移动机器人的动态目标实时检测与跟踪_杨淑莹

Ｍ ｏ ｖ ｉ ｎ ｔ ａ ｒ ｅ ｔ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｆ ｏ ｒ ｍ ｏ ｂ ｉ ｌ ｅ ｒ ｏ ｂ ｏ ｔ ｓ ｉ ｎ ｒ ｅ ａ ｌ ｔ ｉ ｍ ｅ ｇ ｇ ｇ
＊ ， ，Ｗ Ｌ ｉ Ｙ ｔ ｂ Ａ Ｎ Ｇ Ｓ ｈ ｕ ｎ Ｉ Ｕ Ｔ ｉ ｎ ｉ ｎ Ｇ Ｅ Ｗ ｅ ｉ ｉ ｎ Ａ Ｎ Ｇ Ｇ ｕ ａ ｎ ｉ ａ ｏ －ｙ － －ｍ － ｇ ， ｇ ｇ ｇ
移动机器人的动态目标实时检测与跟踪
杨淑莹＊ ，刘婷婷，葛为民，王光彪
（ ） 天津理工大学 智能计算及软件新技术重点实验室 ， 天津 ３ ０ ０ ３ ８ ４ 通过移动机器人的视觉系统可以实现动态目标的检测与跟踪。提出一种基于改进的高斯 摘要： 混合模型（ 算 法 引 入 分 块 思 想， 在模型更新过程中动态调整 的实时动态 目 标 检 测 算 法， ＧＭＭ ） 。在目标检 和漏检率（ 通过改进匹配准则来减小误检率（ ＦＰＲ） ＦＮＲ） ＧＭＭ 分 布 数 目 和 学 习 率 ， ） ） 测的基础上， 采用一种融合均值偏移（ 和粒子滤波（ 的算法对目 ＭＳ： Ｆ Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ Ｐ： Ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ Ｆ ｉ ｌ ｔ ｅ ｒ 标实时跟踪， 在 利 用 ＭＳ 算 法 获 得 的 最 优 候 选 区 域 周 围 散 布 采 样 粒 子 ， 根据偏移向量的大小自适 ， ， 应调节粒子数目 不仅具有较快的收敛速度 且对遮挡具有较好的鲁棒性。实验结果表明， 将两 种改进后的算法应用于移动机器人的视觉系统中， 能够对动态场景中的动态目标实时检测与跟 踪， 较传统算法在实时性和精确性上均获得一定提高。 ；均 值 漂 移 （ ；粒 子 滤 波 （ 关键词： 移 动 机 器 人 ；目 标 检 测 与 跟 踪 ；高 斯 混 合 模 型 （ ＧＭＭ ） ＭＳ） Ｐ Ｆ） （ ） 中图分类号： ０ ２ ０ Ｔ Ａ 文 章 编 号 ： １ Ｐ ３ ９ １ ０ ０ ５ ０ ８ ６ ２ ０ １ ３ １ １ １ ９ ８ ７ － － － 文 献 标 识 码 ：
光 电 子 · 激 光
第２ ·Ｌ ４卷 第１ １ 期 ２ ０ １ ３年１ １ 月 ｏ ｌ ． ２ ４Ｎ ｏ ． １ １ Ｎ ｏ ｖ ｅ ｍ ｂ ｅ ｒ ２ ０ １ ３ Ｖ Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｏ ｔ ｏ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｓ ａ ｓ ｅ ｒ ｐ
wk.baidu.com
： ａ ｉ ｌ ｓ ｉ ｎ １ ２ ６ １ ２ ６ ． ｃ ｏ ｍ ＊ Ｅ －ｍ ＠ ｙ ｙ ｇ 收稿日期 ： ２ ０ １ ３ ４ ７ ２ ０ １ ３ ６ ９ ０ ０ ０ １ 修订日期 ： － － － － ） ） 基金项目 ： 国家自然科学基金（ 和天津市自然科学基金（ 资助项目 ６ １ ０ ０ １ １ ７ ４ １ ３ Ｊ Ｃ Ｙ Ｂ Ｊ Ｃ １ ７ ７ ０ ０
： Ａ ｏ ｂ ｅ ｃ ｔ ｔ ｈ ｒ ｏ ｕ ｈ ｉ ｔ ｓ ｖ ｉ ｓ ｉ ｏ ｎ ｓ ｓ ｔ ｅ ｍ． Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｒ ｅ ｄ ｕ ｃ ｅ ｂ ｓ ｔ ｒ ａ ｃ ｔ Ｍ ｏ ｂ ｉ ｌ ｅ ｒ ｏ ｂ ｏ ｔ ｃ ａ ｎ ｄ ｅ ｔ ｅ ｃ ｔ ａ ｎ ｄ ｔ ｒ ａ ｃ ｋ ｍ ｏ ｖ ｉ ｎ ｊ ｇ ｙ ｇ ， ａ ｏ Ｆ Ｆ ｂ ｏ ｔ ｈ ｆ ａ ｌ ｓ ｅ ｏ ｓ ｉ ｔ ｉ ｖ ｅ ｒ ａ ｔ ｅ（ Ｐ Ｒ） ｎ ｄ ｆ ａ ｌ ｓ ｅ ｎ ｅ ａ ｔ ｉ ｖ ｅ ｒ ａ ｔ ｅ（ Ｎ Ｒ） ｆ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｉ ｍ ｒ ｏ ｖ ｅ ｄ Ｇ ａ ｕ ｓ ｓ ｉ ａ ｎ ｍ ｉ ｘ － ｐ ｇ ｐ ｔ ｔ ｕ ｒ ｅ ｍ ｏ ｄ ｅ ｌ（ ＧＭＭ） ｆ ｏ ｒ ｄ ｎ ａ ｍ ｉ ｃ ｔ ａ ｒ ｅ ｔ ｒ ｅ ａ ｌ ｉ ｍ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｉ ｓ ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ ｉ ｎ ｔ ｈ ｉ ｓ ａ ｅ ｒ ． Ｉ ｎ ｔ ｈ ｉ ｓ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｌ － － ｙ ｇ ｐ ｐ ｐ ｐ ， ， ｒ ａ ｔ ｅ ｏ ｆ Ｇ ａ ｕ ｓ ｓ ｉ ａ ｎ ｍ ｉ ｘ ｔ ｕ ｒ ｅ ｍ ｏ ｄ ｅ ｌ ｒ ｉ ｔ ｈ ｍ ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｅ ｔ ｏ ｆ ｂ ｌ ｏ ｃ ｋ ｉ ｓ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｔ ｈ ｅ ｎ ｔ ｈ ｅ ｎ ｕ ｍ ｂ ｅ ｒ ａ ｎ ｄ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｏ ｐ ｇ ｇ ， ｃ ｒ ｉ ｔ ｅ ｒ ｉ ｏ ｎ ｏ ｆ ＧＭＭ ｉ ｓ ｔ ｈ ｅ ｍ ａ ｔ ｃ ｈ ｉ ｎ ｔ ｈ ｅ ｕ ｄ ａ ｔ ｉ ｎ ｒ ｏ ｃ ｅ ｓ ｓ ａ ｎ ｄ ｆ ｉ ｎ ａ ｌ ｌ ｄ ｕ ｒ ｉ ｎ ｃ ａ ｎ ｂ ｅ ａ ｄ ｕ ｓ ｔ ｅ ｄ ｄ ｎ ａ ｍ ｉ ｃ ａ ｌ ｌ ｇ ｐ ｇ ｐ ｙ ｇ ｊ ｙ ｙ ， ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍ ｅ ａ ｎ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ｔ ｏ ｄ ｅ ｃ ｒ ｅ ａ ｓ ｅ ｔ ｈ ｅ ｆ ａ ｌ ｓ ｅ ｏ ｓ ｉ ｔ ｉ ｖ ｅ ｒ ａ ｔ ｅ ． Ａ ｆ ｔ ｅ ｒ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｆ ｕ ｓ ｉ ｏ ｎ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｐ ｐ ｇ ｇ ） ｓ ｈ ｉ ｆ ｔ ａ ｎ ｄ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｆ ｉ ｌ ｔ ｅ ｒ（ Ｐ Ｆ ｉ ｓ ａ ｄ ｏ ｔ ｅ ｄ ｔ ｏ ｒ ｏ ｍ ｏ ｔ ｅ ｒ ｅ ａ ｌ ｔ ｓ ｓ ｔ ｅ ｍ， ｔ ｈ ｅ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｏ ｆ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｉ ｍ ｅ ｃ ａ ａ ｂ ｉ ｌ ｉ ｔ － ｐ ｐ ｐ ｙ ｐ ｇ ｐ ｙ ａ ｒ ｅ ｓ ｃ ａ ｔ ｔ ｅ ｒ ｅ ｄ ａ ｒ ｏ ｕ ｎ ｄ ｔ ｈ ｅ ｏ ｔ ｉ ｍ ａ ｌ ｃ ａ ｎ ｄ ｉ ｄ ａ ｔ ｅ ｒ ｅ ｉ ｏ ｎ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｂ ｍ ｅ ａ ｎ ｓ ｈ ｉ ｆ ｔ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ａ ｎ ｄ ｔ ｈ ｅ ｕ ａ ｎ ｔ ｉ ｔ ｏ ｆ ｐ ｇ ｙ ｇ ｑ ｙ ｔ ｏ ｍ ｅ ａ ｎ ｓ ｈ ｉ ｆ ｔ ｖ ａ ｌ ｕ ｅ ． Ｔ ｈ ｉ ｓ ｆ ｕ ｓ ｉ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ｏ ｍ ｂ ｉ ｎ ｅ ｓ ｔ ｈ ｅ ａ ｄ ｖ ａ ｎ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｉ ｓ ａ ｄ ａ ｔ ｉ ｖ ｅ ｌ ｃ ｈ ａ ｎ ｅ ｄ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ － ｇ ｇ ｇ ｐ ｐ ｙ ， ａ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｍ ｅ ａ ｎ ｓ ｈ ｉ ｆ ｔ ａ ｎ ｄ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｆ ｉ ｌ ｔ ｅ ｒｈ ａ ｓ ａ ｆ ａ ｓ ｔ ｃ ｏ ｎ ｖ ｅ ｒ ｅ ｎ ｃ ｅ ｓ ｅ ｅ ｄ ａ ｎ ｄ ｉ ｓ ｒ ｏ ｂ ｕ ｓ ｔ ｔ ｏ ｏ ｃ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ． Ｅ ｘ ｅ ｒ ｉ ｔ － ｇ ｐ ｇ ｐ ｐ ｅ ｎ ｔ ｓ ｉ ｍ ｌ ｅ ｍ ｅ ｎ ｔ ｅ ｄ ｏ ｎ ｖ ｉ ｄ ｅ ｏ ｆ ｒ ａ ｍ ｅ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｔ ｗ ｏ ｒ ｏ ｏ ｓ ｅ ｄ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ｍ ｅ ｔ ｈ ｏ ｄ ｓ ｎ ｏ ｔ ｏ ｎ ｌ ｉ ｖ ｅ ｈ ｉ ｈ ｅ ｒ ｍ ｐ ｐ ｐ ｐ ｙ ｇ ｇ ， ａ ｃ ｃ ｕ ｒ ａ ｃ ｔ ｈ ａ ｎ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｓｂ ｕ ｔ ａ ｌ ｓ ｏ ｃ ａ ｎ ｄ ｅ ｔ ｅ ｃ ｔ ａ ｎ ｄ ｔ ｒ ａ ｃ ｋ ｔ ｈ ｅ ｍ ｏ ｖ ｉ ｎ ｏ ｂ ｅ ｃ ｔ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｌ ｉ ｎ ｍ ｏ ｂ ｉ ｌ ｅ ｙ ｇ ｇ ｊ ｙ ｒ ｏ ｂ ｏ ｔ ｓ ′ ｖ ｉ ｓ ｉ ｏ ｎ ｓ ｓ ｔ ｅ ｍ． ｙ ： ； ； ； ； ） Ｋ ｅ ｗ ｏ ｒ ｄ ｓｍ ｏ ｂ ｉ ｌ ｅ ｒ ｏ ｂ ｏ ｔ ｔ ａ ｒ ｅ ｔ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｔ ｒ ａ ｃ ｋ ｉ ｎ Ｇ ａ ｕ ｓ ｓ ｍ ｉ ｘ ｅ ｄ ｍ ｏ ｄ ｅ ｌ（ ＧＭＭ） ｍ ｅ ａ ｎ ｈ ｉ ｆ ｔ（ Ｍ Ｓ ｓ － ｇ ｇ ｙ ） ａ ｒ ｔ ｉ ｃ ｌ ｅ ｆ ｉ ｌ ｔ ｅ ｒ（ Ｐ Ｆ ｐ
（ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ Ｔ ｉ ａ ｎ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ａ ｎ ｄ Ｎ ｏ ｖ ｅ ｌ Ｓ ｏ ｆ ｔ ｗ ａ ｒ ｅ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｏ ｆ Ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｅ ｎ ｃ ｅ Ｃ ｏ ｍ ｕ ｔ ｉ ｎ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｉ ａ ｎ ｉ ｎ Ｋ ｅ Ｔ － ｊ ｙ ｇ ｙ， ｇ ｐ ｇ ｙ ｊ ｙ ， ） Ｔ ｉ ａ ｎ ｉ ｎ ３ ０ ０ ３ ８ ４ Ｃ ｈ ｉ ｎ ａ ｏ ｊ ｙ， ｇ
第１ 移动机器人的动态目标实时检测与跟踪 · ２ １ 期 杨淑莹等 ： １ ９ ９·
２］ 等人［ 提出的自适应高斯混合 模 型（ 具有 ＧＭＭ ） 一定的自适 应 性， 能够解决光线缓慢变化和动态
进行重采样， 避免算法陷入局部极值。
背景的干扰， 常用来对多模态场景进行准确建模。 但它存在收敛速度慢， 不能快速反应背景的变化， 对于 大 而 慢 的 动 态 目 标 检 测 存 在 效 果 差 的 局 ［］ ３］ 。Ｌ 限［ ｅ ｅ４ 提 出 为 每 个 分 布 单 独 计 算 自 适 应 学 但更新率取近似值而不 习率提高算 法 收 敛 速 度， ［］ 是最优值； Ｄ ｉ ｃ ｋ ｉ ｎ ｓ ｏ ｎ等 人 ５ 提 出 在 颜 色 和 空 间 上 对像素进行建模， 增强了模型的自适应性， 但增加 ［］ 了算法计算 量， 实 时 性 差； Ｈ ｅ等 人 ６ 提 出 合 并 部 但数目 分相似高斯 分 布 来 减 少 高 斯 分 布 的 数 量， ［ ７］ ； 调整机制不完善 Ｑ ｕ ａ ｓ ｔ等 人 提 出 考 察 空 间 依 存 关系并对标 准 差 的 更 新 进 行 限 制， 但检测速度不 能满足实时性需求。虽然这些改进算法对检测效 果或速度有 一 定 程 度 的 提 高， 但对机动变化的目 标检测效果 较 差， 特别是目标在场景中缓慢移动 甚至停 滞 时， 以 上 算 法 会 造 成 漏 检 。Ｚ ｈ ｕ等 人 ， 将背景的变 化 过 程 分 为 ４ 个 阶 段 并 针 对 不 同 阶
１ 引 言
移动机器人的视觉传感器随机器人的运动而 移动， 背景图 像 以 及 目 标 在 图 像 中 的 位 置 和 尺 度
都会随着变 化， 增加了动态目标检测与跟踪的难 ［ １］ 度 。目前， 针对移动机器人动态目标检测的研 究主要集中 在 背 景 建 模 的 方 法 上， 通过对背景模 型不断 更 新 以 适 应 动 态 变 化 的 背 景。 由 Ｓ ｔ ａ ｕ ｆ ｆ ｅ ｒ