吳賢平，沈良忠

(1.浙江安防職業(yè)技術(shù)學院，浙江 溫州 325016； 2.溫州大學，浙江 溫州 325035)

基于自適應(yīng)背景的目標跟蹤算法研究

吳賢平1，沈良忠2

(1.浙江安防職業(yè)技術(shù)學院，浙江 溫州 325016； 2.溫州大學，浙江 溫州 325035)

隨著現(xiàn)在的社會發(fā)展以及經(jīng)濟進步，我國的科學技術(shù)方面發(fā)展迅速，特別是在技術(shù)監(jiān)控方面更是突飛猛進;為了更好地對目標遮擋影響進行降低，我國在這方面主要依據(jù)自適應(yīng)的技術(shù)發(fā)展背景下提出目標跟蹤計算法，用來完善我國的監(jiān)督控制技術(shù);這種計算方式第一是根據(jù)對觀察目標的基本外觀形態(tài)進行的鑒定與跟蹤，將其自身的運動量進行平均計算；其次是根據(jù)時空的運行方向與特征進行跟蹤目標的計算，建立比較完善整體的運行模型，再根據(jù)這個運動模型以及整體的狀態(tài)對監(jiān)督目標進行檢測與控制，這期間就會形成一種遮擋掩膜;對于掩膜是一種將程序數(shù)據(jù)等繪制成光刻板，在程序使用期間非常可靠，并且制造成本比較低，使用方便；最后在不同的使用情況下將不同參數(shù)進行收集，自動地適應(yīng)運動模型的運行;針對這種計算方式的實驗主要是利用兩種在國際上經(jīng)常使用的CAVIAR、York數(shù)據(jù)進行測試，并且根據(jù)這兩種數(shù)據(jù)對測試的精準度與多重目標跟蹤等進行評定，檢測跟蹤的整體性能;通過多方面的研究表明這種方式的跟蹤的性能非常好，并且還能很好的將跟蹤目標的魯棒性進行遮擋。

自適應(yīng)背景;目標跟蹤法

0 引言

在現(xiàn)在的高科技計算機研究發(fā)展下，主要的研究熱點還處于對于運動的跟蹤目標分析探索中，這種目標跟蹤算法在我國很多智能方面有廣泛的應(yīng)用，其中包含導航的制作使用、智能人工制作過程中以及在監(jiān)控的視頻等方面應(yīng)用非常廣泛。在很多關(guān)于這方面的著作中提出了關(guān)于均值漂移的計算方式，主要是為了對目標的跟蹤領(lǐng)域進行調(diào)查與跟蹤，這種方式最基本的創(chuàng)立思想是根據(jù)移動最基本的概率進行精準詳細的跟蹤與判斷，找出其中最適合的匹配點，從而實現(xiàn)具體目標的跟蹤[1]。但是這種跟蹤方式在對光線變化比較快的基礎(chǔ)下魯棒性比較弱。那么怎樣更好的將這種計算方法在對光線變化比較頻繁并且跟蹤的目標不清晰或是遮擋的情況下進行監(jiān)督控制，是現(xiàn)在目標跟蹤算法最大的問題之一。文章主要根據(jù)相關(guān)的參考文獻中提到的關(guān)于這方面顏色的變化，以及這種變化對于這種算法的影響進行分析與研究，根據(jù)不同的計算方式對其魯棒性進行強化。文章主要根據(jù)現(xiàn)在這種自適應(yīng)的背景下對目標跟蹤算法進行詳細的研究與分析，并且從全方面角度進行探索。

1 目標跟蹤算法運用與研究

根據(jù)上述內(nèi)容中對于這種算法簡單的介紹，我們知道這種目標跟蹤算法在我國計算機以及高科技上的應(yīng)用非常廣泛，但是其中也有很多需要進行完善的方面。針對這方面的研究我國一直在不斷的進步，并且從很多方面能夠很好地將其進行創(chuàng)新與完善。上文中提出很多的計算方式會影響到魯棒性變?nèi)?，并且遇到光線變化比較頻繁的現(xiàn)象中就會影響其對于跟蹤對象的判斷，關(guān)于這方面我們提出一種根據(jù)顏色的變化以及圖形的轉(zhuǎn)換產(chǎn)生的漂移目標跟蹤方式[2]。這種方法將我們需要跟蹤的目標通過顏色的形式進行圖形使的劃分，并且提取出其中醒目的顏色分類，模仿成多次元的模式分析其特征，這種計算方式主要依據(jù)的是Meanshift算法，這種算法可以將魯棒性特點進行強化，并且分析出被遮擋的跟蹤目標。其中還有一種方法是根據(jù)跟蹤目標的SIFT特點以及微電子中的粒子掌控過濾技術(shù)對目標進行跟蹤的方式，這種方式主要是依照著對于目標自身熱量的變化以及發(fā)出的光照進行對比，從而掌握其中變化與不變化的特點，可以在強化魯棒性的基礎(chǔ)上對光照等進行加強。

在這種算法發(fā)展的過程中還產(chǎn)生出一種重視視覺上跟蹤的計算方式，增量視覺跟蹤方法(Incremental Visual Tracker，IVT)[3]。這種跟蹤計算方法能夠在進行跟蹤過程中，自適應(yīng)跟蹤目標的變化，以及光線的調(diào)整等，并且在比較封閉的空間中能夠根據(jù)一項微弱的因素搜索出跟蹤目標，其中還能掌握跟蹤數(shù)據(jù)的變化，降低對于跟蹤數(shù)據(jù)在整體中的客觀影響，自動屏蔽影響跟蹤目標的各種外來因素。這種跟蹤方式非常適用于短期的跟蹤，但是若是在比較長時間的跟蹤偶成中還存在一定的缺陷，不能很好的把握全面遮擋的狀態(tài)。當然，針對在這方面遇到的跟蹤目標被遮擋一部分或是全部被遮擋等問題，文章探索出一種根據(jù)時空整體運行方向以及能量控制，在自適應(yīng)的基礎(chǔ)下自動更新的跟蹤方式。Spatiotemporal OrientedEnergies，SOE.這種跟蹤方式能夠根據(jù)對時空變化的掌握進行動態(tài)模式的分析，同時這種分析以動態(tài)的紋理進行識別以及不同場景進行分辨、行為變化的分析以及視覺上的監(jiān)督與計算等展現(xiàn)出來。我們主要分析的是將這種SOE的特點為跟蹤的線索進行詳細的跟蹤分析[4]。在現(xiàn)在這種跟蹤技術(shù)發(fā)展的基礎(chǔ)上對于跟蹤的模式以及目標的運行形勢等進行更新，并且逐漸的向自適應(yīng)的形式靠攏，保證跟蹤期間不受到客觀因素的影響。與此同時，還要根據(jù)狀態(tài)中的不同機區(qū)之間的區(qū)別進行遮擋部分分析，大大提升在跟蹤的整體過程中遮擋部分數(shù)據(jù)的使用與分析，同時因為全面的運用遮擋部分數(shù)據(jù)分析，可以提升對跟蹤目標的掌握，提高使用性能。

2 跟蹤視頻中的SOE簡述

利用這種技術(shù)對跟蹤視頻進行描述，主要的研究思路是依照一組全方面的具有多種時空方向的過濾系統(tǒng)產(chǎn)生3D的效果，在進行視頻的處理期間需要將其中的序列進行過濾。文章主要是根據(jù)現(xiàn)在生產(chǎn)的第二代過濾器，采用3D形式G2(θ)其中還包括Hilbert的變換為H2(θ)格式的過濾器[5]。在此期間，θ表示的是3D視頻跟蹤的濾波軸的方向。其中這種計算方式中的過濾器對于這兩種格式是可以進行獨立掌控的，因為不管θ出于任何的方向中，其實都是一種線性的函數(shù)組合。若是以I(x.y.t)三種形式為具體的像素點，在這期間3種因素中的一項t跟蹤期間的亮度可以在θ上這樣進行展現(xiàn)：

Eθ(x,y)=[G2(θ)]*/(x,y,t)2+[H2(θ)*/(x,y,t)]2

式中，“*”代表的是對于跟蹤視頻中的卷積進行的計算。

在進行研究的過程中，3D的帶通濾波器主要的使用方式是將其依據(jù)其自身中的對稱軸進行空間的控制監(jiān)督，若是在這期間沒有回應(yīng)，那么就證明在垂直方向的空間上會產(chǎn)生強烈的相應(yīng)。這主要是為了更好地掌握時空方向以及時空模式下對于跟蹤目標的掌控與出現(xiàn)頻率產(chǎn)生的響應(yīng)。這樣的計算主體還要具有很多個高斯的衍生過濾器，組件一個波濾器組合，進行時間與空間上的掌控，其中對于某項運動能量的計算以及動態(tài)變化的掌握主要表現(xiàn)在：

式中，θ表示的整體的運行方向在n中的N+1產(chǎn)生的各種隔離方向與方向的轉(zhuǎn)變，∑θ(x,y)主要是由其上述公式中的時空方向計算能量得出的。

其中：i∈[0,N]，并且其中可以分解出另一個公式為：

式中，需要將其中的ex作為計算主運動軸中的標準單位量。

式中，ε為運行期間的噪音。

在整體的跟蹤計算中將0作為對無紋理的視頻圖像進行處理，這種計算過程在對運動整體的狀態(tài)進行計算期間內(nèi)需要掌握其中涉及到的各種數(shù)據(jù)，并且將其進行具體的定義，方便在計算期間的使用，主要的表現(xiàn)形式為：

當然在這計算過程中對于E0的要求非常嚴格，需要掌握其中的大值才能進行更加準確的計算，在其他的計算方向中對于其中的數(shù)值并不可信[7]。所以將多個空間上的計算以及一個無紋理的的表達可以準確的將其中的像素運動點進行控制，并且表現(xiàn)為：

在進行計算之后會將其中的變化用圖形表現(xiàn)出來，并且在進行最終的跟蹤計算干擾方面需要掌握其中詳細的數(shù)據(jù)信息，及時識別其中的干擾源，如圖1和圖2所示。

圖1 特征圖

圖2 幀圖

這樣就可以很好地保證其計算出的跟蹤信息準確無誤。

3 SOE研究基礎(chǔ)上的跟蹤目標核算

在上圖中展示的跟蹤信息繪制與展現(xiàn)我們可以看出在這種目標跟蹤計算法下需要掌握其中的計算信息，并且認真核算之后在進行確定。對于有興趣的跟蹤目標來講需要利用其自身的外觀以及在跟蹤中的運動等進行計算與整理，不斷的將跟蹤目標展現(xiàn)在面前，并且其中利用像素以及跟蹤計算出的模型需要掌握運動的整體量的變化，并且運動的模型適用于跟蹤中檢測的遮擋部分，了解到跟蹤目標現(xiàn)有的狀態(tài)[8]。在進行跟蹤計算過程中不僅需要我們掌握其中像素整體展現(xiàn)出的亮度，還要掌握其中需要計算的目標以及平均運動量計算，利用這種方式將提算出SOE對于目標靜止或是動態(tài)中展現(xiàn)出的量的變化，利用這些數(shù)據(jù)建立運動的模型與運動環(huán)境描述[9]。在跟蹤期間會出現(xiàn)遮擋的部分，這時候就需要利用計算中的遮擋膜計算方式對其進行控制，及時更新其中計算需要的數(shù)據(jù)，防止被破壞，并且還要降低跟蹤目標的漂移現(xiàn)象。在進行計算或是跟蹤整體的過程中一定要及時保證設(shè)備的使用狀態(tài)以及在運動期間的對量的攝入，利用不同形式對不同跟蹤目標的狀態(tài)進行計算與跟蹤。這種目標的跟蹤模型在進行跟蹤的過程中會自動適應(yīng)其運行的狀態(tài)，自適應(yīng)地降低不利因素，自覺地堅實跟蹤目標的變化。如圖3所示。

圖3 基于SOE的目標跟蹤框圖

3.1 跟蹤器

當然，在進行跟蹤過程中最重要的就是跟蹤器的掌握，并且在計算目標跟蹤整體數(shù)據(jù)之前也需要對其進行問題的優(yōu)化與處理[10]，其中最常用的是：

▽/(x,y))Tu(x,y;a)+

式中，數(shù)據(jù)主要是為了更加明確地表示各種尺寸的數(shù)字，并且其中的M=(0,1)主要是為了更明確的表示出遮擋掩膜的變化，是一種尺寸的數(shù)據(jù)表示，并且在計算期間需要我們對其進行明確地掌握與解釋，其中的函數(shù)計算可以表示為：

在這其中數(shù)據(jù)表示的主要是計算出的函數(shù)數(shù)字，并且在I(x,y,t)的展示中將時間定格在t像素標準點上面，并且(x,y)的計算值屬于跟蹤計算中的亮度值，并且計算的方式為：

▽

同時，式中的u(x,y;a)代表的主要是在固定量a的基礎(chǔ)上向跟蹤目標進行模擬計算，同時在虛擬的數(shù)量目標基礎(chǔ)上將其中的運動點進行提前，這樣就能很好地保證計算的數(shù)量的準確性，利用經(jīng)常使用的一種數(shù)量模式u(x,y;a)=(a0,a1)T的形式進行目標的計算與掌握。在計算過程中我們經(jīng)常使用這種計算形似對其進行計算，并且采用相關(guān)的梯度下降的形式對其進行解釋，這是解決期間出現(xiàn)問題最好的方式之一，同時也是最準確的一種計算方式。是現(xiàn)在跟蹤目標計算過程中使用最廣泛的一種形式[11]。

3.2 運動模型的計算與掌握

根據(jù)上文中的講述我們可以很好地掌握其中的目標運動平均值計算，并且準確的將SOE的計算目標進行提取，準確的建立模擬形態(tài)。尤其是在進行(ER,EL)這種反方向計算過程中對于能量的提取。與此同時也可以在不同能量增加期間計算出其他能量的下降值。所以在進行計算定義期間文章將其中的像素描述點與計算點進行了平衡，使其處于一種垂直的狀態(tài)中。

在計算的過程中因為其中的E0主要是反應(yīng)的是靜態(tài)的量，對于動態(tài)中的量掌握的并不是非常準確，所以文章中將其中的{ES,EH,EV}等計算數(shù)據(jù)進行詳細的陳列，并且將其稱之為固定的具有規(guī)律性的運動指標，在計算期間將采用比較復雜的計算方式進行計算，并且構(gòu)建的模型為：

{SS(μS,σS);SH(μH,σH);SV(μV,σV)}

陳列圖如圖4所示。

圖4 陳列圖

其中的數(shù)據(jù)現(xiàn)象表現(xiàn)如圖5所示。

圖5 數(shù)據(jù)現(xiàn)象表現(xiàn)實圖

3.3 跟蹤目標的具體狀態(tài)監(jiān)測

對于跟蹤目標的監(jiān)督檢測中主要的狀態(tài)包括：無遮擋的動態(tài)與靜止狀態(tài)、遮擋部分的動搖與全部遮擋的動態(tài)。當然為了能夠更好的將其進行檢測與計算，文章會采用詳細的具體的使用狀態(tài)進行計算與核實，保證實施跟蹤期間的準確性。

4 結(jié)束語

綜上所述，文章主要針對現(xiàn)在的跟蹤技術(shù)中SOE檢測模式進行詳細的分析與探索，利用這些先進的科學技術(shù)進行解決其中出現(xiàn)的遮擋部分以及全部遮擋部分的計算與分析。其中主要的設(shè)計方法時對無遮擋部分的分析與計算以及對于遮擋部分的分析與計算。自適應(yīng)的背景下的目標跟蹤計算方式將其中的科學技術(shù)不斷進行升級與改善，并且在全部更新的技術(shù)上進行了強化。結(jié)合當前的社會科學發(fā)展技術(shù)對其進行更好的甄別，不僅保證了其中的技術(shù)分析以及在跟蹤計算中對于定量的掌握分析，將其中的目標跟蹤圖形與模擬進行詳細的計算與核實。保證跟蹤調(diào)查技術(shù)整體發(fā)展的進步與創(chuàng)新。

[1] 郇二洋,李 睿. 基于自適應(yīng)特征融合的粒子濾波目標跟蹤算法[J]. 計算機科學,2015(2):316-319.

[2] 夏天維,侯 翔. 基于自適應(yīng)Kalman濾波的機器人運動目標跟蹤算法[J]. 計算機測量與控制,2015(1):173-175.

[3] 劉明華,汪傳生,王憲倫. 基于多特征自適應(yīng)融合的均值遷移目標跟蹤算法[J]. 光電子·激光,2015(8):1583-1592.

[4] 劉 皞,趙峰民,陳望達. 一種基于背景自適應(yīng)的運動目標檢測與跟蹤算法[J]. 海軍航空工程學院學報,2012(1):15-18.

[5] 張立朝,畢篤彥,查宇飛,等. 動態(tài)特征和靜態(tài)特征自適應(yīng)融合的目標跟蹤算法[J]. 西安電子科技大學學報,2015(6):164-172.

[6] 劉振興,范新南,李 敏. 融合SURF特征的改進自適應(yīng)分塊目標跟蹤算法[J]. 計算機工程與設(shè)計,2016(2):454-459.

[7] 李 睿,劉昌旭,年福忠. 基于自適應(yīng)背景的多特征融合目標跟蹤[J]. 計算機應(yīng)用,2013(3):651-655.

[8] 陳 剛,楊 勇. 一種自適應(yīng)基于紋理和顏色特征的目標跟蹤算法[J]. 智能計算機與應(yīng)用,2013(2):54-57.

[9]DerpanisKG,WildesRP.Dynamictexturerecognitionbasedondistributionsofspacetimeorientedstructure[A].IEEEConferenceonComputerVision&PatternRecognition[C]. 2010, 23(3):191-198.

[10]BlackMJ.TheRobustEstimationofMultipleMotions:ParametricandPiecewise-SmoothFlowFields[J].ComputerVision&ImageUnderstanding, 1996, 63(1):75-104.

[11]FührG,JungCR.Combiningpatchmatchinganddetectionforrobustpedestriantrackinginmonocularcalibratedcameras[J].PatternRecognitionLetters, 2014, 39(4):11-20.

Research on Target Tracking Algorithm Based on Adaptive Background

Wu Xianping1, Shen Liangzhong2

(1.Zhejiang College of Security Technology, Wenzhou 325016, China；2.Wenzhou University, Wenzhou 325035, China)

With the social development and economic progress, China’s rapid development of science and technology, especially in terms of technical monitoring is a rapid development. In order to reduce the impact of the target occlusion, the target tracking algorithm is proposed based on the adaptive technology development in this area, which is used to improve the supervision and control technology of our country. This calculation is based on the identification and tracking of the first appearance of the basic observation of targets, will exercise its own for the average; second is calculated according to the running direction of the space target tracking and characteristics, to establish a complete model of the whole operation, according to the motion model and the whole state detection and control of the supervision of the target, this period will form an occlusion mask. The mask is a program data mapping into light rigid, very reliable in the program during use, and the manufacturing cost is relatively low, easy to use; the last is used in different situations with different parameters were collected, to adapt to the motion model of automatic operation. According to this calculation experiment is the use of two kinds of CAVIAR, York data is often used in the international test, and according to these two kinds of data to test the accuracy and multiple target tracking evaluation, the overall performance of detection and tracking. Through a number of research shows that this way of tracking performance is very good, and it can be very good to keep track of the robustness of the target.

adaptive background; target tracking method; motion model

2016-11-15；

2016-12-09。

2013年浙江省自然科學基金資助項目(LY13F010007)；2016年溫州市科技計劃項目(G20160029)。

吳賢平(1978-),男, 浙江永嘉人，碩士，高級工程師，主要從事計算機應(yīng)用技術(shù)方向的研究。

1671-4598(2017)04-0209-04

10.16526/j.cnki.11-4762/tp.2017.04.057

10.3969

A