一种基于Kalman滤波器的运动目标检测和跟踪算法

目前，很多高职院校已开设手机维修技术 课程， 与其它电类课程相比， 此课程有着自身的 忽 特殊性，教师如果忽略学生课堂之外的学习、 能力对专业课程的支 略课程之外学生综合素质、 撑作用， 势必不利于学生长远发展， 也会反过来 找准专业能力与综 影响课程的教学效果。因此， 合素质培养的结合点， 构建培养目标下的教学模 式和评价体系， 真正做到不仅授之以鱼， 更要授 之以渔， 就显的尤为重要。 1 课程教学中普遍存在的不足 手机维修技术的特殊性不仅体现在要求学 习者具备扎实的专业理论基础，娴熟的维修技 能， 更要具备大量的阅读、 分析图纸的习惯， 利用 收集资料的能力， 注重实践的精 多种方式查阅、 神， 具备严谨的工作态度和强烈的责任心， 过硬 的心理素质也不可或缺。由此可见， 一门手机维 素质培养的 修技术课程的背后隐含着众多能力、 重任。 然而， 很多教师仅仅围绕着课本、 课堂的传 统方法来组织教学， 注重知识的传授而忽略能力 素质的培养， 注重教
－42－
文
化
教
育
高职 “手机维修技术” 课程素质教学探索

李 翊
（常州科教城 轻工职业技术学院,江苏 常州 213164 ）
摘 要：在高职手机维修技术课程中， 将学生专业能力培养目标与综合素质提升相结合， 进行教学体系的系统构建， 注重非专业因素对专业教 学质量的影响， 将学生的认知、 态度、 行为、 沟通、 协作、 责任心等综合素质的培养贯穿于专业课程的教学之中， 使手机维修技术课程的教学， 更好的 体现出育人的效果， 实现教书与育人的统一， 为学生今后的可持续发展奠定基础。 关键词：系统构建； 综合素质； 专业能力； 手机维修
本文由shelihuang贡献
科
技
论
坛
一种基于 Kalman 滤波器的运动目标检测和跟踪算法
余 萍
摘
谢 昊
（华北电力大学 电气与电子工程学院， 河北 保定 071003 ）
要：视频或图像序列中的运动目标检测与跟踪已成为计算机视觉领域研究的重要方向之一。 本文实现了视频序列中的运动目标检测， 使用
理论 上有一定深度， 涉及具体技术细节， 对前置课程 依赖性比较强，在实践上要求掌握新的操作技 能， 对学生综合能力、 素质的要求也更高， 这是教 很多学生在这一阶段 学中最重要最核心的阶段。 往往因为听不懂， 学不会而产生畏学情绪， 甚至 丧失学习的信心。 因此， 这部分教学应采用 “细嚼 “ 、 的方式， 注重学生学习效果和 慢咽” 补旧讲新” 自信心的建立。在充足课时前提下， 对理论教学 内容进行细化分解处理， 对单个知识点一定要讲 知识点衔接要注重逻辑关系 清， 讲明， 不留死角。 的讲解。同时， 重视前置课程知识在此课程中的 支撑作用， 在对其巩固、 加强的前提下才能进行 新课的讲解。 实践环节教学应以讲解、 示范、 练习 要对操作规范、 为主， 以分组方式进行。练习前， 维修注意事项、 职业纪律进行考核， 合格者才能 进入练习环节。 在实践过程中， 教师要不断巡视， 纠正。 发现问题及时点评、 4.3 应用： 整机电路识读 （NOKIA8210、 MO） 故障分析排除。应用层次是将应知、 应 TOV60 、 也是考察学生综 会阶段的学习具体运用的过程。 合能力素质的过程。读图练习中， 要求学生能画 出两款手机整机框图， 以信号流程为主线， 描述 整机工作原理， 描述之后， 教师应在图纸上设理 论故障， 要求学生分析故障现象和检查思路。此 部分考核采用口试。 口试合格方能进入实物排故 环节。排故环节中的故障应在电源、开机线、 复 位、 时钟、 射频收发等常见故障点设置， 使故障现 象明显， 故障位置易于判断， 使其达到理论验证 的效果。 评价在整个体系中处于鉴定环节， 对需求、 目标的执行质量进行评定， 同时也是反馈信息的
学任务的完成而忽略对细节 的考核， 造成重教轻学， 重理论轻实践， 重成绩轻 相当数量的学生往往是学完了课程 能力的结果。 却不能修手机， 即使维修也易出现设备的非正常 表面上看是由专业能力 损坏。上述现象的出现， 的不足所造成， 其背后却隐藏着素质教育的忽略 和缺失。 2 课程能力素质需求 课程需求应包含职业能力、 综合能力、 素质 职业能力的获得是课程教学 支持三个需求层面。 最直接目标，但却依赖于综合能力和素质的支 塔底层的宽 撑。三者之间犹如一个金字塔关系， 度决定了塔的高度与稳定性。因此， 教学不应是 只追求学生职业能力获取的过程， 构建一个完整 金字塔才是教师最终的使命。 3 制定教学目标应关注的事项 理论上， 需求与目标是一致的。但教学目标 的制定要考虑可行性， 这受到教学软硬件条件的 限制。手机维修需要大量的仪器设备和各类工 具， 教学中的器材损耗也会较大， 教学资料的收 集也有一定难度， 这些因素在不同程度上制约了 为教学的 该课程的教学。尽量完善软硬件平台， 合理、 高效开展提供保证， 也是需要去积极关注 的重要方面。 4 教学实施与评价建立 教学如何开展直接关系到教学的导向和效 果， 在整个教学体系中处于核心地位。其着眼点 应放在学生素质和综合能力的培养上， 将职业能 力获取的过程视作实现前者的途径。 基于上述观 点，我们将手机维修课程教学内容归纳为应知、 应会、 应用三个层次。这三个层次不仅是专业知 识、 能力深度上的递进， 同时也是学生素质培养
值可 由于 Kalman 滤波跟踪到的目 帧为背景， 为背景差法得到的检测结果， c. d.为 逐帧自适应调整。 进行二值化后的检测结果， 为中值滤波且去 标是要跟踪目标的中心，那么利用形心跟踪易 e. 图 除了噪声了之后的检测结果。f. 为检测到的目 得到中心运动轨迹。 2 为 Kalman 滤波跟踪得 标。由图 1d.可以看出， 由于存在着噪声的干扰 到的试验结果。 图 2 中，黑色框代表运动目标实际的运动 以及目标与背景图像之间往往有小部分颜色或 灰色框代表 Kalman 滤波器估计的运动状 灰度相似，二值化后得到的图像中往往会含有 轨迹， 可见 Kalman 滤波可以较为准确的估计出运 小区域、 小间隙和孔洞， 因此， 我 态。 许多孤立的点、 们需要将孤立的点、 小区域去除， 并且将小间隙 动目标的下一个状态，得到较为准确的跟踪效 连接， 同时又应该将小孔洞填充。图 1e.中利用 果。 (下转 167 页)
的三个阶段。 4.1 应知： 手机发展史、 移动通信系统组成、 手机组成结构、 手机使用维修常识、 读图方法。 应 知部分理论要求不高，是课程学习的入门阶段， 属了解、熟悉和记忆的范畴。教学重心应放在 “学” 教学方法以讲授、 上。 参观调查为主。 参观调 查结束， 提交调查笔记。其目的是增加学生对所 学知识的感性认知，产生对课程的学习兴趣， 锻 炼学生的沟通能力， 对信息的分析、 归纳、 总结能 学生事先没有自 力。讲授是在学的前提下讲授， 我学习过程的教学， 其质量必将大打折扣， 因此 每堂课之前， 学生必须提交预习笔记， 对有疑问 的知识点重点讲解。每周提交一次复习笔记， 以 检查教学效果， 所有笔记成绩计入总成绩。笔记 可以有效避免作业中的抄袭、 抄书情况， 需要学 生对知识进行全面的整理、 加工， 形成学习的线 索。 4.2 应会：多址接入技术、语音处理技术、 GMSK 调制解调技术、 射频处理技术 焊接技术、 元件检测技术、 信号检测技术。应会部分在
理， 确定目标在图像上的位置。 3 运动目标跟踪原理 运动目标跟踪就是在一段视频序列中的每幅图 像找到所感兴趣的运动目标所处的位置，以便 进行跟踪、 分类或识别。 现有的目标跟踪算法基 本可分为两种：波门跟踪算法和相关跟踪算法 [4] ，波门跟踪算法非常易于实现的跟踪算法， 有 边缘跟踪、 双边缘跟踪和形心跟踪等。 本文使用 了形心跟踪进行了运动目标跟踪。 但是， 目标的 剧烈运动往往会造成目标从波门中快速移出， 因此本文运用了 Kalman 滤波的 造成目标丢失。 方法实验了形心跟踪，得到了较为良好的跟踪 效果。 Kalman 滤波器是一种在时域内采用递归 滤波的方法对系统状态 进行最小均方误差估计 的方法，具有计算量小， 可实时处理的特点， 场景 中得到运动目标在每一 c. b. a. 帧图像中的位置构成了 运动的轨迹。 Kalman 滤 波器的滤波环路原理是： 利用反馈控制系统估计 运动状态，该过程分两 步： 预测和修正。预测部 f. e. d. 分负责利用当前的状态 图 1 背景差法运动目标检测结果及优化 和误差协方差估计下一 时刻的状态， 得到先验估 计；修正部分负责反馈， 将新的实际观测值与先 验估计值一起考虑， 从而 在每次完 获得后验估计。 成预测和修正以后， 由后 验估计值预测下一时刻 的先验估计， 重复以上步 骤，这就是 Kalman 滤波 器的递归工作原理。 4 试验结果及优化 4.1 目标检测结果及 优化 通过背景差法和帧 间差分法实现了运动目 标检测， 并对其进行二值 化和形态学滤波等优化， 图 2 Kalman 滤波运动目标跟踪结果 得到了较为良好的检测 中值滤波去噪法得到了非常理想的检测结果。 结果。 4.2 Kalman 滤波法实现运动目标跟踪 背景差分法的试验结果如图 1。 其中图 Kalman 滤波器是一套基本公式， 用于预测 a.和图 b.分别为视频的第 1 帧和第 80 帧， c. 图 帧差图像。 要对运动目标进行准确的分割， 就要 修正的评估，在最小化协方差估计误差方面表 他不要求保存过去的测量数据， 新的数 对图像进行二值化处理、中值滤波除噪声以及 现出众。 形态学处理。本文采用的二值化处理分割算法 据测得以后，根据新的数据和前一时刻的参数 根据递推公式， 可计算出新的参数估计 为最大类间方差阈值分割法，它是在最小二乘 估计值， 法原理的基础上推导得出的，是一种普遍的阈 值。这样大大减少了滤波装置的存储量和计算 值选取方法。使用最大类间方差的分割意味着 量。 形心跟踪算法是对形心的计算首先需要从 错分概率最小。 图 1 中， a.b.为第 1 帧和第 80 帧图像， 第一 背景中分割出目标区域来，分割的灰度阈
了背景差法和帧间差分法检测到运动目标并进行了优化。Kalman 滤波器是一种在时域内采用递归滤波的方法对系统状态进行最小均方误差估计 的方法， 本文提出利用 Kalman 滤波器实现运动目标跟踪中的形心跟踪的方法， 可以准确预测到运动目标的一下个状态， 得到良好的跟踪效果。 关键字：目标检测； 目标跟踪； Kalman 滤波； 形心跟踪 1 概述 视频中的运动目标检测和目标跟踪技术 在实时智能监控系统、交通管理系统以及军事 目标跟踪等各个领域都有非常广泛的应用， 是 现代图像处理中一个重要的研究方向。运动目 标检测[1]是图像处理、 计算机视觉学科的重要分 支， 又是近年的理论和应用的研究热点。目前， 帧间 常用的运动目标检测的方法有背景差法[2]， 差分法[3]， 光流法。本文对背景差法和帧间差分 法分别进行了研究，给出了试验结果并进行了 运动目标跟踪的主要研究方法有： 波门跟 优化。 光流法， Kalman 滤波跟踪， 主动轮廓线跟 踪 [4]， 踪， 模板匹配跟踪和多模跟踪法等。 本文主要实 现了波门跟踪与 Kalman 滤波跟踪想结合的方 法，实现了对所感兴趣的运动目标的检测与跟 踪。 2 运动目标检测原理 背景差法和帧间差分法是目前使用较为 广泛的检测方法。 对于背景差法， 是对于场景固 定的运动目标检测有着很大的优势。它是基于 图像序列和参考背景模型相减实现运动目标的 检测， 能够较完整的提取出运动目标， 但对光照 和外部条件造成的动态场景变化过于敏感。由 于背景差法是将当前帧和背景参考模型进行比 较， 所以， 当背景发生变化的时候， 要对背景模 型不断进行更新，与模型不一致的区域被标识 为运动区域。在视频监视中若场景与摄像头之 间位置保持相对不变，那么背景图像的大小和 位置在不同帧中将保持不变。 帧间差分法是基于时间序列图像上的差 分图像实现运动目标的检测。它的基本思想是 通过帧间差分，利用视频序列相邻帧之间的强 在差分图像中， 灰度不发 相关性进行变化检测。 生变化的那部分被减掉，这里包括大部分背景 和一部分目标， 若背景比目标灰度低， 则前区为 正， 后区为负， 其他部分为零， 从差分图像中， 很 容易发现目标运动信息，再通过对差分图像的 后续处