基于自适应眼底光学成像原理的目标跟踪仿真研究

摘  要： 针对运动物体可能具有较为复杂的运动轨迹，从而导致传统跟踪算法失败的问题，提出了一种基于人眼视网膜眼底凹区成像原理的跟踪仿真算法。首先利用线性、正弦等函数模拟仿真具有复杂运动轨迹的运动目标，利用多分辨率方法，采用金字塔结构生成人眼视网膜中央凹区仿真图像，在此基础上进行跟踪算法模拟。通过试验仿真，可以有效地实现目标跟踪，并较传统算法具有更高的跟踪准确率。
关键词：目标跟踪； 视网膜中央凹区; 模板匹配
       目标跟踪是计算机视觉领域的一个热门课题。虽然研究者提出了很多不同的算法，但是这些算法都依赖于传统的图像采集系统，即CCD相机成像原理生成的图像。图像各个像素在成像平面中具有相同的分辨率，从仿真学的角度看，这些像素具有相同的敏感度。因此，造成了跟踪与识别的一个难点，即必须首先确定图像中目标的位置（兴趣点），然后才能实现跟踪。
     然而生物视觉系统，例如人眼成像系统，能够捕捉到感兴趣目标并对该区域提供较高的分辨率。而在兴趣目标之外，生物视觉系统产生的图像分辨率则会相对降低。利用对生物视觉系统的模拟，人造成像传感器件也能产生类似的成像效果，这类器件被称为视网膜凹区成像（Fovea image）器件。这类器件的优势是能将采集到的有用信息集中到所感兴趣的目标上，而对于其他区域则减少所涵盖的信息。这对于信息压缩传输和目标的识别都能起到非常积极的作用，尤其对于运动目标识别和跟踪，能提供有效的目标信息，同时减少噪声的干扰。
     参考文献[1]介绍了一种基于人眼视网膜中央凹区成像原理的成像芯片模型。该系统具有体积小、功耗低、自带运动传感及运动组件的优点，通过模拟人眼跟踪的原理能实现快速目标定位和平滑跟踪。但是，该系统的一个主要缺点是其无法根据场景变换或者针对新目标进行有效的自动配置。因此对于在视场中出现的新目标，系统需要对芯片的逻辑元器件和外置运动部件进行重新设置。
     针对以上缺陷，参考文献[2]提出了一种可实时编程成像跟踪传感器，可动态地对芯片参数进行设置。该成像传感器能实时地将图像分成若干不同等级分辨率的子图像，从而使得该系统较常规人眼视觉系统模型更具灵活性。
     对于通常的目标跟踪系统，一般以当前时间t的系统状态来预测未来时间t+1的系统状态。例如常用的卡尔曼滤波跟踪模型，认为两个连续状态之间存在着线性关系。较新的模型则在卡尔曼滤波的基础上引入了非线性关系到系统状态中。例如利用隐马尔科夫模型（HMM）的跟踪系统[3]则允许观测值与系统状态之间保持任意形式的概率分布，而无需像卡尔曼滤波那样限定为高斯模型。而基于Particle模型[4]的跟踪系统则假设当前状态是若干子状态的组合，它们按照某个概率分布。当前状态的具体取值决定于概率子状态的概率分布结果，这些技术都是对原始卡尔曼滤波跟踪算法的有效改进[5]。