基于自适应灰度模板的地面动目标匹配方法

计算机与多媒体技术
Computer And Multimedia Technology
电子技术与软件工程
Electronic Technology & Software Engineering
基于自适应灰度模板的地面动目标匹配方法
李春林 徐好*吴琳拥
(四川九洲防控科扌支有限责任公司 四川省绵阳市 621000 )
摘 要：本文针对红外视频监控中的行人快速检测跟踪难的问题，提出了一种基于自适应灰度模板的动目标匹配方法，利用帧间差分
和形态学处理实现的对地面运动目标的检测，然后利用灰度相关计算、以及基于置信度的模板更新策略实现目标的自适应匹配跟踪。

算法 计算复杂度低，仿真实例结果验证了通过该算法可以准确检测目标位置，确定目标区域，通过模板更新稳定匹配跟踪目标。

关键词：灰度；模板更新；形态学；目标匹配
地面环境较为复杂，在复杂背景下如何能够及时并且稳定的发 现、锁定和跟踪目标，是地面动目标的快速检测跟踪是监视和告警 系统的重要组成部分。

红外图像中的行人跟踪问题是计算机目标检 测跟踪领域较为活跃的课题之一 2】。

例如夜间智能监控，周界防 护，要地安防等。

由于行人是非刚体目标，形态较为多变，运动状 态随意且无固定规律，无法采用常规的运动模型来估算，另外红外 图像为灰度图像，没有色差并且可利用的特征有限。

目前常用的图 像序列中运动目标的检测方法有背景相减法、光流法以及基于特征 的方法等件役但由于地面背景的复杂性，这些方法都还不很完善，
往往存在计算复杂度高，抗噪声能力差等缺点。

而且由于红外监控 和告警系统中对精度和实时性的要求，导致一般的算法都存在不同 程度的局限性。

本文针对复杂地面背景下红外图像的特点，提出了基于灰度模 板的目标匹配方法。

模板匹配可以利用任何疑似目标作为一个连通 区域，通过区域特征、灰度值等09］在帧间检测时等方面进行图像 相似程度的判断。

由于其中图像灰度可利用的特征点较为有限，并 且特征提取的方法运算量往往较大，因此灰度常被用做目标状态和 属性的判断的主要依据。

通过帧间差分、二值化图像、形态学滤波 处理得到更加清晰的连通区域标记完成目标的检测，然后选取模板 并充分利用灰度进行相关计算，最后确定匹配的区域。

算法的基本
流程如图1所示。

1目标检测
目标检测是通过帧间差分、二值化图像、形态学滤波处理得到 更加清晰的连通区域并进行目标位置的标记，为后续的模板选取和 匹配提供连通区域的位置［8'101o
1.1帧间差分法
帧间差分法为某两帧图像的差分，两帧图像相邻两帧图像差分 和间隔数帧图像差分。

首先，计算相邻两帧或者间隔数帧的两帧图 像之差。

帧间差分法对背景缓慢变化适应性强，对目标运动的检测有较 高的灵敏度。

但是利用帧间差分法对两帧间目标的重叠部分不容易 检测岀来，容易造成目标提取不完整，不利于进一步的对象分析和 识别，检测处理的目标比实际的目标大一些，存在较多的伪目标。

针对该算法的缺点，考虑将图像作膨胀处理后再闭合处理，获得更 容易识别的连通区域，为目标位置的检测提供可靠依据⑺。

1. 2形态学处理
形态学处理的基本步骤如下［10-,,］：
图像二值化处理。

根据公式(1)对差分后的图像的各灰度按 照一定的阈值进行数值0和1的判断；
仇
（x ，y ） =o,q （x,y ）＞r i,q （3）"
其中T 是二值化设定阀值。

（1）
对二值化后的图像进行膨胀和腐蚀的数学形态处理。

膨胀是在 二值图像中“加长”或“变粗”的操作，腐蚀则是“收缩”或“细 化”二值图像。

对二值化和形态学处理后的区域进行连通分析。

连通分析则是 判断连通区域的大小是否满足给定阈值的要求，若满足阈值条件则 认为检测到目标，并确定连通区域的最小外接矩阵。

2目标匹配2. 1灰度关联计算
图像灰度可利用的特征点较为有限，并且特征提取的方法运算 量往往较大，因此常用灰度做目标状态和属性判断的主要依据。

该 方法则是通过判断待匹配图像与模板图像的灰度相互关联值来确定 匹配程度。

互相关值最大时的搜索窗口位置决定了模板图像在待匹
配图像中的位置［,0-,2］o 互相关定义为以下形式：
工工厂(加,n)F(m + i,n + j)
尸(心)£
工尸(加+ " +丿)
V ”=1 n=l
m=l n=l
\ 2.)
2. 2模板更新
模板选择通常有固定模板和自适应更新模板。

模板自适应更新 是指对完成模板匹配后，使用逐帧更新或者按照一定的规则自适应 地对匹配模板进行更新。

为了保证跟踪的稳定性，在相关跟踪中应 跟踪置信度来修正模板。

模板更新方法描述如下【°叫
T(m,n,k + \) = + (3 )式中，T(m,n,k)为第k 帧的匹配模板，O(m,n,k)为第k 帧最佳 匹配位置的子图像，T(m,n,k+1)为第k+1帧的更新模板，a e ［0,l ］由 帧内相关置信度来确定［11-，41o
O,C o > T\orC Q < T\andC x > T 2
«=■ (T 2-C x )/(T 2-T 3\T 3<C x <T 2
(4)
进行模板更新的步采用帧间置信度和帧内置信度想结合的判断
方式，置信度判断策略夢成分段函数形式如(4)所示。

如果C 。

大 于某阀值T1,即&和斤差值较大，则判断当前帧与前面几帧之间 相关性下降，此时令从式子(3)中得出选择当前帧最佳匹 配区域作为更新后的模板；如果帧间相关置信度C 。

小于阀值T1, 则判断当前帧与前面几帧之间还存在一定的相关性，则进一步进行
帧内相关置信度G 的判断，如果G 大于阈值T2,则认为该匹配点 很可靠，此时令0=0,选择当前目标区域图像作为下一帧匹配模板； 如果G 处于T3和T2之间，则说明该匹配点较为可靠，但是需要 加入新模板的信息进行模板更新，此时令a = (T 2-C })/(T 2-T.); 若G 小于T3,匹配置信度太低，该匹配点不可靠，令a=l,即模 板不更新。

3实例分析
•基金项目：四川省科技计划项目(2018GZ0501 );四川省重大科技专项(2018GZDZX0023 );绵阳市科技成果转化项目(2018CGZH004 )。

136
电子技术与软件工程
Electronic Technology & Software Engineering
计算机与多媒体技术
Computer And Multimedia Technology
利用地面背景下行人的红外视频进行算法的仿真分析。

利用第
k 帧，如图2 (a),进行帧间差分处理，，差分处理后的行人动目 标连通区域并不明显，然后利用形态学膨胀和腐蚀处理后的动目标
显示如图2 (c)所示，连通区域较为连贯且清晰，图2 (d)红色 框图中为行人目标检测的结果。

根据行人的一般身形特点，利用检测出的目标位置选取长方形 的模板见图3 (a),并且灰度相关计算，进行行人的匹配跟踪。

结 果如图3,对行人目标从第20帧到第80帧均能稳定跟踪，也表明 了该方法的稳定性和有效性。

4结束语
首先利用帧间差分算法进行运动目标位置的初步判断，由于两 帧间目标的重叠部分不容易检测出来，容易造成目标提取不完整， 不利于进一步的对象分析和识别，检测处理的目标比实际的目标大 一些，存在较多的伪目标。

针对该帧间差分法的缺点，考虑将图像 作膨胀处理后再闭合处理，获得更容易识别的连通区域，为目标位 置的检测提供可靠依据。

然后再利用标记的连通区域进行一定大小 的灰度模板选取，利用灰度相关算法、模板更新策略实现的对地运 动目标检测，并且通过实例说明了该算法的可行性和稳定性。

参考文献
[1] 郭永彩，胡瑞光，高潮.基于图像运动区域的红外多行人跟踪
[J].激光与红外,2009, 39 (8): 891-894.
[2] La ieck i J, Miez ianko R. Tracking motion object s in
inf raredvideos[C]. IEEE Int.Conf.on Advanced Video and Signal Based Survei 1 lance,Como,Italy,2005: 652-657.
⑶张远斌.地面背景的红外目标跟踪算法研究[D].武汉：华中
科技大学.2015: 1-22.
⑷唐晓宁.序列红外图像中实时地面目标跟踪的研究[D].上海
交通大学,2003: 8-30.
[5]王江涛，王建国，杨静宇等.基于梯度方向一亮度联合空间的
红外人体跟踪[J].仪器仪表学报,2008, 29 (3):493-498.
⑹杨大伟，夏团结等.多帧数据关联的杂波红外弱小目标跟踪方
法[J].上海航天, 2017, 34:67-72.
[7] 侯旺，欧阳红军等.基于复杂地面背景序列图像的运动弱小目
标检测[J]. 2013, 39 (2): 168-173.
[8] 张应辉，刘养硕.基于帧差法和背景差法的运动目标检测[J]. 计算机技术与发展,2017, 27 (2): 25-28.
[9] Yang C, Zhang L, Lu H, et al. Saliency detection via graph-based manifold ranking [C]. Computer Vision and Pattern Recognition (CVPR), 2013 IEEE Conference on. IEEE, 2013: 3166-3173.
[10] 冈萨雷斯.数字图像处理[M].北京：电子工业出版社, 2005: 252-284.
[11] 王慧峰，战桂礼，罗晓明.基于数学形态学的边缘检测算法.研
究及应用[J].计算机工程与应用, 2009, 45 (9): 223-226.
[12] 张毅.红外弱小目标图像增强与目标匹配[D].成都：电子科
技大学,2010: 10-28.
(a )第fk 帧(c)形态滤波后图像(b)二值化图像
(d )检测出运动目标
图2:动目标检测
(a)模板图像(b) 80目标匹配结果
图3:目标匹配结果
[13] 丁德峰.运动目标的检测、识别与跟踪技术研究[D].西安：
西北工业大学，2007: 10-35.
[14] Tsai Y M, Tsai C C, Huang K Y, et al. An intel 1 igent visionbased vehicle detection and tracking system for automotive applicat ions[c]. Proceedings of 2011 IEEE international con-ference on consumer electronics. Seoul , Korea: IEEE, 2011: 113-114.作者简介
李春林(1984-),男，重庆市人.高级工程师.研究方向为雷达 系统和雷达信号处理.
徐好(1986-)(通讯作者)，女，硕士学位，工程师.研究方向 为低空目标探测与防御技术
吴琳拥( 1973-),男，四川省人.高级工程师.研究方向为雷达 系统技术.
137。