李春林 徐好 吴琳拥

（四川九洲防控科技有限责任公司 四川省绵阳市 621000）

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[1-3]。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[4-7]。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[8-9]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[8-10]。

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[7]。

1.2 形态学处理

形态学处理的基本步骤如下[10-11]：

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；

其中T 是二值化设定阀值。

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[10-12]。互相关定义为以下形式：

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[12-14]：

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，由帧内相关置信度来确定[11-14]。

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，置信度判断策略写成分段函数形式如（4）所示。如果C0大于某阀值T1，即R0和差值较大，则判断当前帧与前面几帧之间相关性下降，此时令=0，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C0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C1的判断，如果C1大于阈值T2，则认为该匹配点很可靠，此时令=0，选择当前目标区域图像作为下一帧匹配模板；如果C1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，此时令若C1小于T3，匹配置信度太低，该匹配点不可靠，令 =1，即模板不更新。

3 实例分析

图1：模板匹配算法流程

图2：动目标检测

图3：目标匹配结果

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。