基于LabVIEW的运动物体跟踪系统实现

基于LabVIEW 的运动物体跟踪系统实现
李化东1，吴明光1，陈大力2，徐白露3
（1.浙江大学工业控制技术国家重点实验室，信息科学与工程学院，杭州310027；
2.东北大学信息科学与工程学院，沈阳110004；
3.浙江大学生物医学工程与仪器科学学院，杭州310027）
摘要：运动目标跟踪系统在讲座录制、安防监测和工业生产等诸多领域具有重要意义。

但这类系统在
设计上大多局限于传统仪器的概念范畴。

本文介绍了一种适用范围较广的基于LabVIEW 的运动目标跟踪系统。

应用模型匹配技术和在LabVIEW 环境下的IMAQ Vision 模块来构架该虚拟仪器形式的系统。

最后，对应各性能指标提出相关的优化解决方案，根据对比实验的验证数据探讨相关参数设置。

该系统在实际应用中性能可靠，高效灵活；优化方法的实施显著地提高了系统的跟踪效果。

关键词：LabVIEW ；IMAQ Vision ；运动物体跟踪中图分类号：TP273
文献标识码：A
文章编号：1001-7119（2009）03-0332-05
Implementation of System for Moving Objects Tracking Based on LabVIEW
LI Huadong 1，WU Mingguang 1，CHEN Dali 2，XU Bailu 3
（1.State Key Lab.of Industrial Control Technology ，College of Info Science and Engineering ，Zhejiang University,Hangzhou 310027，
China ；2.College of Info Science and Engineering ，Northeastern University ，Shenyang 110004，China ；3.College of Biomedical
Engineering and Instrument Science ，Zhejiang University ，Hangzhou 310027，China ）
Abstract ：Moving objects tracking system has an important effect in many fields such as recording lectures,monitoring and controlling in security system ，and industry production.However ，being considered in design ，this kind of systems is almost limited in the conceptual category of traditional instruction.This paper presents the system for moving objects tracking based on LabVIEW can be used in many fields.The application of pattern matching technique and IMAQ Vision module in LabVIEW constructs the system formed with virtual instruments.Finally,the optimized solutions are proposed according to various performance parameters and the related parameter setting is discussed based on the validated data of the contrast experiments.This system is reliable,flexible and efficient,and its tracking effect is improved by optimization approaches remarkably.
Key words ：LabVIEW ；IMAQ Vision ；moving objects tracking
收稿日期：2008-03-03
基金项目：浙江省科技厅攻关项目(2008C21SA170002)
作者简介：李化东(1984-)，男，辽宁大连人，硕士研究生，研究方向为虚拟仪器、智能家居、信息家电、楼宇自动化。

Vol.25No.3May 2009
第25卷第3期
2009年5月
科技通报
BULLETIN OF SCIENCE AND TECHNOLOGY
第3期
0引言
视觉检测技术是利用视觉手段获取被测物体图像与预先已知标准进行比较，从而确定被测物体的状况。

该项技术常常以视频监控系统的形式被人们广为利用，在当前有着庞大市场需求，如讲座录制、安防监测、电视监控和工业检测等诸多领域。

早期的视频监测由人工操纵各路摄像机信号在主控室的屏幕上显示，需要投入大量人工监测情况的变化；如此方式难以适应当代操作智能化、自动化的发展要求。

［1］
目前，基于虚拟仪器的运动物体跟踪系统应用前景良好，电子测量仪器发展中出现的虚拟仪器概念已经逐步地被工业视觉领域所接受，其中基于LabVIEW虚拟仪器的对监控系统发展具有明显地推动作用。

国内基于该项技术在图像处理方面较多是对于静态图像的研究，对动态图像处理研究上处于起步阶段。

本文针对讲座录制、安防监测等需求开发了基于LabVIEW的同步跟踪系统，解决了因跟踪动作过慢或不准确造成的目标丢失的问题，具有界面友好、性能可靠、操作灵活、结构简单等特点。

对在其他复杂环境下的应用也具有一定的适应能力。

1系统结构及硬件配置
系统结构如图1所示，该闭环随动系统由图像采集、信号处理、随动装置三部分构成。

系统硬件部分由光学镜头、CCD摄像头、图像采集卡、工控机以及系统随动平台等组成。

光学镜头（COMPUTAR）、CCD摄像头（MTV-1881EX型）和图像采集卡（NI-PXI-1409型）构成了图像采集部分，完成图像的采集和转换；工控机（NI-PXI-1402型）作为信号处理部分是整个系统的基础，是图像抓取、跟踪目标选择、模板学习、模型匹配和运动目标标识等功能程序的载体；系统随动平台作为随动装置具体控制图像采集部分动作。

2软件平台
2.1LabVIEW软件
LabVIEW是实验室虚拟仪器工程工作台（laboratoryvirtualInstrumentengineeringworkbench）的缩写，它是一个编程环境，用户可用图形符号编程（通过数据流实现连接功能节点）。

这是一个与科学家和工程师互动的程序开发和执行系统设计。

对物理等基础学科研究有重要的意义。

LabVIEW开发环境可以是Windows、Mac OS X或者Linux［2］。

2.2IMAQ Vision
IMAQ Vision软件在LabVIEW中增加了机器视觉和图像处理的功能，其提供大量的图像预处理、图像分割、图像理解函数库和开发工具，可用于完成灰度、彩色以及二值图像的显示图像处理（包括统计、滤波和几何变换）形状匹配、斑点分析、计算和测量等［3］。

用户可以很方便地进行需要的图像采集分析，创建功能强大的嵌入式图像应用系统，与用传统的文本语言进行图像处理系统的开发相比，大幅度地降低了实现难度和开发的周期［4］。

3应用软件及系统实现
3.1模型匹配原理
模型匹配是当前最常用的图像处理方法之一。

本文中所述系统使用的基于IMAQ Vision模型匹配技术采用了三种新方法：高效率的非均匀图像采集、与旋转和大小比例无关的样板信息提取、以及图像的几何建模［5］。

3.1.1模型匹配算法
传统的模型匹配是将已知的图像模板和图像中同样尺寸的某区域图像作对比。

匹配初始化时模板原点和图像原点重合，以像素平移的方法将模板和原图像中同样尺寸的区域去对比，所有的位置都比对完毕，最小差异图像就是匹配的物体图像。

传统模型匹配方法对匹配对象的大小比例和角度的变化有很大限制，且处理速度较慢［5］。

而本论文的算法考虑在出现图像旋转和灰度级变化等实际情况，根据允许匹配对象可以有范围的旋转和有限定的比例变化。

即使是在照明状况有均匀变化、镜头聚焦不良和部分图形未被扫描的情况下，也能取得较满意的结果，同时极大提高模型匹配的处理速度。

3.2系统模型匹配的实现
图像采集信号处理
随动装置
图1系统结构
Fig.1Frame of the system
李化东等.基于LabVIEW的运动物体跟踪系统实现333
科技通报第25
卷
图2给出了运动物体跟踪系统的软件用层次图的形式表示，最下层是对硬件的驱动，是将软件和硬件连接的媒介；再上一层是LabVIEW 环境下编写的应用程序，图像处理相关部分根据实际需要调用的IMAQ Vision 函数库。

业务实现过程如下：首先对由CCD 摄像头采集得到的连续图像在时间序列上根据分辨率、精确度、实时性等需求获取不同尺度的静态图像；接着根据实际需要选择跟踪对象作为模板；然后模板学习，提取模板信息；最后IMAQ Vision 的数据库支持模型匹配和运动目标标识部分的图像处理。

3.3业务实现流程
图3是原型系统的相关实现，实现过程中，跟踪
目标的位置由目标中心在窗口的x 、y 坐标描述，具体是在Control&Display Panel 里的Coordinate x 和
Coordinate y 显示，坐标轴以Learn Pattern 窗口定制，其左上角为（0，0）。

由其出发向左指向为x 轴正方
形，向下指向为y 轴正方形。

单位选定为图像采集像素。

以硬币为跟踪对象为例来说明，Learn Pattern 窗口显示，其坐标在Coordinate x 显示为97.499，在
Coordinate y 显示为105.996。

该系统此时设置的窗口大小为300×300。

3.3.1图像的采集和抓取
在MAX 中给数据采集卡参数设置好，建立前面板的虚拟操作面板后，开始后面板程序。

首先采集卡数据在IMAQ Init 初始化，提取出需要的数据属性传递给IMAQ Create 开始LabVIEW 软件初始化。

而在IMAQ Grab Setup 中对于要连续采集抓取的图像在缓冲区里开始设置，数据给IMAQ Grab Ac -
quire ，它将当前采集到的在缓冲区的图像进行复制
保留。

在循环结构中将采集到的静态图像循环抓取就形成了动态图像。

最后在IMAQ Close 将与这次抓取相关的资源释放。

3.3.2跟踪目标选择
进入到软件处理阶段，要对感兴趣的运动物体进行跟踪就要在采集到的背景中将其选择出来。

为了在跟踪目标选择的这一子过程里仍然保持对目标所在背景的监视，所以在得到静态的图片的同时，硬件采集的动态图像在Search and Track 窗口显示。

在程序中的实现流程为将硬件采集信号由另一路的IMAQ Grab Acquire 模块的循环抓取。

3.3.3模板学习
选好跟踪目标后开始学习存储在内存里的模板。

将得到的Iamge 格式的数据经过IMAQ Setup
Learn Pattern2和IMAQ Learn Pattern2处理。

其中学
习模式设置函数（IMAQ Setup Learn Pattern2）用于
设定建立样板模型时的学习模式。

学习模式有三种：仅允许样板位移模式，仅允许样板旋转模式，以及允许样板位移和旋转模式。

学习建模函数（I -
MAQ Learn Pattern2）运用前面所述的模型匹配算
法将样板的原始图像转换成描述数据形式的样板模型。

供后面的模式匹配使用。

3.3.4模板匹配
模型匹配函数可提供所有查找到的匹配对象的检测结果，其中包括匹配对象的数目、位标坐标、旋转角度、大小比例和相似程度计分（以1000分为满分）。

模型匹配函数有IMAQ Setup Match Pat -
terns2和IMAQ Match Pattern2等相关函数的配合才能得到正确的结果。

模型匹配参数设置（IMAQ Setup Match Patterns ）：用于集合最小对比度和匹配模式等多种参数。

模型匹配模块（IMAQ Match Patterns ）：用Template 在imag0中匹配模型，还可以对跟踪加以控制，如相似程度计分（Minimum Score ）、匹配对象的数量（Number of Matches Re -quested ）等。

壅
垡IMAQ Vision
（Vision Software Functions ）
Image Analysis
Blob Analysis
Pattern Matching
Gauging and Measurement Morphology
Display and
ROI
Filtcrs
Color Matching and Analysis
LabVIEW （Application Software ）
NI -IMAQ （Drive Software ）
图2
软件层次图
Fig.2Levels of the software
334
第3
期
3.3.5运动目标标识模型匹配后，生成传递匹配信息给Draw Pat -
tern Matches Position （coordsys ）模块来，在这个过程
里将匹配的Template image 图像用红色框图框起，并且其中心位置加以准星标识。

图4为模型匹配和运动目标标识的部分程序。

4
系统的优化方法
4.1
光源对跟踪目标的影响
跟踪目标需要把图像中包含的信息通过算法
提取出来，正是因为所需要的大量信息包含在图像之中，图像本身的质量,即图像采集对整个视觉系统是非常关键的［6］。

照明对工业视觉系统输入是很重要的，因为它对输入数据的质量和部分应用效果有直接的影响。

本系统使用白炽灯光源，采用背向照明方式，使得背景光尽量柔和均匀，提高了图像的对比度，得到的图像比较容易提取边缘。

同时跟踪对象的光学性质也一定程度上对跟踪效果产生影响。

如图5，就是在非背向方式不均匀照射的硬币跟踪情况，显然无法锁定目标，效果不佳。

4.2跟踪目标尺寸变化的影响
本系统所使用的IMAQ Vision 模型匹配更加智
能化，对于跟踪目标尺寸一定程度上的变化可以继续跟踪。

这样对于现场多变化的环境就有更强的适应能力。

由于实验条件所限，虽然对变化还无法特别精确的量化说明，但还是在表1中列写实验数据说明。

数据均是采集于同样对比度等控制参数设置的条件下得出的。

跟踪目标选择不同直径的圆形物体，对能系统继续跟踪到的放大上限和缩小下限记录说明。

由表中数据可得，平均放大比例为1.17，平均缩小比例为1.16。

4.3跟踪控制参数的设置
对于不同工业现场的环境和要求跟踪目标的
具体情况，跟踪控制参数的设置也是在不断变化的。

在本系统中的前面板的Control&Display Panel 有
Match Mode 、相似程度计分（Minimum Score ）、Mini -mum Contrast （相似对比度）、匹配对象的数量（Number of Matches Requested ）等。

在实际应用中
较重要的是相似程度计分，满分为1000的相似程度度量。

在经过一系列实验后发现700左右是一个较好的相似程度。

如果相似程度计分太高，在很好的环境下也可能识别不出选择的原目标；如果相似程度计分太低，那么误判率明显升高。

另外在对匹配对象数量的设置也特别关键，这个参数的设置就是规定了跟踪对象被识别的上限。

如果跟踪目标的个数有确切的了解，可以考虑将其合理设置，可以一定程度上降低误判率。

与之对应的是已跟踪目标个数显示，从这个参数来说明当前的识别情况。

如图6所示的是应用于讲座录制情况的实例，通过前期对各参数的合理设置解决了因跟踪动作过慢或不准确造成的目标丢失的问题，可得到较好的效果。

5
总结
实验表明本系统通过对采集信号的高效率非
原始直径／cm 2 2.53 3.54 4.55放大后直径／cm 2.7 2.9 3.44 4.7 5.1 5.6缩小后直径／cm 1.6 2.1 2.43 3.6 3.9 4.5放大比例
1.5 1.16 1.13 1.14 1.18 1.13 1.12缩小比例
1.5
1.19
1.25
1.16
1.11
1.15
1.11
表1
尺寸变化的跟踪目标参数测量数据
Table1The measured data of parameters of
mutative -dimension tracking objects
李化东等.基于LabVIEW 的运动物体跟踪系统实现335
科技通报第25
卷
参考文献：
［1］Chih-Chien Wang，Sheng-Yi ing header session message to anti-spamming，22December2006
［2］Mehran Sahami，Susan Dumais，David Heckeman，et al.
A Bayesian Approach to Filtering junk E-mail［C］／／.
Learning for Text Categorization：Papers from AAAI
Workshop.Madison，Wisconsin，1998，55-62
［3］I Androutsopoulos，J Koutsias，KV Chandrinos，CD Spy-ropoulos.An experimental Comparison of Naive
Bayesian and Keyword-Based Anti-Spam Filtering with Encrypted Personal E-mail Messages［C］／／Proceedings of the23rd Annual International ACM SIGIR Confer-
ence on Research and Development in Information Re-
trieval（SIGIR2000），Athens，Greece，20001，60-167.［4］R L Rivest.The MD5Message Digest Algorithm［J］.
RFC1321，April1992
［5］R L Rivest.The MD4Message Digest Algorithm［J］.
RFC1320，April1992
均匀图像采集、与旋转和大小比例无关的样板信息提取、以及图像的几何建模等图像处理来模型匹配，实现了优于传统方法的跟踪处理速度；其还有界面友好、操作简单、通用程度高等特点，具有良好的应用前景。

本系统还可以考虑结合MATLAB强大的数据处理能力提高对图像的处理；另一方面也可将其网络化，扩大应用范围，满足更多不同现场要求。

参考文献：
［1］FJJiménez，J De Frutos．Virtual instrument for measure-ment，processing data，and visualization of vibration pat-
terns of piezoelectric devices，Computer Standards&In-
terfaces［J］，2005，27（6）：653-663．
［2］Jeffrey Travis，Jim Kring．LabVIEW for Everyone：Graph-ical Programming Made Easy and Fun（3rd ed）［M］.
America：Prentice Hall，2006，8-9．
［3］er Manual［M］.National Instruments Cor-poration，2004．
［4］岳晓峰，权海生，杜微．基于虚拟仪器技术的活塞表面字符识别［J］，机械工程师，2005，12：26-28．
［5］王思华．计算机视觉新技术及其在IC标记质量检验中的应用［J］，电子技术应用，2000，9：25-33．
［6］章毓晋．图像工程（中册）［M］.北京：清华大学出版社，2007，15-16．
（上接第331页）336。