第４１卷第１０期２００７年ｌＯ月
浙江大学学报【工学版）
Ｖ０１．４１ＮｏＯｃｔ．２００７
１０
ＪｏｕｒｎａｌｏｆＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ（ＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ
移动机器人检测与跟踪系统的研究与设计
王建平，张涛
（合肥工业大学电气与自动化工程学院，安徽台肥２３０００９）
摘要：从智能控制与模式识别方法和传统控制理论相结合的思想出发，提出了一种自主移动机器人对运动目标检测和自动跟踪的讽别与控制方法．建立了基于连续图像帧差分和二次帧差分的改进的图像ＨＳＩ差分模型，给出
了运动耳标的特征分析和计算方法通过特征匹配识别所需跟踪目标的区域，采用Ｋａｌｍａｎ预报器对运动目标状态进行一步预测估计和两步增量式跟踪，可咀快速平滑地实现移动机器人对运动目标的跟踪驱动控制．以移动机器人对汽车桩考的全过程进行监控为例，给出了移动机器人视觉检测识别和跟踪控制系统在汽车桩考中的应用．关键词：视觉检测；视觉跟踪；Ｋａｌｍａｎ滤波器｛ＨＳＩ差分模型；移动机器人；汽车桩考中国分类号：ＴＰ２４
文献标识码：Ａ文章缟号：１００８—９７３Ｘ（２００７）】Ｏ一１７１０—０５
Ｒｅｓｅａｒｃｈａｎｄｄｅｓｉｇｎｏｆｄｅｔｅｃｔｉｎｇａｎｄｔｒａｃｋｉｎｇ
ｓｙｓｔｅｍｆｏｒｍｏｂｉｌｅｒｏｂｏｔＷＡＮＧＪｉａｎ—ｐｉｎｇ，ＺＨＡＮＧ
（Ｓｃｈｏｏｌ
Ｔａｏ
ｏｆＥｌｅｃｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９．Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃｏｍｂｉｎｇｍｅｔｈｏｄｓｏｆｉｎｔｅｌｌｉｇｅｎｃｅｃｏｎｔｒｏｌａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｎｄｔｒａｄｉｔｉｏｎａｌｃｏｎｔｒｏｌｔｈｅｏｒｉｅｓ，
ａｎ
ａｐｐｒｏａｃｈｏｆｒｅｃｏｇｎｉｔｉｏｎａｎｄｃｏｎｔｒｏｌｗａｓｐｒｏｐｏｓｅｄ
ｏｎ
ｔｏ
ｄｅｔｅｃｔａｎｄｔｒａｃｋｍｏｖｉｎｇｏＷｅｃｔｓ
ｂｙｒｏｂｏｔ．Ａｎｉｍ—
ｐｒｏｖｅｄＨＳＩｉｍａｇｅｄｉｆｆｅｒｅｎｃｅｍｏｄｅｌｂａｓｅｄ
ｓｅｑｕｅｎｃｅｓ
ｉｍａｇｅｄｉｆｆｅｒｅｎｃｅａｎｄｓｅｃｏｎｄｉｍａｇｅｄｉｆｆｅｒｅｎｃｅｗａｓ
ｔｏ
ｐｒｅｓｅｎｔｅｄ．ＴｈｅｆｅａｔｕｒｅａｎａｌｙｓｉｓａｎｄｆｉｇｕｒｅｏｆｍｏｖｉｎｇｏｂｊｅｃｔｓｗｅｒｅｄｅｆｉｎｅｄＴｈｅｍｏｖｉｎｇｏｂｊｅｃｔｓｕｓｅｄ
ｔｏ
ｓｔａｔｅ
ｒｅｃｏｇｎｉｚｅ
ｏｎ
ｔｈｅ
ａｒｅａ
ｏｆｏｂｊｅｃｔｓ．
ｆｏｒｅｃａｓｔａｎｄｔｗｏｓｔｅｐｓｉｎｃｒｅｍｅｎｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄ
ｔｏ
Ｋａｌｍａｎｆｉｌｔｅｒｗｅｒｅ
ｄｒｉｖｅｔｈｅｍｏｂｉｌｅｒｏｂｏｔ
ｔｒａｃｋｍｏｖｉｎｇｏｂｊｅｃｔｓｑｕｉｃｋｌｙａｎｄｓｍｏｏｔｈｌｙ．Ｔａｋｉｎｇｔｈｅｓｕｐｅｒｖｉｓｉｏｎｏｆｔｈｅ
ａｓ
ａｎ
ｗｈｏｌｅｐｒｏｃｅｓｓｏｆａｕｔｏｍｏｂｉｌｅｓｔａｋｅｏｆｍｏｈｉｌｅｒｏｂｏｔ
ｘＮａｓ
ｅｘａｍｐｌｅ，ａｐｐｌｉｃａｔｉｏｎｏｆｖｉｓｉｏｎｂａｓｅｄｄｅｔｅｃｔｉｎｇａｎｄｔｒａｃｋｉｎｇｓｙｓｔｅｍ
ｉｌｉｕｓｔｒａｔｅｄ．
Ｋｅｙｗｏｒｄｓ；ｖｉｓｉｏｎｄｅｔｅｃｔ；ｖｉｓｉｏｎｔｒａｃｋ；Ｋａｌｍａｎｆｉｌｔｅｒ；ＨＳＩｄｉｆｆｅｒｅｎｃｅｍｏｄｅｌ；ｍｏｖｉｎｇｒｏｂｏｔ；ａｕｔｏｍｏｂｉｌｅｓｔａｋｅ
在某些不适合人工参与的特殊工况（如有毒气污染、炸弹排爆等）下，某些控制工程的相关任务只能由智能机器人来完成．无需操作人员来驱动自主机器人实现其目标监控，而且能够在结构化或非结构化条件、熟悉或不熟悉的环境中，自主地执行监控任务，是移动机器人视觉检测识别运动目标和自动跟踪目标的智能控制与识别方法的研究热点，从视频序列图像中有效地提取运动目标和跟踪控制是移动机器人自主运动控制的重要技术之一．
如何有效地模拟人的智能活动机理，将人类的
收撬日期：２００７—０ｆｉ一１２．
视觉认知方式和运动控制方法结合起来去解决移动机器人自主监测和控制运动目标的问题，寻找一种既具有高检测识别性能，又能对移动目标进行快速平滑的自动跟踪的智能控制与识别方法是值得研究的课题”“．
１移动机器人视觉检测识别与跟踪控
制系统的设计
在对运动目标进行检测识别与驱动控制的过程
浙江大学学报【工学版ｌ闷址：…．ｊｏｕｒｎａｌｓ司ｕ．ｅｄｕ．ｃｎ／ｅｎｇ
ａｈ．ｃｎ
作者简介：王建平（ｔ９５５一），男，＿｝可北藁城人。教授－从事智能控制技术和数宇图像处理的研究．Ｅ－ｍａｉｌ：ｗａｎｓｗｗ＠ｍａｉｌ。ｈＬ
万方数据
第１０期
王建平，等：移动机器人检测与跟踪系统的研究与设计
中，拟人监控过程是根据运动目标的模式特征信息，通过识别判断，在线确定或变换驱动控制策略，从而对监控的运动目标进行跟踪ｏ］．因此，系统设计满足监控系统的实时性和可靠性要求，同时考虑到识别与控制过程的灵活性和适应性，实现目标模式的灵活监测和实时跟踪控制策略，以适应在结构化或非结构化、熟悉或不熟悉的环境中，自主地执行监控任务．１．１移动机器人视觉检测识别和跟踪控制系统
功能结构
系统功能结构包括：①全景视觉和近景视觉摄取；②方位控制和距离控制；③红外防撞测量与控制．移动机器人视觉检测识别和跟踪控制系统的任务分层递阶智能监控系统功能结构如图１所示．
任务分配器
ｉ任务
协凋器Ｉ｜１协调器２｜｜执渊器Ｉ｜Ｉ协调嚣２ｌＩ协嘲｛
运动｜｜运动Ｉ｜视觉｜｜视觉Ｉ｜其他
！分配级
方位Ｉ
控制ｌ
Ｉ距离Ｉ
Ｉ控制ｌ
Ｉ垒量ｌ
ｌ图像ｌ
ｌ近景１
Ｉ图像１
ｌ红外
ｌ防撞
ｉ撒
图１
任务分层递阶智能监控系统功能结构图
Ｆｉｇ，ｌ
Ｆｕｎｃｔｉｏｎ
ｓｔｒｕｃｔｕｒｅ
ｃｈａｒｔｏｆｌａｙｅｒｅｄａｎｄｈｉｅｒａｒｃｈｉ—
ｃａｌｉｎｔｅｌｌｉｇｅｎｔｓｕｐｅｒｖｉｓｉｏｎｓｙｓｔｅｍｏｆｔａｓｋ
１．２目标模式和运动状态特征模型以及控制模式
模态集模型的表示和获取
移动机器人控制系统的控制识别级和任务分配级的特征模型是对系统特征的定性与定量相结合的描述，是依据领域专家知识对被监测目标模式和运动状态的认知，以及按性能指标的要求对系统动态模式特征信息空间的一种划分，各级中划分出的每一个区域分别表示系统的一种特征，各级特征的全体集合即为各级的特征模型．
１．２．１任务分配级特征模型的表示和荻取任务分配级的功能有任务分解、任务分配、任务协调、识别与控制模式决策等．常用的目标模式与运动状态特征有图像中目标模式特征有无、图像中目标跟踪性能好坏及系统监控性能指标是否达到等，可以通过比较判断全景与近景序列图像的目标模式识别和系统任务性能要求来获得．
１．２．２控制识别级特征模型的表示和获取控制识别级的功能有图像处理与识别、运动控制、其他控制等．常用的目标模式与运动状态特征有全景图像的目标模式特征、近景图像的目标模式特征、方位控制状态误差特征、距离控制状态误差特征和防撞控制特征等，可以通过提取判断全景与近景序列图像
万
方数据的目标模式识别和运动控制状态来获得２
机器人视觉检测识别和跟踪方法在桩考中的应用
传统的汽车桩考检测方法是人工检测法．在桩
考时，监测人员在考场边上目测考车的位置并即时做出判断．然而由于监测人员所处的位置、角度的不同，经常产生误判、漏判、错判，给交通安全留下严重隐患．自动桩考法是近年来发展起来的新技术，即电子桩考．自动桩考系统的优点是可以有效地克服人工监测的主观性，减少工作人员的误判、错判，但是该系统存在着一定的缺陷，维护费用昂贵，针对不同的考试车辆不能灵活地变换场地大小．利用智能机器人不仅可以有效地克服人工监测的主观性，而且可以灵活地对不同大小的车辆进行监控和评判．
引入有限状态机（ｆｉｎｉｔｅ
ｓｔａｔｅ
ｍａｃｈｉｎｅ，ＦＳＭ）
对桩考的全过程进行建模，归纳出移动机器人所要经历的状态．通过视觉检测识别和跟踪控制系统对桩考中机器人的各个状态进行控制，达到机器人模仿人进行桩考监控评判的目的．移动机器人在汽车桩考中的状态如下．２．１状态ｌ～等待考试
ｚ．１．１状态说明
移动机器人考试前处于等待状
态，当机器人接收到考试开始信号后，转入状态
２——运动目标检测与识别．
２．１．２任务分配级任务分配规则集如下：
规则１：ＩＦ考试开始信号发生，ＴＨＥＮ开始考试，进入状态２；
规则２：ＩＦ没有考试开始信号发生。ＴＨＥＮ仍然处于等待考试状态．
２．１．３控制识别级
当机器人接收到考试开始信
号后，转入状态２．当机器人没有接收到考试开始信号时，机器人仍然处于等待考试状态．
２．２状态２——运动目标检测与识别
２．２．１状态说明
汽车桩考中机器人没有在视觉
图像上发现运动目标，或者考试的过程中考试车辆在图像上丢失，机器人进行运动目标搜索．机器人在搜索过程中如果检测出运动目标，则对运动目标进行识别；如果没有发现运动目标，则继续进行运动目标搜索．在桩考现场干扰的运动物体较多，当图像中检测出多个运动目标时，需对多个运动目标进行特征判别，以分析识别每个运动目标特征．当识别算法的识别结果为考试车辆时，则对运动目标进行跟踪．当识别算法的识别结果为非考试车辆时，则继续进
浙江大学学报（工学版）
第４１毒
行目标搜索．
２．２．２任务分配级任务分配规则集如下：
规则ｌ：ＩＦ调用近景视觉ＡＮＤ在近景视觉图像上检测出运动目标，ＴＨＥＮ运动目标识别；
规刚２：ＩＦ调用近景视觉ＡＮＤ在近景视觉图像上不能检测出运动目标，ＴＨＥＮ调用远景图像｝
规则３：ＩＦ调用远景视觉ＡＮＤ在远景视觉图像上检测出运动目标，ＴＨＥＮ运动目标识别；
规则４：ＩＦ调用远景视觉ＡＮＤ在远景视觉图像上不能检测出运动目标，ＴＨＥＮ重新调用近景视觉进行目标搜索；
规则５：ＩＦ识别算法的识别结果为考试车辆，ＴＨＥＮ对考试车辆进行目标跟踪；
规则６：ＩＦ识别算法的识别结果为非考试车辆，ＴＨＥＮ重新调用近景视觉进行目标搜索．
２．２．３控制识别级
１）近景远景图像的运动目标检测方法
移动机器人在某一位置采得连续的３帧图像序列＾一，（工，ｙ）√ｊ（工，ｙ）√ｊ＋－（工，ｙ）．由于仿人眼对色度的敏感系数要比亮度低ｏ］，通过对图像的色调Ｈ、饱和度Ｓ和亮度Ｊ等属性的敏感系数进行调整”］，将所得序列的每一帧图像转换为更能突出移动目标的改进型ＨＳＩ图像＾（ｚ，ｙ），即
五（ｚ，ｙ）＝（Ｗ。Ｈ。（ｚ，了）。’亿ｓ。（Ｔ，了），Ｈ，ｆｆ。（ｚ，，）｝＝
｛Ｈ：（工，ｙ）。Ｓ：（ｚ，，），ｆ（＿ｒ，ｙ））；
（１）
ｉ一＾一１，ｋ，ｋ＋１．
式中：ｗ。、Ⅳｓ、Ⅳ，分别为设定的色调、饱和度和亮度的敏感系数．将由式（１）转化后的第ｋ与第ｋ一１帧图像及第ｋ＋１与第ｋ帧图像分别进行差分．
定义１
帧差分图像计算模型如下：
，ｄ－（ｚ，ｙ）一｛ｌ｝《＜ｚ，∞一Ｈ：一，妇，少；，ｌ爱＜ｚ，ｙ）一＿ｓ：一１（ｚ，ｙ）Ｉ，ＪＥ（ｚ，ｙ）一疋一１（工，ｙ）Ｊ），（２）
矗（ｚ，，）＝｛ｌＨ：＋１（ｚ，ｙ）一Ｈ：（＿ｒ，ｙ）｝，ｌｓ：十－（ｚ，ｙ）一
ｓ：（ｚ，ｙ）｝，ｌ疋＋ｌ（卫，ｙ）一ｆ：（ｚ，ｙ）Ｉ）．（３）
式中；＾。（ｚ，Ｙ）√ｋ（ｚ，ｙ）分别为连续３帧图像序列
的帧差分结果．
对３帧序列图像做２次差分后所得非零部分就是物体的部分信息．但无法确定该部分区域属于哪一帧原图像，为此定义了差分图像的运算．
定义２二次帧差分图像运算如下：
Ｙ（ｘ，ｙ）一，ｄ２（ｚ，了）０，ｄｌ（ｚ，ｙ）一
｛ｙＨ（ｚ，ｙ），】，ｓ（上，ｙ），ｙ，（ｚ，，））．
（４）其中运算规则。定义为
ｙＨ（ｚ，ｙ）＝ｒａｉｎ｛ＩＨ：（工，，）一Ｈ：～】（工，，）ｌ，
Ｈ０・（ｚ．了）一Ｈ：（工，ｙ）Ｉ）．
（５）
万
方数据ｈ（上，ｙ）＝ｍｉｎｆＩｓ：（Ｔ，ｙ）－ｓ；一。（ｚ，ｙ）Ｊ，
ｌｓ：十ｌ（ｚ，ｙ）一ｓ：（ｚ，，）Ｉ｝，
（６）
ｙ，（ｚ。ｙ）一ｒａｉｎ｛Ｉｊ：（ｚ，ｙ）一Ｊ：一ｌ（ｚ，ｙ）ｌ，
Ｊ：十１（ｚ，ｙ）一ｆ：（ｚ．ｙ）Ｉ）．
（７）式中：Ｙ（ｘ，，）为相与运算所得结果，相与运算为对，ｄ，（卫，，）、，ｄ２（ｚ。ｙ）２个帧差分图像的色度Ｈ、饱和度ｓ和亮度Ｉ值取极小的运算．
２）多运动目标识别方法
在图像上提取运动目标的以下特征：
①运动目标的体积特征．根据预期跟踪的运动目标知识（如图像中相同位置汽车所占的厦积大于人、人所占的面积大于小动物等先验知识”１），对特定的场景图像区域可根据跟踪目标在图像中的位置所占的面积大小Ｍ。设定一个阔值ｔ。，利用运动目标的面积进行区分．
②运动目标的外形轮廓特征．根据先验知识，汽车在图像中最大长宽比应该大于１，人在图像中最大长宽比虚该小于ｌ，动物在图像中最大长宽比应该太于１．记Ⅳｋ、Ｌｋ分别为找到的第ｉ个运动目标的最大宽度与长度，运动目标的形状特征即最大长宽比为
Ｄ。一Ｌ；／ｗｋ．
（８）
③运动目标的头肩区域特征口］．从运动目标的顶部位置向下取１／４图像得到运动目标的头肩部分图像，提取其形状特征进行且标识别．人的头肩区域相对其他运动物体的顶部区域在形状上有很大差异，因此这是一种有效的识别特征．本文利用４个仿射不变矩，计算得到目标区域上部１／４图像的形状特征，具体计算参见文献［７］＿记Ｅ为计算所得４个仿射不变矩与人头肩部分经验不变矩差的绝对值之和，ａ为一定的容限值．
通过上述目标特征的提取，可以对运动目标进行如下分类和匹配．
①运动目标的分类．对于人：
｛Ｄ。＜１）ｎ（Ｅ。∈（０，文））；对于车：
｛Ｄ。＞ｌ｝ｎ｛Ｍ。＞ｔｏ）Ｎ（Ｅ。∈（Ｏ，８Ｉ））；
对于动物：
｛Ｄ。＞１｝Ｎ｛Ｍ。＜“）ｎ｛Ｅ。∈（Ｏ，艿－））‘②运动目标的匹配．
当场景中含有多个运动目标时，利用下列规则对当前检测出的运动目标只（ｉ＝１，２，…）进行匹配．
规则１：ＩＦＤ。＜１ＡＮＤＥ。∈（０，ａ），ＴＨＥＮ运
动耳标是人；
规则２：ＩＦＤ．＞ｌＡＮＤ舰＞ｆ。ＡＮＤＥ，岳（０，
第１０期
王建平，等；移动机器人检测与跟踪系统的研究与设计
１７１３
＆），ＴＨＥＮ运动目标是车；
规则３：ＩＦＤ。＞１
ＡＮＤ
Ｍ．＜ｔ。ＡＮＤＥ硭（０，
文），ＴＨＥＮ运动目标足动物．
通过对检测出的运动目标特征与预期跟踪目标特征逐个进行匹配，确定要跟踪的运动目标的区域．
２．３状态３——考试车辆跟踪与评判
２．３．１状态说明
当运动目标的识别结果为考试
车辆时，机器人对考试车辆进行目标跟踪．移动机器人在跟踪考试车辆的同时，对考试车辆是否出线进行判断．如果在跟踪的过程中，考试车辆从视觉图像上丢失，则跳转到状态２对目标进行搜索检测与识别，识别成功后继续跟踪．如果在跟踪的过程中机器
人判定考试车辆违规，则跳转到状态４——考试结
束．如果在跟踪的整个过程中机器人监控结果为考试车辆没有违规，则跳转到状态４．
２．３．２任务分配级任务分配规则集如下：
规则ｌ：ＩＦｋ＝０，ＴＨＥＮ调用远景图像；规则２：ＩＦ在远景图像中没有考试车辆运动区域，ＴＨＥＮ运动目标丢失，进行运动目标搜索检测；
规则３：ＩＦ在远景图像中发现考试车辆运动区域ＡＮＤ
ｘｏ—ｍ：ｌ≥岛ＵｆＹ。一ｍ，ｆ≥最，ＴＨＥＮ进
行方位控制，使运动目标区域的重心坐标（ｍ：，／＇ｎ，）在图像区域ｌＸ。一ｍ。｛＜ｆ。ｎ｛Ｙｏ—ｍ，１＜玉内；
规则４：ＩＦ在远景图像中发现考试车辆运动区Ｉｘ。一ｍ：ｌ＜ｒ－ｎｌＹｏ—ｍ，Ｉ＜壶，ＴＨＥＮ调
规则５：ＩＦ在近景图像中发现考试车辆运动区
ＩＸ。一ｍ：１＜ｆ－ｎ１Ｙ。一ｍ，Ｉ＜＆ＡＮＤ
（ｘｏ—ｍ：）≠０Ｕ（Ｙｏ—ｍ，）≠ｏ，ＴＨＥＮ进行方位控制．使运动目标区域的重心坐标（ｍ。，ｍ，）与图像成规则６：ＩＦ（Ｘ。一ｍ：）一０Ｕ（ｙ。一ｍ，）一０
ＡＮＤ
规则７：ＩＦ（Ｘｏ一％）＝０１３（ｙｎ—ｍ，）一０
ＡＮＤ
规则８：ＩＦ在近景图像中发现考试车辆运动区域ＡＮＤ（ｘｏ—ｍ：）＝０Ｕ（Ｙｏ—ｍ，）＝０ＡＮＤ
ｋ１＜
６≠＾。，ＴＨＥＮ进行距离控制，使运动目
标的成像面积与图像总面积比值为女ｏ；
规则９：ＩＦ在跟踪的过程中机器人判定考试车辆违规，ＴＨＥＮ跳转到状态４；
规则ｌＯ：１Ｆ在跟踪的整个过程中机器人的监控结果为考试车辆没有违规，ＴＨＥＮ跳转到状态４；
规则ｌｌ：ＩＦ红外检测机器人与考试车辆的直线
万
方数据距离小于安全距离Ｌ一，ＴＨＥＮ进行红外防撞控制．
在上述规则中：ｆｚ为图像成像面ｘ轴方向的阈值，曼为图像成像面Ｙ轴方向的阈值，ｋ为运动目标的成像面积与图像总面积的比值，ｋ。、ｋ：为运动目标的成像面积与图像总面积的比值的阈值，‰为运动目标的成像面积与图像总面积的期望的比值．
２．３．３控制识别级
１）方位控制．运用Ｋａｌｍａｎ滤波器预估下一帧运动目标重心点（ｍ，，ｍ，）．驱动机器人左右移动ＡＸ使运动目标的重心点出现在图像的中心位置ｙ。轴上．物体地面上的点与摄像机的水平距离为Ｉｌｌ：．由单摄像机近似小孔成像原理的测距方法可得
ｍ；（ｔ）＝ｆＨ／［（ｍ，（ｆ）一弘）ｄ，］．
（９）
目标水平移动的实际距离ＡＸ（ｔ）计算公式如下：
ＡＸ（ｔ）一（ｍ，（ｆ）－－３Ｅｏ）ｄ，１＂ｎ：（ｆ）／ｆ＝
（ｍ。（￡）一ｚｏ）ｄ。Ｈ／［（ｍ，（｝）一弘）ｄ，］．（１０）
式中：ｄ；为摄像机成像像素的横向物理尺寸，ｄ，为摄像机成像像素的纵向物理尺寸，Ｈ为摄像机与地面的高度，＿ｒ为摄像机的焦距，ｍ，（￡）、ｍ，（｝）为预估运动目标的重心点．
机器人方位调整方式如下：
①若ｍ，一ｘ。＜０，则机器人向右行进△Ｘ，使运动目标的重心点出现在图像的中心位置Ｙ。轴上．
②若ｍ：一墨＞ｏ，则机器人向左行进ＡＸ，使运
动目标的重心点出现在图像的中心位置弘轴上．
２）距离控制．驱动机器人前后移动△ｚ并保持图像大小不变．设保持运动目标的成像面积与图像总面积的比值为常值＾。，即保持物体地面上的点与摄像机的水平距离为Ｌ实际状态下运动目标在图像中所占的比值为ｋ，在使用小孔成像模型时，运动目标的像面积与物体的表面积之间的比等于焦距，和物距ｍ。之比的平方，由此可以得出运动目标的像面积之比公式：
ｋ／ｋ。一Ｌ２／ｍ：．
（１１）
通过式（９）计算得到此时物体重心距机器人的近似距离为ｍ；，为了使运动目标成像面积与图像总面积的比值保持为ｋ。，机器人需要移动的距离为
ＡＺ（ｔ）一（厥一１）ｍ：．（１２）
将式（９）、（１１）代入式（１２），可得
ＡＺ（ｔ）一（瓜一１）ｍ：一
（以ｚ脂ｔ一１）丽忑乒了丽２
——
ｆＨ
Ｌ—ｍ：．
（１３）
当ｋｔ＜＾。＜＾ｚ时，机器人距离调整方式如下：①当ｋ＜ｋ，时，若３Ｚ＜ｏ，则机器人接近运动目
域ＡＮＤ用近景图像；
域ＡＮＤ像面中心点坐标（Ｘｏ，Ｙｏ）重合｝
ｋ＜ｋ。Ｕｋ。＜矗，ＴＨＥＮ进行距离控制，使量满足矗。≤女＜＆２；
＾。＜＾＜女２，ＴＨＥＮ调用近景图像；
女＜女：ＡＮＤ
浙江大学
标，使成像面积变大，行程距离为△Ｚ．
②当＾＞岛时，若△ｚ＞ｏ，则机器人远离运动目标，使成像面积变小，行程距离为△Ｚ．
③当ｋ。＜＾＜＾ｚ时，调用近景图像进行距离调整．３）汽车出线判断．根据桩考实际场景，对于汽车出线的判断首先要判断摄像头范围内考场规定区域边线的位置．而用于检测直线最为经典的算法是Ｈｏｕｇｈ变换”］．Ｈｏｕｇｈ变换利用２个坐标系之间的变换来检测平面内的直线或曲线，这种变换使得在变换空间中所希望的边缘信息凝聚在一起形成峰值，可用来检测规则的直线或二次曲线．因此，运用Ｈｏｕｇｈ变换来检测边线．
在得到摄像头范围内边线的位置信息后还必须准确地知道汽车所在的平面与直线的位置关系才能判断出汽车是否出线．通过基于Ｒｏｂｅｒｔ算子的图像分割方法从动态场景中提取运动目标汽车的边缘信息”］，并以汽车的边缘做一个封闭的矩形，作为汽车在图像上的位置．
将采用Ｈｏｕｇｈ变换所得的边线位置与汽车的封闭矩形的位置进行比较，判断汽车在桩考过程中是否出线．
２．４状态４－－考试结束
２．４．１状态说明机器人进行目标跟踪，当有评判结果输出时，移动机器人进入考试结束状态．２．４．２任务分配级
任务分配规则集如下：
规则１：ＩＦ在跟踪的过程中机器人判定考试车辆违规，ＴＨＥＮ考试车辆桩考失败；
规则２：ＩＦ在跟踪的整个桩考过程中机器人的监控结果为考试车辆没有违规，ＴＨＥＮ考试车辆桩考通过．
２．４．３控制识别级处于考试结束状态，机器人停止运动，机器人系统进入待机状态．等待下一次考试．
３结语
本文提出了一种自主移动机器人对运动目标检测和自动跟踪的识别与控制方法．建立了基于连续图像帧差分和二次帧差分的改进的图像ＨＳＩ差分模型，给出了运动目标的特征分析和计算方法．通过特征匹配识别所需跟踪且标的区域，采用Ｋａｌｍａｎ预报器对运动目标进行一步状态预测估计和两步增
万
方数据学报（工学版）
第４１善
量式跟踪，可以快速平滑地实现移动机器人对运动目标跟踪的驱动控制．研究的主要目标是建立与被监测目标模式特征的运动特征模型的定性与定量结合的知识模型．采用产生式数据驱动推理规则，实现运动目标检测与识别．系统结构简单，实时性好，具有工程实用性．
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［１３孙增圻．张再兴，邓志东．智能控制理论与技术［Ｍ］．北
京：清华大学出版社，１９９７．
［２］蔡自兴．智能控制［Ｍ］．２版．北京：电子工业出版社，
２００４．
［３］韦巍．智能控制技术［Ｍ］．北京：机械工业出版幸ｔ，２００５．［４］李庆忠，陈显华，王立红．一种视频运动目标的检测与识
别方法［Ｊ］．模式识别与人工智能，２００６，１９（２）：
２３８—２４２．ＬＩ
Ｑｉｎｇ—ｚｈｏｎｇ，ＣＨＥＮＸｉａｎ－ｈｕａ，ＷＡＮＧＬｉ—ｈｏｎｇ．Ａ
ｍｏｖｉｎｇ
ｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｉｎｖｉｄｅｏ
ｓｅｑｕｅｎｃｅｓ口］．Ｐａｔｔｅｒｎ
ＲｅｃｏｇｎｉｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉ—
ｇｅｎｃｅ，２００６，１９（２）：２３８—２４２．
［５］王建平，钱渡，姜滔．基于变换域分析的车牌分割研究
口］．台肥工业大学学报，２００４，２７（３）：２５１—２５５．
ＷＡＮＧＪｉａｎ－ｐｉｎｇ，Ｑ１ＡＮＢｏ，ＪＩＡＮＧＴａｏ．Ｒｅｓｅａｒｃｈ
ｏｎ
ｔｈｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｏｆｖｅｈｉｃｌｅｌｉｃｅｎｓｅｐｌａｔｅｂａｓｅｄ
ｏｎ
ｓｐａｃｅ
ｔｒａｎｓｆｏｒｍ
ａｎａｌｙｓｉｓ口］．Ｊｏｕｒｎａｌ
ｏｆＨｅＦｅｌＵｎｌ—
ｖｅｒｓｉｆｙｏｆＴｅｃｈｎｏｌｏｇｙ，２００４，２７（３）：２５１—２５５．
［６］林洪文，涂丹，李国辉．基于统计背景模型的运动目标检
测方法［Ｊ］．计算机工程，２００３．２９（１６）：９７—９９．
ＬＩＮＨｏｎｇ—ｗｅｎ・ＴＵＤａｎ，ＬＩＧｕｏ－ｈｕｉ．Ｍｏｖｉｎｇｏｂｊｅｃｔｓ
ｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄ
ｏｎ
ｓｔａｔｉｓｔｉｃａｌｂａｃｋｇｒｏｕｎｄｍｏｄｅｌ
口］．Ｃｏｍｐｕｔｅｒ
Ｅｎｇｉｎｅｅｒｉｎｇ，２００３，２９（１６）：９７—９９．
ＥＴ］倪福川，贺贵明．龙磊．基于不变矩的人形“头肩像”识别
技术［Ｊ］．计算机工程．２００５，３１（１０）：１７４—１７６．
ＮＩＦｕ－ｅｈｕａｎ．ＨＥＧｕｉｍｉｎｇ，ＬＯＮＧＬｅｉ．Ｄｅｔｅｃｔｉｏｎｏｆｈｕｍａｎ’８ｈｅａｄａｎｄｓｈｏｕｌｄｅｒｂａｓｅｄ
ｏｎ
ｍｏｍｅｎｔｉｎｖａｒｉａｎｔｓ
ＦＪ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ．２００５，３１（１０）：１７４—１７６．［８３王耀南，李树涛，毛建旭．计算机图像处理与识别技术
［Ｍ］．北京：高等教育出版社。２００１．
［９］洪宇，高广珠，余理富，等，一种基于动态背景的运动车
辆跟踪算法［Ｊ］．计算机应用研究，２００４（６）：１０７—１０９．
ＨＯＮＧＹｕ，ＧＡＧＧｕａｎｇｚｈｕ，ＹＵＬｉ－ｉｕ，ｅｔａ１．Ａｄｙ—ｎａｍｉｃ
ｂａｃｋｇｍｕｎｄ－－ｂａｓｅｄｍｏｖｉｎｇｖｅｈｉｃｌｅｔｒａｃｋｉｎｇａｌｇｏ—－
ｒｉｔｈｍ［Ｊ］．ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ，２００４（６）：
１０７—１０９．
第４１卷第１０期２００７年ｌＯ月
浙江大学学报【工学版）
Ｖ０１．４１ＮｏＯｃｔ．２００７
１０
ＪｏｕｒｎａｌｏｆＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ（ＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ
移动机器人检测与跟踪系统的研究与设计
王建平，张涛
（合肥工业大学电气与自动化工程学院，安徽台肥２３０００９）
摘要：从智能控制与模式识别方法和传统控制理论相结合的思想出发，提出了一种自主移动机器人对运动目标检测和自动跟踪的讽别与控制方法．建立了基于连续图像帧差分和二次帧差分的改进的图像ＨＳＩ差分模型，给出
了运动耳标的特征分析和计算方法通过特征匹配识别所需跟踪目标的区域，采用Ｋａｌｍａｎ预报器对运动目标状态进行一步预测估计和两步增量式跟踪，可咀快速平滑地实现移动机器人对运动目标的跟踪驱动控制．以移动机器人对汽车桩考的全过程进行监控为例，给出了移动机器人视觉检测识别和跟踪控制系统在汽车桩考中的应用．关键词：视觉检测；视觉跟踪；Ｋａｌｍａｎ滤波器｛ＨＳＩ差分模型；移动机器人；汽车桩考中国分类号：ＴＰ２４
文献标识码：Ａ文章缟号：１００８—９７３Ｘ（２００７）】Ｏ一１７１０—０５
Ｒｅｓｅａｒｃｈａｎｄｄｅｓｉｇｎｏｆｄｅｔｅｃｔｉｎｇａｎｄｔｒａｃｋｉｎｇ
ｓｙｓｔｅｍｆｏｒｍｏｂｉｌｅｒｏｂｏｔＷＡＮＧＪｉａｎ—ｐｉｎｇ，ＺＨＡＮＧ
（Ｓｃｈｏｏｌ
Ｔａｏ
ｏｆＥｌｅｃｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９．Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃｏｍｂｉｎｇｍｅｔｈｏｄｓｏｆｉｎｔｅｌｌｉｇｅｎｃｅｃｏｎｔｒｏｌａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｎｄｔｒａｄｉｔｉｏｎａｌｃｏｎｔｒｏｌｔｈｅｏｒｉｅｓ，
ａｎ
ａｐｐｒｏａｃｈｏｆｒｅｃｏｇｎｉｔｉｏｎａｎｄｃｏｎｔｒｏｌｗａｓｐｒｏｐｏｓｅｄ
ｏｎ
ｔｏ
ｄｅｔｅｃｔａｎｄｔｒａｃｋｍｏｖｉｎｇｏＷｅｃｔｓ
ｂｙｒｏｂｏｔ．Ａｎｉｍ—
ｐｒｏｖｅｄＨＳＩｉｍａｇｅｄｉｆｆｅｒｅｎｃｅｍｏｄｅｌｂａｓｅｄ
ｓｅｑｕｅｎｃｅｓ
ｉｍａｇｅｄｉｆｆｅｒｅｎｃｅａｎｄｓｅｃｏｎｄｉｍａｇｅｄｉｆｆｅｒｅｎｃｅｗａｓ
ｔｏ
ｐｒｅｓｅｎｔｅｄ．ＴｈｅｆｅａｔｕｒｅａｎａｌｙｓｉｓａｎｄｆｉｇｕｒｅｏｆｍｏｖｉｎｇｏｂｊｅｃｔｓｗｅｒｅｄｅｆｉｎｅｄＴｈｅｍｏｖｉｎｇｏｂｊｅｃｔｓｕｓｅｄ
ｔｏ
ｓｔａｔｅ
ｒｅｃｏｇｎｉｚｅ
ｏｎ
ｔｈｅ
ａｒｅａ
ｏｆｏｂｊｅｃｔｓ．
ｆｏｒｅｃａｓｔａｎｄｔｗｏｓｔｅｐｓｉｎｃｒｅｍｅｎｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄ
ｔｏ
Ｋａｌｍａｎｆｉｌｔｅｒｗｅｒｅ
ｄｒｉｖｅｔｈｅｍｏｂｉｌｅｒｏｂｏｔ
ｔｒａｃｋｍｏｖｉｎｇｏｂｊｅｃｔｓｑｕｉｃｋｌｙａｎｄｓｍｏｏｔｈｌｙ．Ｔａｋｉｎｇｔｈｅｓｕｐｅｒｖｉｓｉｏｎｏｆｔｈｅ
ａｓ
ａｎ
ｗｈｏｌｅｐｒｏｃｅｓｓｏｆａｕｔｏｍｏｂｉｌｅｓｔａｋｅｏｆｍｏｈｉｌｅｒｏｂｏｔ
ｘＮａｓ
ｅｘａｍｐｌｅ，ａｐｐｌｉｃａｔｉｏｎｏｆｖｉｓｉｏｎｂａｓｅｄｄｅｔｅｃｔｉｎｇａｎｄｔｒａｃｋｉｎｇｓｙｓｔｅｍ
ｉｌｉｕｓｔｒａｔｅｄ．
Ｋｅｙｗｏｒｄｓ；ｖｉｓｉｏｎｄｅｔｅｃｔ；ｖｉｓｉｏｎｔｒａｃｋ；Ｋａｌｍａｎｆｉｌｔｅｒ；ＨＳＩｄｉｆｆｅｒｅｎｃｅｍｏｄｅｌ；ｍｏｖｉｎｇｒｏｂｏｔ；ａｕｔｏｍｏｂｉｌｅｓｔａｋｅ
在某些不适合人工参与的特殊工况（如有毒气污染、炸弹排爆等）下，某些控制工程的相关任务只能由智能机器人来完成．无需操作人员来驱动自主机器人实现其目标监控，而且能够在结构化或非结构化条件、熟悉或不熟悉的环境中，自主地执行监控任务，是移动机器人视觉检测识别运动目标和自动跟踪目标的智能控制与识别方法的研究热点，从视频序列图像中有效地提取运动目标和跟踪控制是移动机器人自主运动控制的重要技术之一．
如何有效地模拟人的智能活动机理，将人类的
收撬日期：２００７—０ｆｉ一１２．
视觉认知方式和运动控制方法结合起来去解决移动机器人自主监测和控制运动目标的问题，寻找一种既具有高检测识别性能，又能对移动目标进行快速平滑的自动跟踪的智能控制与识别方法是值得研究的课题”“．
１移动机器人视觉检测识别与跟踪控
制系统的设计
在对运动目标进行检测识别与驱动控制的过程
浙江大学学报【工学版ｌ闷址：…．ｊｏｕｒｎａｌｓ司ｕ．ｅｄｕ．ｃｎ／ｅｎｇ
ａｈ．ｃｎ
作者简介：王建平（ｔ９５５一），男，＿｝可北藁城人。教授－从事智能控制技术和数宇图像处理的研究．Ｅ－ｍａｉｌ：ｗａｎｓｗｗ＠ｍａｉｌ。ｈＬ
万方数据
第１０期
王建平，等：移动机器人检测与跟踪系统的研究与设计
中，拟人监控过程是根据运动目标的模式特征信息，通过识别判断，在线确定或变换驱动控制策略，从而对监控的运动目标进行跟踪ｏ］．因此，系统设计满足监控系统的实时性和可靠性要求，同时考虑到识别与控制过程的灵活性和适应性，实现目标模式的灵活监测和实时跟踪控制策略，以适应在结构化或非结构化、熟悉或不熟悉的环境中，自主地执行监控任务．１．１移动机器人视觉检测识别和跟踪控制系统
功能结构
系统功能结构包括：①全景视觉和近景视觉摄取；②方位控制和距离控制；③红外防撞测量与控制．移动机器人视觉检测识别和跟踪控制系统的任务分层递阶智能监控系统功能结构如图１所示．
任务分配器
ｉ任务
协凋器Ｉ｜１协调器２｜｜执渊器Ｉ｜Ｉ协调嚣２ｌＩ协嘲｛
运动｜｜运动Ｉ｜视觉｜｜视觉Ｉ｜其他
！分配级
方位Ｉ
控制ｌ
Ｉ距离Ｉ
Ｉ控制ｌ
Ｉ垒量ｌ
ｌ图像ｌ
ｌ近景１
Ｉ图像１
ｌ红外
ｌ防撞
ｉ撒
图１
任务分层递阶智能监控系统功能结构图
Ｆｉｇ，ｌ
Ｆｕｎｃｔｉｏｎ
ｓｔｒｕｃｔｕｒｅ
ｃｈａｒｔｏｆｌａｙｅｒｅｄａｎｄｈｉｅｒａｒｃｈｉ—
ｃａｌｉｎｔｅｌｌｉｇｅｎｔｓｕｐｅｒｖｉｓｉｏｎｓｙｓｔｅｍｏｆｔａｓｋ
１．２目标模式和运动状态特征模型以及控制模式
模态集模型的表示和获取
移动机器人控制系统的控制识别级和任务分配级的特征模型是对系统特征的定性与定量相结合的描述，是依据领域专家知识对被监测目标模式和运动状态的认知，以及按性能指标的要求对系统动态模式特征信息空间的一种划分，各级中划分出的每一个区域分别表示系统的一种特征，各级特征的全体集合即为各级的特征模型．
１．２．１任务分配级特征模型的表示和荻取任务分配级的功能有任务分解、任务分配、任务协调、识别与控制模式决策等．常用的目标模式与运动状态特征有图像中目标模式特征有无、图像中目标跟踪性能好坏及系统监控性能指标是否达到等，可以通过比较判断全景与近景序列图像的目标模式识别和系统任务性能要求来获得．
１．２．２控制识别级特征模型的表示和获取控制识别级的功能有图像处理与识别、运动控制、其他控制等．常用的目标模式与运动状态特征有全景图像的目标模式特征、近景图像的目标模式特征、方位控制状态误差特征、距离控制状态误差特征和防撞控制特征等，可以通过提取判断全景与近景序列图像
万
方数据的目标模式识别和运动控制状态来获得２
机器人视觉检测识别和跟踪方法在桩考中的应用
传统的汽车桩考检测方法是人工检测法．在桩
考时，监测人员在考场边上目测考车的位置并即时做出判断．然而由于监测人员所处的位置、角度的不同，经常产生误判、漏判、错判，给交通安全留下严重隐患．自动桩考法是近年来发展起来的新技术，即电子桩考．自动桩考系统的优点是可以有效地克服人工监测的主观性，减少工作人员的误判、错判，但是该系统存在着一定的缺陷，维护费用昂贵，针对不同的考试车辆不能灵活地变换场地大小．利用智能机器人不仅可以有效地克服人工监测的主观性，而且可以灵活地对不同大小的车辆进行监控和评判．
引入有限状态机（ｆｉｎｉｔｅ
ｓｔａｔｅ
ｍａｃｈｉｎｅ，ＦＳＭ）
对桩考的全过程进行建模，归纳出移动机器人所要经历的状态．通过视觉检测识别和跟踪控制系统对桩考中机器人的各个状态进行控制，达到机器人模仿人进行桩考监控评判的目的．移动机器人在汽车桩考中的状态如下．２．１状态ｌ～等待考试
ｚ．１．１状态说明
移动机器人考试前处于等待状
态，当机器人接收到考试开始信号后，转入状态
２——运动目标检测与识别．
２．１．２任务分配级任务分配规则集如下：
规则１：ＩＦ考试开始信号发生，ＴＨＥＮ开始考试，进入状态２；
规则２：ＩＦ没有考试开始信号发生。ＴＨＥＮ仍然处于等待考试状态．
２．１．３控制识别级
当机器人接收到考试开始信
号后，转入状态２．当机器人没有接收到考试开始信号时，机器人仍然处于等待考试状态．
２．２状态２——运动目标检测与识别
２．２．１状态说明
汽车桩考中机器人没有在视觉
图像上发现运动目标，或者考试的过程中考试车辆在图像上丢失，机器人进行运动目标搜索．机器人在搜索过程中如果检测出运动目标，则对运动目标进行识别；如果没有发现运动目标，则继续进行运动目标搜索．在桩考现场干扰的运动物体较多，当图像中检测出多个运动目标时，需对多个运动目标进行特征判别，以分析识别每个运动目标特征．当识别算法的识别结果为考试车辆时，则对运动目标进行跟踪．当识别算法的识别结果为非考试车辆时，则继续进
浙江大学学报（工学版）
第４１毒
行目标搜索．
２．２．２任务分配级任务分配规则集如下：
规则ｌ：ＩＦ调用近景视觉ＡＮＤ在近景视觉图像上检测出运动目标，ＴＨＥＮ运动目标识别；
规刚２：ＩＦ调用近景视觉ＡＮＤ在近景视觉图像上不能检测出运动目标，ＴＨＥＮ调用远景图像｝
规则３：ＩＦ调用远景视觉ＡＮＤ在远景视觉图像上检测出运动目标，ＴＨＥＮ运动目标识别；
规则４：ＩＦ调用远景视觉ＡＮＤ在远景视觉图像上不能检测出运动目标，ＴＨＥＮ重新调用近景视觉进行目标搜索；
规则５：ＩＦ识别算法的识别结果为考试车辆，ＴＨＥＮ对考试车辆进行目标跟踪；
规则６：ＩＦ识别算法的识别结果为非考试车辆，ＴＨＥＮ重新调用近景视觉进行目标搜索．
２．２．３控制识别级
１）近景远景图像的运动目标检测方法
移动机器人在某一位置采得连续的３帧图像序列＾一，（工，ｙ）√ｊ（工，ｙ）√ｊ＋－（工，ｙ）．由于仿人眼对色度的敏感系数要比亮度低ｏ］，通过对图像的色调Ｈ、饱和度Ｓ和亮度Ｊ等属性的敏感系数进行调整”］，将所得序列的每一帧图像转换为更能突出移动目标的改进型ＨＳＩ图像＾（ｚ，ｙ），即
五（ｚ，ｙ）＝（Ｗ。Ｈ。（ｚ，了）。’亿ｓ。（Ｔ，了），Ｈ，ｆｆ。（ｚ，，）｝＝
｛Ｈ：（工，ｙ）。Ｓ：（ｚ，，），ｆ（＿ｒ，ｙ））；
（１）
ｉ一＾一１，ｋ，ｋ＋１．
式中：ｗ。、Ⅳｓ、Ⅳ，分别为设定的色调、饱和度和亮度的敏感系数．将由式（１）转化后的第ｋ与第ｋ一１帧图像及第ｋ＋１与第ｋ帧图像分别进行差分．
定义１
帧差分图像计算模型如下：
，ｄ－（ｚ，ｙ）一｛ｌ｝《＜ｚ，∞一Ｈ：一，妇，少；，ｌ爱＜ｚ，ｙ）一＿ｓ：一１（ｚ，ｙ）Ｉ，ＪＥ（ｚ，ｙ）一疋一１（工，ｙ）Ｊ），（２）
矗（ｚ，，）＝｛ｌＨ：＋１（ｚ，ｙ）一Ｈ：（＿ｒ，ｙ）｝，ｌｓ：十－（ｚ，ｙ）一
ｓ：（ｚ，ｙ）｝，ｌ疋＋ｌ（卫，ｙ）一ｆ：（ｚ，ｙ）Ｉ）．（３）
式中；＾。（ｚ，Ｙ）√ｋ（ｚ，ｙ）分别为连续３帧图像序列
的帧差分结果．
对３帧序列图像做２次差分后所得非零部分就是物体的部分信息．但无法确定该部分区域属于哪一帧原图像，为此定义了差分图像的运算．
定义２二次帧差分图像运算如下：
Ｙ（ｘ，ｙ）一，ｄ２（ｚ，了）０，ｄｌ（ｚ，ｙ）一
｛ｙＨ（ｚ，ｙ），】，ｓ（上，ｙ），ｙ，（ｚ，，））．
（４）其中运算规则。定义为
ｙＨ（ｚ，ｙ）＝ｒａｉｎ｛ＩＨ：（工，，）一Ｈ：～】（工，，）ｌ，
Ｈ０・（ｚ．了）一Ｈ：（工，ｙ）Ｉ）．
（５）
万
方数据ｈ（上，ｙ）＝ｍｉｎｆＩｓ：（Ｔ，ｙ）－ｓ；一。（ｚ，ｙ）Ｊ，
ｌｓ：十ｌ（ｚ，ｙ）一ｓ：（ｚ，，）Ｉ｝，
（６）
ｙ，（ｚ。ｙ）一ｒａｉｎ｛Ｉｊ：（ｚ，ｙ）一Ｊ：一ｌ（ｚ，ｙ）ｌ，
Ｊ：十１（ｚ，ｙ）一ｆ：（ｚ．ｙ）Ｉ）．
（７）式中：Ｙ（ｘ，，）为相与运算所得结果，相与运算为对，ｄ，（卫，，）、，ｄ２（ｚ。ｙ）２个帧差分图像的色度Ｈ、饱和度ｓ和亮度Ｉ值取极小的运算．
２）多运动目标识别方法
在图像上提取运动目标的以下特征：
①运动目标的体积特征．根据预期跟踪的运动目标知识（如图像中相同位置汽车所占的厦积大于人、人所占的面积大于小动物等先验知识”１），对特定的场景图像区域可根据跟踪目标在图像中的位置所占的面积大小Ｍ。设定一个阔值ｔ。，利用运动目标的面积进行区分．
②运动目标的外形轮廓特征．根据先验知识，汽车在图像中最大长宽比应该大于１，人在图像中最大长宽比虚该小于ｌ，动物在图像中最大长宽比应该太于１．记Ⅳｋ、Ｌｋ分别为找到的第ｉ个运动目标的最大宽度与长度，运动目标的形状特征即最大长宽比为
Ｄ。一Ｌ；／ｗｋ．
（８）
③运动目标的头肩区域特征口］．从运动目标的顶部位置向下取１／４图像得到运动目标的头肩部分图像，提取其形状特征进行且标识别．人的头肩区域相对其他运动物体的顶部区域在形状上有很大差异，因此这是一种有效的识别特征．本文利用４个仿射不变矩，计算得到目标区域上部１／４图像的形状特征，具体计算参见文献［７］＿记Ｅ为计算所得４个仿射不变矩与人头肩部分经验不变矩差的绝对值之和，ａ为一定的容限值．
通过上述目标特征的提取，可以对运动目标进行如下分类和匹配．
①运动目标的分类．对于人：
｛Ｄ。＜１）ｎ（Ｅ。∈（０，文））；对于车：
｛Ｄ。＞ｌ｝ｎ｛Ｍ。＞ｔｏ）Ｎ（Ｅ。∈（Ｏ，８Ｉ））；
对于动物：
｛Ｄ。＞１｝Ｎ｛Ｍ。＜“）ｎ｛Ｅ。∈（Ｏ，艿－））‘②运动目标的匹配．
当场景中含有多个运动目标时，利用下列规则对当前检测出的运动目标只（ｉ＝１，２，…）进行匹配．
规则１：ＩＦＤ。＜１ＡＮＤＥ。∈（０，ａ），ＴＨＥＮ运
动耳标是人；
规则２：ＩＦＤ．＞ｌＡＮＤ舰＞ｆ。ＡＮＤＥ，岳（０，
第１０期
王建平，等；移动机器人检测与跟踪系统的研究与设计
１７１３
＆），ＴＨＥＮ运动目标是车；
规则３：ＩＦＤ。＞１
ＡＮＤ
Ｍ．＜ｔ。ＡＮＤＥ硭（０，
文），ＴＨＥＮ运动目标足动物．
通过对检测出的运动目标特征与预期跟踪目标特征逐个进行匹配，确定要跟踪的运动目标的区域．
２．３状态３——考试车辆跟踪与评判
２．３．１状态说明
当运动目标的识别结果为考试
车辆时，机器人对考试车辆进行目标跟踪．移动机器人在跟踪考试车辆的同时，对考试车辆是否出线进行判断．如果在跟踪的过程中，考试车辆从视觉图像上丢失，则跳转到状态２对目标进行搜索检测与识别，识别成功后继续跟踪．如果在跟踪的过程中机器
人判定考试车辆违规，则跳转到状态４——考试结
束．如果在跟踪的整个过程中机器人监控结果为考试车辆没有违规，则跳转到状态４．
２．３．２任务分配级任务分配规则集如下：
规则ｌ：ＩＦｋ＝０，ＴＨＥＮ调用远景图像；规则２：ＩＦ在远景图像中没有考试车辆运动区域，ＴＨＥＮ运动目标丢失，进行运动目标搜索检测；
规则３：ＩＦ在远景图像中发现考试车辆运动区域ＡＮＤ
ｘｏ—ｍ：ｌ≥岛ＵｆＹ。一ｍ，ｆ≥最，ＴＨＥＮ进
行方位控制，使运动目标区域的重心坐标（ｍ：，／＇ｎ，）在图像区域ｌＸ。一ｍ。｛＜ｆ。ｎ｛Ｙｏ—ｍ，１＜玉内；
规则４：ＩＦ在远景图像中发现考试车辆运动区Ｉｘ。一ｍ：ｌ＜ｒ－ｎｌＹｏ—ｍ，Ｉ＜壶，ＴＨＥＮ调
规则５：ＩＦ在近景图像中发现考试车辆运动区
ＩＸ。一ｍ：１＜ｆ－ｎ１Ｙ。一ｍ，Ｉ＜＆ＡＮＤ
（ｘｏ—ｍ：）≠０Ｕ（Ｙｏ—ｍ，）≠ｏ，ＴＨＥＮ进行方位控制．使运动目标区域的重心坐标（ｍ。，ｍ，）与图像成规则６：ＩＦ（Ｘ。一ｍ：）一０Ｕ（ｙ。一ｍ，）一０
ＡＮＤ
规则７：ＩＦ（Ｘｏ一％）＝０１３（ｙｎ—ｍ，）一０
ＡＮＤ
规则８：ＩＦ在近景图像中发现考试车辆运动区域ＡＮＤ（ｘｏ—ｍ：）＝０Ｕ（Ｙｏ—ｍ，）＝０ＡＮＤ
ｋ１＜
６≠＾。，ＴＨＥＮ进行距离控制，使运动目
标的成像面积与图像总面积比值为女ｏ；
规则９：ＩＦ在跟踪的过程中机器人判定考试车辆违规，ＴＨＥＮ跳转到状态４；
规则ｌＯ：１Ｆ在跟踪的整个过程中机器人的监控结果为考试车辆没有违规，ＴＨＥＮ跳转到状态４；
规则ｌｌ：ＩＦ红外检测机器人与考试车辆的直线
万
方数据距离小于安全距离Ｌ一，ＴＨＥＮ进行红外防撞控制．
在上述规则中：ｆｚ为图像成像面ｘ轴方向的阈值，曼为图像成像面Ｙ轴方向的阈值，ｋ为运动目标的成像面积与图像总面积的比值，ｋ。、ｋ：为运动目标的成像面积与图像总面积的比值的阈值，‰为运动目标的成像面积与图像总面积的期望的比值．
２．３．３控制识别级
１）方位控制．运用Ｋａｌｍａｎ滤波器预估下一帧运动目标重心点（ｍ，，ｍ，）．驱动机器人左右移动ＡＸ使运动目标的重心点出现在图像的中心位置ｙ。轴上．物体地面上的点与摄像机的水平距离为Ｉｌｌ：．由单摄像机近似小孔成像原理的测距方法可得
ｍ；（ｔ）＝ｆＨ／［（ｍ，（ｆ）一弘）ｄ，］．
（９）
目标水平移动的实际距离ＡＸ（ｔ）计算公式如下：
ＡＸ（ｔ）一（ｍ，（ｆ）－－３Ｅｏ）ｄ，１＂ｎ：（ｆ）／ｆ＝
（ｍ。（￡）一ｚｏ）ｄ。Ｈ／［（ｍ，（｝）一弘）ｄ，］．（１０）
式中：ｄ；为摄像机成像像素的横向物理尺寸，ｄ，为摄像机成像像素的纵向物理尺寸，Ｈ为摄像机与地面的高度，＿ｒ为摄像机的焦距，ｍ，（￡）、ｍ，（｝）为预估运动目标的重心点．
机器人方位调整方式如下：
①若ｍ，一ｘ。＜０，则机器人向右行进△Ｘ，使运动目标的重心点出现在图像的中心位置Ｙ。轴上．
②若ｍ：一墨＞ｏ，则机器人向左行进ＡＸ，使运
动目标的重心点出现在图像的中心位置弘轴上．
２）距离控制．驱动机器人前后移动△ｚ并保持图像大小不变．设保持运动目标的成像面积与图像总面积的比值为常值＾。，即保持物体地面上的点与摄像机的水平距离为Ｌ实际状态下运动目标在图像中所占的比值为ｋ，在使用小孔成像模型时，运动目标的像面积与物体的表面积之间的比等于焦距，和物距ｍ。之比的平方，由此可以得出运动目标的像面积之比公式：
ｋ／ｋ。一Ｌ２／ｍ：．
（１１）
通过式（９）计算得到此时物体重心距机器人的近似距离为ｍ；，为了使运动目标成像面积与图像总面积的比值保持为ｋ。，机器人需要移动的距离为
ＡＺ（ｔ）一（厥一１）ｍ：．（１２）
将式（９）、（１１）代入式（１２），可得
ＡＺ（ｔ）一（瓜一１）ｍ：一
（以ｚ脂ｔ一１）丽忑乒了丽２
——
ｆＨ
Ｌ—ｍ：．
（１３）
当ｋｔ＜＾。＜＾ｚ时，机器人距离调整方式如下：①当ｋ＜ｋ，时，若３Ｚ＜ｏ，则机器人接近运动目
域ＡＮＤ用近景图像；
域ＡＮＤ像面中心点坐标（Ｘｏ，Ｙｏ）重合｝
ｋ＜ｋ。Ｕｋ。＜矗，ＴＨＥＮ进行距离控制，使量满足矗。≤女＜＆２；
＾。＜＾＜女２，ＴＨＥＮ调用近景图像；
女＜女：ＡＮＤ
浙江大学
标，使成像面积变大，行程距离为△Ｚ．
②当＾＞岛时，若△ｚ＞ｏ，则机器人远离运动目标，使成像面积变小，行程距离为△Ｚ．
③当ｋ。＜＾＜＾ｚ时，调用近景图像进行距离调整．３）汽车出线判断．根据桩考实际场景，对于汽车出线的判断首先要判断摄像头范围内考场规定区域边线的位置．而用于检测直线最为经典的算法是Ｈｏｕｇｈ变换”］．Ｈｏｕｇｈ变换利用２个坐标系之间的变换来检测平面内的直线或曲线，这种变换使得在变换空间中所希望的边缘信息凝聚在一起形成峰值，可用来检测规则的直线或二次曲线．因此，运用Ｈｏｕｇｈ变换来检测边线．
在得到摄像头范围内边线的位置信息后还必须准确地知道汽车所在的平面与直线的位置关系才能判断出汽车是否出线．通过基于Ｒｏｂｅｒｔ算子的图像分割方法从动态场景中提取运动目标汽车的边缘信息”］，并以汽车的边缘做一个封闭的矩形，作为汽车在图像上的位置．
将采用Ｈｏｕｇｈ变换所得的边线位置与汽车的封闭矩形的位置进行比较，判断汽车在桩考过程中是否出线．
２．４状态４－－考试结束
２．４．１状态说明机器人进行目标跟踪，当有评判结果输出时，移动机器人进入考试结束状态．２．４．２任务分配级
任务分配规则集如下：
规则１：ＩＦ在跟踪的过程中机器人判定考试车辆违规，ＴＨＥＮ考试车辆桩考失败；
规则２：ＩＦ在跟踪的整个桩考过程中机器人的监控结果为考试车辆没有违规，ＴＨＥＮ考试车辆桩考通过．
２．４．３控制识别级处于考试结束状态，机器人停止运动，机器人系统进入待机状态．等待下一次考试．
３结语
本文提出了一种自主移动机器人对运动目标检测和自动跟踪的识别与控制方法．建立了基于连续图像帧差分和二次帧差分的改进的图像ＨＳＩ差分模型，给出了运动目标的特征分析和计算方法．通过特征匹配识别所需跟踪且标的区域，采用Ｋａｌｍａｎ预报器对运动目标进行一步状态预测估计和两步增
万
方数据学报（工学版）
第４１善
量式跟踪，可以快速平滑地实现移动机器人对运动目标跟踪的驱动控制．研究的主要目标是建立与被监测目标模式特征的运动特征模型的定性与定量结合的知识模型．采用产生式数据驱动推理规则，实现运动目标检测与识别．系统结构简单，实时性好，具有工程实用性．
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［１３孙增圻．张再兴，邓志东．智能控制理论与技术［Ｍ］．北
京：清华大学出版社，１９９７．
［２］蔡自兴．智能控制［Ｍ］．２版．北京：电子工业出版社，
２００４．
［３］韦巍．智能控制技术［Ｍ］．北京：机械工业出版幸ｔ，２００５．［４］李庆忠，陈显华，王立红．一种视频运动目标的检测与识
别方法［Ｊ］．模式识别与人工智能，２００６，１９（２）：
２３８—２４２．ＬＩ
Ｑｉｎｇ—ｚｈｏｎｇ，ＣＨＥＮＸｉａｎ－ｈｕａ，ＷＡＮＧＬｉ—ｈｏｎｇ．Ａ
ｍｏｖｉｎｇ
ｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｉｎｖｉｄｅｏ
ｓｅｑｕｅｎｃｅｓ口］．Ｐａｔｔｅｒｎ
ＲｅｃｏｇｎｉｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉ—
ｇｅｎｃｅ，２００６，１９（２）：２３８—２４２．
［５］王建平，钱渡，姜滔．基于变换域分析的车牌分割研究
口］．台肥工业大学学报，２００４，２７（３）：２５１—２５５．
ＷＡＮＧＪｉａｎ－ｐｉｎｇ，Ｑ１ＡＮＢｏ，ＪＩＡＮＧＴａｏ．Ｒｅｓｅａｒｃｈ
ｏｎ
ｔｈｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｏｆｖｅｈｉｃｌｅｌｉｃｅｎｓｅｐｌａｔｅｂａｓｅｄ
ｏｎ
ｓｐａｃｅ
ｔｒａｎｓｆｏｒｍ
ａｎａｌｙｓｉｓ口］．Ｊｏｕｒｎａｌ
ｏｆＨｅＦｅｌＵｎｌ—
ｖｅｒｓｉｆｙｏｆＴｅｃｈｎｏｌｏｇｙ，２００４，２７（３）：２５１—２５５．
［６］林洪文，涂丹，李国辉．基于统计背景模型的运动目标检
测方法［Ｊ］．计算机工程，２００３．２９（１６）：９７—９９．
ＬＩＮＨｏｎｇ—ｗｅｎ・ＴＵＤａｎ，ＬＩＧｕｏ－ｈｕｉ．Ｍｏｖｉｎｇｏｂｊｅｃｔｓ
ｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄ
ｏｎ
ｓｔａｔｉｓｔｉｃａｌｂａｃｋｇｒｏｕｎｄｍｏｄｅｌ
口］．Ｃｏｍｐｕｔｅｒ
Ｅｎｇｉｎｅｅｒｉｎｇ，２００３，２９（１６）：９７—９９．
ＥＴ］倪福川，贺贵明．龙磊．基于不变矩的人形“头肩像”识别
技术［Ｊ］．计算机工程．２００５，３１（１０）：１７４—１７６．
ＮＩＦｕ－ｅｈｕａｎ．ＨＥＧｕｉｍｉｎｇ，ＬＯＮＧＬｅｉ．Ｄｅｔｅｃｔｉｏｎｏｆｈｕｍａｎ’８ｈｅａｄａｎｄｓｈｏｕｌｄｅｒｂａｓｅｄ
ｏｎ
ｍｏｍｅｎｔｉｎｖａｒｉａｎｔｓ
ＦＪ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ．２００５，３１（１０）：１７４—１７６．［８３王耀南，李树涛，毛建旭．计算机图像处理与识别技术
［Ｍ］．北京：高等教育出版社。２００１．
［９］洪宇，高广珠，余理富，等，一种基于动态背景的运动车
辆跟踪算法［Ｊ］．计算机应用研究，２００４（６）：１０７—１０９．
ＨＯＮＧＹｕ，ＧＡＧＧｕａｎｇｚｈｕ，ＹＵＬｉ－ｉｕ，ｅｔａ１．Ａｄｙ—ｎａｍｉｃ
ｂａｃｋｇｍｕｎｄ－－ｂａｓｅｄｍｏｖｉｎｇｖｅｈｉｃｌｅｔｒａｃｋｉｎｇａｌｇｏ—－
ｒｉｔｈｍ［Ｊ］．ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ，２００４（６）：
１０７—１０９．