方匡鈿 俞浩平

摘 要： 在分析運動目標跟蹤過程中遇到難點問題基礎上，提出利用OpenVC技術解決方案，并對運動目標跟蹤進圖像應用進行研究，力求提高系統(tǒng)運行速度和跟蹤效果穩(wěn)定性。

關鍵詞： OpenCV； 目標跟蹤； 視頻運動

中圖分類號： TP 39 文獻標志碼： A 文章編號： 1671-2153（2018）05-0094-03

0 引 言

計算機視覺（ComputerVision，CV）在人工智能領域已經(jīng)得到廣泛應用[1]，如：運動跟蹤、機器人視覺、人臉識別、自動駕駛等。這些技術長期被美日壟斷，市場進入壁壘高。從市場規(guī)模來看，2009年國內的計算機視覺市場規(guī)模為22億元，僅占全球份額8.3%。在中國制造2025的推動下，國內許多企業(yè)也在積極開拓產(chǎn)品線，將計算機視覺應用在智能制造和消費兩大領域，中國計算機視覺市場增速預計將在20%左右，2020年國內市場規(guī)模預計為54.7億元。后續(xù)發(fā)展?jié)摿薮蟆?/p>

OpenCV是一個基于開源的跨平臺計算機視覺庫[2]，提供多種語言的接口，能實現(xiàn)圖像處理和計算機視覺方面的很多通用算法，應用領域廣泛，如人臉識別、動作識別、運動跟蹤、機器人等。OpenCV提供標準的API接口，與其他函數(shù)庫兼容，簡化了計算機視覺程序和解決方案。系統(tǒng)編程可以用優(yōu)化的C代碼來編寫，系統(tǒng)運行速度得到可觀提升，并且能夠支持由英特爾公司（Intel）資助開發(fā)的IPP高性能多媒體函數(shù)庫，處理速度會得到大幅提升。

1 存在問題

視頻運動目標跟蹤技術是計算機視覺系統(tǒng)中重點研究課題之一，該技術將數(shù)字圖像處理領域中通過對靜態(tài)圖像分析擴展到動態(tài)圖像中，其研究成果對人們生活、工作有廣泛應用前景。目前許多科研人員在運動目標模型選取上也進行探索，對視頻運動目標跟蹤各種算法進行研究，但也遇到許多難題，如：目標在運動過程中發(fā)生形狀變化造成目標在圖象上外觀變化，這就加大了建模難度；雜亂變化環(huán)境很難將目標從圖像背景中區(qū)分開來；遮擋物干擾造成跟蹤算法要重新增加恢復機制；目標無規(guī)則運動增加了跟蹤算法的計算量。這些問題都有可能影響研究代碼運行速度和穩(wěn)定性，還有可能依賴硬件的一些解決方案（比如視頻監(jiān)控、制造控制系統(tǒng)、智能設備）和耗費很高的商業(yè)化軟（比如Halcon，MATLAB+Simulink）。這就大大增加了開發(fā)成本。

2 問題分析

目前諸多學者對運動目標跟蹤算法的研究大都在學術層面，研究算法有：基于檢測的差分算法、基于濾波算法、基于匹配算法[3]，各個算法相對獨立，如果運動目標碰到復雜環(huán)境，那么采用單一算法就無法解決因復雜問題對目標跟蹤圖像造成影響，解如問題關鍵是如何將3個算法有機融合，達到目標跟蹤圖像有較好效果，同時能減少計算復雜度，提高系統(tǒng)運行穩(wěn)定性。

因此，目標跟蹤圖像的處理在算法上是否可調用，這是解決問題的關鍵。高斯濾波法將目標跟蹤離散化多維窗口卷積成多個一維卷積?？梢詫D像處理復雜度從O（M×M×N×N）降到O（2×M×M×N），M和N分別是圖像和濾波器的窗口大小，從而降低了計算復雜度，對圖像起到平滑作用；滑動平均法能夠消除周期變動和隨機波動的影響，能夠把控事件發(fā)展趨勢；形態(tài)學濾波法對目標跟蹤圖像含噪信號進行處理，進一步去噪聲，濾波效果衡量標準是信噪比（SNR）和濾波誤差（E），提高目標跟蹤圖像效果。

3 運動目標跟蹤應用

（1） 要解決上述問題，首先要架構opencv視頻運動目標跟蹤平臺。打開視頻文件：先判斷文件路徑是否為空，執(zhí)行代碼為：如果文件路徑為空，則選擇視頻文件，這里調用了消息響應用MessageBOX（），OpenCV中的cvCaptureFromFile（）用于從.avi文件中讀取視頻，并返回CvCapture結構指針，否則返回?；贠penCV的視頻運動目標跟蹤平臺的搭建基本架構如圖1所示。

（2） 利用計算機視覺庫中的cvNamedWindow（）函數(shù)創(chuàng)建名為“視頻圖像、“背景圖像”、“前景圖像”窗口，調用cvMoveWindow（）函數(shù)進行窗口移動，使三個窗口排列有序，完成窗口設置后，逐幀讀取視頻，如果是第一幀，需要申請內存，并初始化，存放處理過前景圖像和背景圖像并轉換成矩陣格式。

目標跟蹤圖像針對復雜情況再處理，以便提高圖像質量和穩(wěn)定性。將背景圖像（灰度）和前景圖像（灰度）轉化為單通道圖像CvtColo（），進行高斯濾波調用cvSmooth（以平滑圖像；背景差分調用cvAbsDiff（）函數(shù)；二值化調用cvThreshold（）函數(shù)；形態(tài)學濾波Dilate（）及滑動平均法cvRunningAvg（）函數(shù)，視頻運動目標跟蹤應用流程圖如圖2所示。

4 結束語

本文針對目前視頻目標跟蹤過程中存在的各種問題進行了分析，設計了視頻運動目標跟蹤工作流程，借助OpenCV開源計算機視覺庫強大的函數(shù)庫功能，在問題分析的基礎上，進一步研究目標跟蹤的3種算法，針對運動目標在復雜環(huán)境下對圖像影響，調用了各種算法，編寫了系統(tǒng)關鍵代碼，并將各種算法有機融合，大大改善了目標跟蹤圖像的效果，從而提高了計算速度和目標跟蹤圖像穩(wěn)定性。為今后在計算機視覺領域研究提供借鑒。

參與文獻：

[1] ROBERT L. OpenCV計算機視覺編程攻略[M].北京：人民郵電出版社，2015：5-10.

[2] JOE M. OpenCV3.計算機視覺Python語言實現(xiàn)[M]. 北京：機械工業(yè)出版社，2016：25-28.

[3] RAFAEL C. Gonzalez/RichardE.Woods.數(shù)字圖像處理[M]. 北京：電子工業(yè)出版社，2003：163-175.

[4] 葉韻. 深度學習與計算機視覺[M]. 北京：機械工業(yè)出版社，2017：16-18.

[5] 周志華. 機器學習[M]. 北京：清華大學出版社，2016：258-268.

Abstract： On the basis of analyzing the difficult problems in the process of moving target tracking， this paper puts forward the solution of using OpenVC technique and tracking the moving target. The application of image is studied in order to improve the speed of system operation and the stability of tracking effect.

Keywords： OpenCV； target tracking； video motion

（責任編輯：徐興華）