摘要：提出并研究了基于环形光电探测器的多目标探测与跟踪技术。首先提出了一种基于 6 片线阵 CCD 的环形探测器设计。该探测器中的每一线阵 CCD 光学系统的光轴均通过探测器中心点，且任意两光轴之间的夹角为 60°，形成具有 360°视场的环形探测结构;提出了基于目标信号脉宽判据、基于目标信号水平尺度比率的复合判据，研究了适用于环形探测器的多目标快速识别与跟踪算法;建立了硬件实验系统，并进行了功能验证实验，实验结果表明：所提出的环形光电探测器及算法设计可实现多个运动目标的探测与跟踪，在目标机器视觉、虚拟现实等领域具有潜在的应用前景。
1 引 言
具有360°视场的光电探测系统在机器视觉、虚拟现实、精确制导等领域具有广泛的应用前景[1-2]。在相关领域的研究中，Cao、Hall、Hong 采用球形光学系统获得了半球形的探测视场[3-5]。由于所有图像信息均集中在圆形的图像内，导致其分辨率较低;Jarvis、Byrne、Yagi 通过在 CCD 摄像机上放置锥形反射镜获得了全景成像能力[6-7]。但是，由于锥形反射镜将带来图像失真，从而增大了后续图像处理的负担;Sarachick、Ishiguro 采用旋转式的摄像机获得了全景的室内环境图像[8-9]，Thierry、Ryad[2]等人提出了一种基于双旋转摄像机的全景立体成像传感器。由于立体视觉系统采用了机械旋转装置，其系统结构相对复杂，效率较低。
针对以上问题，本文提出了一种具有360°视场的环形探测器设计，研究了基于目标信号脉宽判据和目标信号水平尺度比率判据的多目标识别与跟踪算法，旨在实现 360°视场内运动目标的快速识别与跟踪。本文第2 部分提出了基于线阵 CCD 的环形探测器设计;第 3 部分讨论了基于环形线阵CCD 探测器的探测模型，给出了基于该探测器的运动目标角位置、角速度的获取方法及多目标探测模型;第4 部分阐述了基于环形线阵 CCD 探测器的多目标探测与跟踪硬件平台的设计。通过功能实验，验证了所提出的基于环形线阵CCD 探测器的多目标探测与跟踪方法的有效性。
2 基于线阵CCD 的环形探测器
相对于面阵CCD，线阵CCD 具有较高的水平分辨率，数据处理量相对较少，帧频较高等优点，因而特别适用于一维动态目标的快速测量。为了实现多个运动目标的快速探测与跟踪，采用线阵CCD 作为环形探测器的光电探测器。
环形探测器由6 个光电探测单元构成，环形探测器的结构如图1 所示。每一光电探测单元由光学镜头、线阵CCD 构成，其视场为60°。通过6 个光电探测单元的拼接，形成环形的环形探测机构，其探测视场被扩展为360°。在以上设计中，每一光电探测单元的光学系统的光轴垂直于所对应的线阵CCD，且与 CCD 的中心像素相交。6 个光电探测单元的光轴均通过中心点，且任意两光轴之间的夹角为60°。在机械设计与安装精度能够得到保证的前提下，可避免探测盲区的出现。为了实现快速目标探测与跟踪，每个光电探测单元均具有独立的驱动及预处理电路。6 路线阵CCD 数据形成一帧完整的全视场探测信号，经算法处理确定目标的角位置、角速度等信息。
3 环形探测器的探测模型
首先讨论环形探测器处于静态条件下的探测情况。设第k 个线阵CCD 在t 时刻的输出信号为Ik(x，t)。将6 个线阵CCD 输出的信号按次序进行拼接，则可获得某一时刻的空间连续(全视场)的探测信号IA(x，t)：
式(1)中：k 为线阵CCD 的序号(k=1，2， ，6)，N 为单个线阵CCD 的有效像素数，x 为对全部线阵CCD(6个)有效像素进行排序时，运动目标质心的像素序号(x=1，2， ，6N)。通过式(1)，将360°视场内的目标运动描述为线阵CCD 的一维数据变化。以下讨论运动目标的角度、角速度与环形探测器输出数据之间的关系。
3.1 运动目标的角位置
已知单个探测单元的半视场角为ωH=30°，相邻探测单元光轴之间的夹角为 β=30°，如图2 所示。在所提出的环形探测器中，目标的任意运动均可分解为平行于线阵 CCD 的分量和平行于光轴方向的分量。设在 t1时刻探测单元O1内存在目标 A，在 t2时该目标运动至 A′。设 AA′与该探测单元线阵 CCD 的夹角为 α，则可将 AA′分解为两个分量，即平行于线阵CCD 的分量 AA′cosθ，平行于光轴方向的分量 AA′sinθ。其中AA′cosθ 的大小决定了目标在线阵 CCD 图像中的位置变化;AA′sinθ 仅引起目标图像自身尺度的变化。在所提出的环形探测器中，当基于目标图像中心坐标进行位置判别时，可避免目标轴向运动所导致的尺度变化的影响，实现运动目标角位置的判别。
在环形探测器中，每一线阵CCD 对应的视场为60°。设环形探测器的某一线阵CCD 所在视场内存在运动目标 n，运动目标的质心在该线阵CCD 内的像素序号为i，则该目标在环形探测器中的角位置θn(t)可表示为
3.2 运动目标的角速度
设θn(t1)、θn(t2)分别为 t1、t2时刻角坐标系中目标n 所在的角度位置，则运动目标的角速度ωn可表示为
运动目标的角速度为矢量。通过式(3)约定目标沿逆时针方向运动为正方向，沿顺时针方向运动为负方向。但当目标由第CCD5所在的视场进入CCD0所在的视场时，采用式(3)将导致目标运动方向的误判。例如：如图3 所示，当目标由θA(t1)=330°运动至θA(t2)=30°时，Δθ=-300°<0，采用式(3)所获得的运动方向与事实不符。
为了避免以上问题，对式(3)进行如下修改：
式(4)中为运动方向判别的阈值。在本论文实验中，取 Tθ=120°，即认为目标在 Δt 时间内的角运动量小于两个线阵CCD 的视场(2×60°)。
3.3 多目标探测
环形探测器的运动可以描述为两种运动，即探测器的平移运动和旋转运动。通过自适应背景、Kalman滤波等方法获得背景更新，可在环形探测器产生平移运动的条件下实现目标探测。当探测器发生旋转运动时，系统的显示装置也会随之旋转，其角坐标系将随之改变。因此，仍然可以获得目标相对于探测器中心的相对角位置。本文仅讨论环形探测器产生平移运动时的多目标探测情况。采用基于自适应背景减法实现环形探测器在运动条件下的目标探测。首先，环形探测器中的各线阵CCD 采集目标图像，经图像拼接获得360°视场的背景。通过以下公式获取初始背景图像B(0)：
4 环形探测器的目标识别与跟踪算法设计
环形探测器主要基于6 路线阵CCD 数据实现360°视场内的多个运动目标的探测与跟踪。针对这一特点，并区分不同的探测情况，进行多目标识别与跟踪算法的设计。
4.1 基于目标信号宽度判据的目标识别
当线阵CCD 视场中存在多个运动目标时，由于目标自身体积、目标与探测器之间距离的差异，将导致目标在线阵CCD 图像中的信号宽度存在着差异。这一差异可用于视场内存在多个运动目标条件下的目标识别。
4.1.1 分离状态的目标识别
4.1.2 重叠目标的识别
2) 确认D(x，t)中存在目标信号 Xn′，t，且满足式(9);
以上讨论了两个具有不同脉宽的运动目标的识别。在实际应用中，只需对上述算法进行适当修改，则可实现多个具有不同脉宽的运动目标识别。
4.2 基于复合水平尺度比率判据的识别与跟踪算法
当由于目标自身体积、位置的差异而使探测器视场内多个目标的信号宽度脉宽相近时，无法利用4.1节所讨论的方法进行目标识别。已有的运动目标检测与识别算法包括：匹配滤波法、序贯假设检验法、光流场法，以及随后发展起来的神经网络法、小波法、形态滤波法等，均存在着结构复杂、运算量大等缺点，难以满足多目标图像信号的高速处理要求。本论文将通过新的算法设计解决以上情况下的目标识别问题。依据环形探测器结构设计可知：随着目标相对于探测器中心距离的变化，单位时间内目标信号在水平尺度方向上的变化量相等，即构成目标信号在水平尺度上的任一区间，均以相同的比率进行线性变化。同时，该目标在垂直方向的极值点的量值(即目标信号的最大、最小灰度值)具有不变性。依据目标信号的上述特性，可以得到如下结论：1) 目标图像D[x，(t-1)]内极大值(波峰)与极小值(波谷)信号宽度的比值，与目标图像 D(x，t)内极大值与极小值信号宽度的比值相等;2) 目标图像 D[x，(t-1)]、D(x，t)中的极大值(波峰)信号宽度之间的比值，与D[x，(t-1)]、D(x，t)中的整体信号宽度之间的比值相等。以上结论可用于多个目标的快速识别与跟踪。
设目标图像D[x，(t-1)]中，存在脉宽为 Xn，t-1的目标信号，该信号的极大值点与目标信号左边缘之间的距离为 Xmax，t-1，该信号的极小值点与目标左边缘之间距离为Xmin，t-1(如图5所示)。在目标图像 D(x，t)中，存在脉宽为Xn，t的目标信号，该信号的极大值点和极小值点与目标左边缘之间距离分别为Xmax，t和 Xmin，t。则设计如下复合水平尺度比率判据：
式12 中，定义T1为连续目标图像之间极大值点信号宽度比与整体信号宽度比之间的差值;T2为目标图像D[x，(t-1)]中极大值点信号宽度比与 D(x，t)中极大值点信号宽度比之间的差值;TD为用于目标识别的阈值。
如目标图像D[x，(t-1)]、D(x，t)中某一目标信号满足式(12)，则认为两目标信号代表处于不同帧图像中的同一目标。式(12)所示的判据设计避免了由于目标信号中不存在极小值点而导致无法进行目标识别等情况。即当Xmin，t、Xmin，t-1趋进于零，且处于目标信号的边缘时，无法确认是目标信号还是背景差分信号。此时，认为T2为零，仅利用判据T1进行目标识别。
5 实 验
5.1 硬件平台
为了验证基于环形线阵CCD 探测器的多目标探测与跟踪技术的可行性及有效性，本论文建立了环形线阵 CCD 探测器的硬件平台，如图6(a)所示。
基于环形线阵 CCD 探测器的硬件平台由两台线阵 CCD 相机、图像处理板、LCD 显示器等构成，可实现多路 CCD 数据的高速采集、处理与显示。其中，两台线阵 CCD 摄像机(A、B)的有效像素数为 2 160。为了模拟环形探测器中的相邻两个线阵CCD，A、B 摄像机光学镜头的光轴之间的夹角为 60°。图像处理板主要由 A/D 转换器、双端口 RAM、CPLD、单片机(A、B)构成，如图 6(b)所示，其工作机制如下：1) 对线阵 CCD 输出的模拟信号进行 A/D 变换，CPLD根据 CCD 输出的同步信号读取每一场每一像素的有效值;2) CPLD 将一场信号存入双口 RAM，并通知单片机A 一场信号采集结束;3) 单片机 A 将双口 RAM 中数据取出，并计算目标位置。A 将计算的结果通过串口发送给单片机 B，同时通知 CPLD 控制 A/D 器件开始进行下一次的采集;4) 单片机 B 将被测目标位置进行转换，并在LCD 上进行显示。
硬件平台的显示部分采用了 24 0128 液晶显示模块。硬件平台的 LCD 显示包括两部分，即坐标圆和参数显示。其中，坐标圆所占区域为 96 pixels×96 pixels，用于实时显示所探测与跟踪目标的位置，显示分辨率为 1.5°。坐标圆被等分为 6 个部分，分别对应于 6 片 CCD。第二片 AVR 单片机(B)存储了 268 pixels 点在液晶中的坐标。当 A 将计算结果送给 B 时，B 通过查表显示。参数显示部分可提供目标的角度、角速度信息。
5.2 功能实验
采用具有不同体积的运动目标(a 和 b)，放置在环形线阵 CCD 探测器的视场内(如图7(a)所示)。利用基于脉宽的判据进行目标识别与跟踪，系统能够通过 LCD 实时地显示出目标的角度位置及角速度，其中目标 A、B 的角速度平均值分别为 0.82 rad/s 和1.23 rad/s。同样，采用体积接近且具有不同外形的运动目标(a和 c)，放置在环形线阵CCD 探测器的视场内(如图7(b)所示)。利用基于复合水平尺度比率判据进行目标识别与跟踪，LCD 显示目标 A、B 的角速度平均值分别为0.84 rad/s 和1.02 rad/s。
6 结 论
提出并研究了基于环形线阵CCD 探测器的多目标探测与跟踪技术。首先提出了一种具有 360°视场的环形探测器设计，讨论了其探测模型;针对不同的目标特性要求，提出了基于目标信号脉宽判据、基于目标信号水平尺度比率的复合判据;建立了基于环形线阵 CCD 探测器的多目标探测与跟踪实验系统，实现了线阵 CCD 数据的采集、算法处理与显示。实验结果表明：所提出的基于环形线阵 CCD 的探测器及算法设计可实现多个运动目标的探测与跟踪，在目标机器视觉、虚拟现实等领域具有潜在的应用前景。
参考文献：
[1] Carlos Busso，Sergi Hernanz，Chi-Wei Chu，et al. Smart Room：Participant and Speaker Localization andIdentification[C]//ICASSP. [S.l.]：IEEE，2005，2：1117-1120.
[2] Thierry MaNIere，Ryad Benosman，Claude Gastaud，et al. Vision system dedicated to panoramic three dimensional scenereconstruction [J]. Journal of Electronic Imaging，1998，7(3)：672-676.
[3] Cao Z L，Oh S J，Hall E L. Dynamic omnidirectional vision for mobile robots [J]. J. Robotics Systems，1986，3(1)：5-17.
[4] Oh S J，Hall E L. Guidance of a mobile robot using an omnidirectional vision navigation system[J]. Proc. SPIE，Mobile RobotsII，1987，852：288-300.
[5] Hong J，Tan X，Pinette B，et al. Image based homing [J]. Proc. Conf. Robotics Automat，1991，1：181-187.
[6] Jarvis R A，Byrne J C. An automated guided vehicle with map building and path finding capabilities[J]. ISPP，1988，4：497-504.
[7] Yagi Y，Kawato S，Tsuji S. Real-time omnidirectional image sensor copis for vision-guided navigation [J]. IEEE Trans. onRobotics and Automation，1994，10(1)：11-22.
[8] Sarachick K B. Characterizing an indoor environment with mobile robot and uncalibrated stereo [J]. Proc. IEEE Int. Conf. onRobotics and Automat，1989，2：984-989.
[9] Ishiguro H，Yamamoto M，Tsuji S. Omnidirectional stereo [J]. IEEE Trans. on Pattern Analysis and Machine Intelligence，1992，14(2)：257-262.
基金项目：“863”计划项目(2006AA703304H)
作者简介：宋勇(1973-)，男(汉族)，山东定陶人，博士，副教授，主要研究方向为光电技术及信息处理。E-mail: yongsong@bit.edu.cn
