监控下目标跟踪算法的学者带来极大的便利，并且将过去必须在电脑主机上运作的仿真研究延伸到了实时进行的阶段，这就使得模拟运作的仿真算法无限靠近真实环境中所需的算法。目前该仿真系统虽然很好的解决当前智能视频监控下目标跟踪技术存在的诸多问题，然而其自身也存在一些需要深入研究解决的弊端。其一是代码结构尚需优化，通过目前的代码结构来构建目标模型所需的代码过多，这就导致系统的运算需要大量的时间。其二是构建模型缺少一些现成的模块，使用S-function程序手动建模过于复杂，正确性也难以保证。因此应当尽可能地使用现存的模块来完成算法的构建，可以预见在不久的将来，随着相关学者对SIMULINK软件的使用更加深入频繁，该软件的预置模块定会更加丰富，智能视频监控下目标跟踪技术仿真研究也会更加便捷。

参考文献：

[1] 颜佳，吴敏渊.遮挡环境下采用在线Boosting的目标跟踪[J].光学精密工程，2012，20（2）：439-446.

[2]匡金骏，柴毅，熊庆宇.结合标准对冲与核函数稀疏分类的目标跟踪田[J].光学精密工程，2012，20（11）：2540-2547.

[3] 王国良，刘金国.基于粒子滤波的多自由度运动目标跟踪田[J].光学精密工程，2011，19（4）：864-69.

[4]龚俊亮，何听，魏仲慧等.采用改进辅助粒子滤波的红外多目标跟踪田[J].光学精密工程，2012，20（2）：413-21.

[5]李丽，李平，杨明等.基于SIFT特征匹配的电力设备外观异常检测方法田[J].光学与光电技术，2010，8（6）：25-31.