● Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ 基于视觉目标跟踪的ＰＴＺ控制方法 潘振福，许静，刘成，朱永利 （华北电力大学计算机系，河北保定０７１００３） 摘要：针对目前基于主动视觉的 ｒＺ摄像机控制跟踪性能差，无法连续、实时跟踪动态目标，且跟踪目标的准确 度低下等缺陷，提．出了一种基于核相关视觉目标跟踪算法的云台摄像机控制方法。首先设计了云台摄像机系统的 整体架构。视觉目标跟踪采用核相关目标跟踪方法，时效性很高，跟踪精确度也位列于目标跟踪领域的高等水平。 根据跟踪结果信息，通过ＰＥＬＣＯ—Ｄ协议控制ＰＴｚ摄像机，始终保持目标在视频画面内。并用Ｃ＋＋实现了ＫＣＦ算法 控制ＰＴＺ摄像机上位机，实验验证了该种ＰＴＺ控制方法的准确性、适用性及稳定性。 关键词：目标跟踪；云台控制；相关滤波器 中图分类号：ＴＰ３９１ 文献标识码：Ａ ＤＯＩ：１０．１６１５７／ｉ．ｉｓｓｎ．０２５８—７９９８．２０１７．０１．０３８ 中文引用格式：潘振福，许静，刘成，等．基于视觉目标跟踪的ＰＴＺ控制方法【Ｊ］．电子技术应用，２０１７，４３（１）：１４５—１４７． 英文引用格式：Ｐａｎ Ｚｈｅｎｆｕ，Ｘｕ Ｊｉｎｇ，Ｌｉｕ Ｃｈｅｎｇ，ｅｔ ａ１．Ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｃｏｎｔｒｏｌｌｉｎｇ ｚ ｃａｍｅｒａ ｂａｓｅｄ ｏｎ ｖｉｓｕａｌ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ［Ｊ】 Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｔｅｃｈｎｉｑｕｅ，２０１７，４３（１）：１４５—１４７． Ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｃｏｎｔｒｏｌｌｉｎｇ ＰＴＺ ｃａｍｅｒａ ｂａｓｅｄ ｏｎ ｖｉｓｕａｌ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ Ｐａｎ Ｚｈｅｎｆｕ，Ｘｕ Ｊｉｎｇ，Ｌｉｕ Ｃｈｅｎｇ，Ｚｈｕ Ｙｏｎｇｌｉ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｎｏｒｔｈ Ｃｈｉｎａ Ｅｌｅｃｔｉｒｃ Ｐｏｗｅｒ Ｕｎｉｖｅｒｓｉｔｙ，Ｂａｏｄｉｎｇ ０７１００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｒ ｔｈａｔ ｃｕｒｒｅｎｔｌｙ ｔｈｅ ＰＩ ｃａｍｅｒａ ｃｏｎｔｒｏｌ ｂａｓｅｄ Ｏｉｌ ａｃｔｉｖｅ ｔｒａｃｋｉｎｇ ｉＳ ｐｅｒｆｏｒｍｉｎｇ ｐｏｏｒ，ｎｏｔ ａｂｌｅ ｔｏ ｔａｃｋ ｄｙｎａｍｉｃ ｏｂｊｅｃｔ ｃｏｎｔｉｎｕｏｕｓｌｙ ａｎｄ ｒｅａｌ－ｔｉｍｅｌｙ，ａｎｄ ｌｏｗ ａｃｃｕｒａｃｙ ｏｆ ｔｒａｃｋｉｎｇ，ａ ｍｅｔｈｏｄ ｏｆ ｃｏｎｔｒｏｌｌｉｎｇ ＰＴＺ ｃａｍｅｒａ ｂａｓｅｄ ｏｎ ｋｅｒｎｅｌｉｚｅｄ ｃｏｒｒｅｌａｔｉｏｎ ｏｂ— ｊｅｃｔ ｔｒａｃｋｉｎｇ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅ ｏｖｅｒａｌｌ ａｒｃｈｉｔｅｃｔｕｒｅ ｏｆ ＰＴＺ ｃａｍｅｒａ ｓｙｓｔｅｍ ｉｓ ｄｅｓｉｇｎｅｄ．Ｔｈｅ ＫＣＦ ｔｒａｃｋｅｒ ｕｓｅｄ ｉｓ ｅｆｉｆｃｉｅｎｔ．Ａｎｄ ｉｔ Ｓ ｔｒａｃｋｉｎｇ ａｃｃｕｒａｃｙ ｉｓ ａｌｓｏ ｒａｎｋｅｄ ｉｎ ｈｉｇｈｅｒ ｌｅｖｅｌ ｉｎ ｔｈｅ ｆｉｅｌｄ ｏｆ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ．Ｓｅｃｏｎｄｌｙ，ｔｏ ｍａｋｅ ｓｕｒｅ ｋｅｅｐｉｎｇ ｔｈｅ ｔａｒｇｅｔ ｉｎ ｖｉｄｅｏ ｉｍａｇｅｓ，ＰＴＺ ｃａｍｅｒａ ｉｓ ｃｏｎｔｒｏｌｌｅｄ ｔｈｒｏｕｇｈ ｔｈｅ ＰＥＬＣ０Ｄ ｐｒｏｔｏｃｏｌ ｗｉｔｈ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｒａｃｋｉｎｇ ｒｅｓｕｌｔｓ．Ｔｈｅ ＰＣ ｓｙｓｔｅｍ ｏｆ ——ｃｏｎｔｒｏｌｌｉｎｇ ＰＴＺ ｃａｍｅｒａ ｉｓ ｉｍｐｌｅｍｅｎｔｅｄ ｂｙ ｕｓｉｎｇ Ｉｍｐｒｏｖｅｄ ＫＣＦ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ Ｃ＋＋．Ｔｈｅ ａｃｃｕｒａｃｙ．ａｐｐｌｉｃａｂｉｌｉｔｙ ａｎｄ ｓｔａｂｉｌｉｔｙ ｏｆ ｔｈｉｓ ｋｉｎｄ ｏｆ ＰＴＺ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ａｒｅ ｖｅｒｉｉｆｅｄ ｂｙ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓ． Ｋｅｙ ｗｏｒｄｓ：ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ；ＰＴＺ ｃａｍｅｒａ；ｃｏｒｒｅｌａｔｉｏｎ ｆｉｌｔｅｒ ０引言 ＰＴＺｆＰａｎ／Ｔｉｈ／Ｚｏｏｍ）摄像头是将ＣＣＤ摄像机、变焦变 倍镜头、全景云台等部件集成在一个单元中构成的摄像 机系统。传统的ＰＴＺ摄像机监控系统通过人工操控键盘 或者摇杆对监控目标进行跟踪，如果目标较远，通过手 标跟踪技术，这些跟踪算法相对落后，其性能容易受众 多因素影响，包括光照变化、遮挡和背景混杂等。在视觉 目标追踪（Ｔｈｅ Ｖｉｓｕａｌ Ｏｂｊｅｅｔ Ｔｒａｃｋｉｎｇ，ＶＯＴ）２０１４年挑战 结果１４］中显示，基于分类相关滤波器的跟踪器是目前最 优秀的目标跟踪算法之一，提供了先进的跟踪性能。 ＨＥＮＲＩＱＵＥＳ Ｊ Ｆ等使用了梯度方向直方图（ＨＯＧ）特征， 提出了核相关滤波器（Ｋｅｒｎｅｌｉｚｅｄ Ｃｏｒｒｅｌａｔｉｏｎ Ｆｉｌｔｅｒ，ＫＣＦ）及 双相关滤波器（Ｄｏｕｂｌｅ Ｃｏｒｒｅｌａｔｉｏｎ Ｆｉｌｔｅｒ，ＤＣＦ１跟踪器＿５１， 动控制镜头变焦，这种人工操控的方式跟踪误差太大， 造成系统摄像不稳定、不连续。近年来，基于主动视觉的 ＰＴＺ摄像机系统逐渐发展，陈双叶等人提出基于 Ｃａｍｓｈｉｉ算法和卡尔曼滤波器目标跟踪算法的ＰＴＺ摄像 ｆ机控制方法 ］，简单地采用颜色直方图作为跟踪匹配特 征，容易受到光照变化、运动模糊遮挡等因素影响而 造成跟踪失败。ＷＡＮＧ Ｓ等人提出的高斯混合模型目标 运算速度能达到３００ ｂ／ｓ以上。 本文采用ＫＣＦ目标跟踪方法作为控制算法核心对 运动目标进行跟踪，并采用粒子滤波框架对目标进行运 动状态预测，根据跟踪结果使用ＰＩＤ算法对ＰＴＺ摄像机 进行协调控制。 检测定位方式的ＰＴＺ控制方法仅仅解决了镜头对焦问 题［２１。而ＤＯＮＧ Ｅ等人除了应用高斯混合模型目标检测 １ ＰＴＺ摄像机系统架构 本文中的ＰＴＺ摄像机系统由云台摄像机、视频采集 卡以及运行ＰＴＺ控制系统的上位机组成，如图１所示。 】４５ 之外，还融合了Ｋａｌｍａｎ滤波器与Ｃａｍｓｈｉｌ算法对目标进 ｆ行跟踪，从而控制ＰＴＺ摄像机 ，相比近年来先进的目 《电子技术应用》２０１７年第４３卷第１期 Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ ｌ Ｘ２ Ｘ１ ｎ ｎ ｎ一１ ■ Ｚ △ 、， 、 ，Ｘ＝Ｃ ）＝ 一 ｎ一１ Ｘｎ一２ （６） ： ● 原始图像 、 ｒ 摄 像 控制蒺 ■＿ Ｘ２ Ｘ３ ＸＩ 头 互至 目标跟踪结果 矩阵 完全由指定的样本向量Ｘ（这里的第一行）循 环移位生成。无论生成向量Ｘ为何值，所有循环矩阵都 图１ ＰＴｚ摄像机系统架构 能被离散傅里叶变换（ＤＦｒ）矩阵对角化ｌｌｏ】。也就是： Ｘ＝Ｆｄｉａｇ（￣ｃ）Ｆ“ 其中，Ｆ是一个与Ｘ无关常量矩阵， 由视频采集卡从摄像头采集回来的图像传人算法 中进行跟踪运算，通过ＲＳ２３２转ＲＳ４８５串口遵循ＰＥＬ— （７） 是Ｆ的共轭转 ＣＯ—Ｄ协议控制ＰＴＺ摄像机转动，保持跟踪目标在视频 图像中。ＰＥＬＣＯ—Ｄ协议定义了水平旋转、上下旋转、变 焦变倍等功能。 ２目标跟踪方法 在ＫＣＦ跟踪算法中，以核岭回归分类器作为核心， 用循环移位方法致使样本变换，建立循环矩阵来训练该 分类器，然后把目标与周围背景区分开来，从而达到对 目标快速有效检测跟踪的目的。对样本进行巧妙地变换 使训练数据矩阵具有循环特性，就可以通过离散傅里叶 变换对角化，便能减少几个数量级的存储与计算，这就 是文献【５］提出的核岭回归相关滤波器（Ｋｅｒｎｅｌｉｚｅｄ Ｃｏｒｒｅ— ｌａｔｉｏｎ Ｆｉｌｔｅｒ，ＫＣＦ），具有其他核算法没有的线性复杂度。 ２．１岭回归分类器 针对线性岭回归判别函数ｆ（ｚ）＝’．，ｒｌｚ，训练的目的是 利用样本Ｘ 找到一个权值ｗ。对回归目标ｙｉ最小平方误 差： ∑ 一 ） ＋ＡＩ１ｗｌｌ ｚ ｉ 其中Ａ是正则化参数，控制过度拟合。根据文献［６］得到 最优解： ｗ：ｆ ＋ＡＩ１ Ｙ （２） 其中， 是样本矩阵，ｙ是回归目标矩阵，Ｊ是单位矩阵。 文献［７ｌ在岭回归方法中引入核函数，即ｆ（Ｚ）＝ｗＴ６（ｚ）。设从 样本空间到Ｈｉｌｂｅｒｔ特征空间的非线性变换为 一 （Ｘ ）， 定义核函数为，ｃ ，Ｘ ）：＜ ），咖（ ）＞。则优化问题的最 优解可以表示为： ｍｉｎ∑（＜ ， （ ）＞ ）。＋ＡＩ１ｗｌｌ （３） ｉ 其中， 为样本，ｙｌ是期望输出；Ａ为一个固定的正则化 参数。根据文献［８】，其最优解为样本的线性组合Ｗ为： Ｗ：∑ （置） （４１ 由式（４）可知，需要优化的变量是Ｏ／，而并不是Ｗ。 核岭回归问题的解由文献【９］给出： ＝（Ｋ＋ＡＪ）一 （５） ２．２循环矩阵 对样本Ｘ进行移位变换，可以获得循环矩阵 ，即 １４６ 欢迎网上投稿ＷＷＷ．ＣｈｉｎａＡＥＴ．ｃｏｎ 置，而王表示生成向量 的离散傅里叶变换， ＝， ）。下 文中都用 来表示一个向量的傅里叶变换。常量矩阵Ｆ 称ＤＦＴ矩阵，用来计算ＤＦＴ，如Ｆ（ｚ）＝ｘ／ｎ 。式（７）表示 了广义循环矩阵的特征分解。特征向量Ｆ有交换性和自 闭性。 ２．３核相关分类器训练 只要满足文献［５】提出的定理１的核函数的核矩阵 Ｋ具有循环结构，所以： Ｋ＝Ｆｄｉａｇ（ｋ）Ｆ“ （８） 因为对角矩阵之间的运算是对应元素的相应运算， 且ＦＨＦ＝Ｉ，所以式（５）可以表示为： ＾ ＾ ｔｅ＝（Ｆｄｉａｇ（ｋ）Ｆ“＋ＡＦＦ“）一 ＝Ｆ（ｄｉａｇ（ ）＋Ａ）一 ｆ＂ｙ １ ＝Ｆｄｉａｇ（÷）Ｆ （９） ＋Ａ 两边同时乘置换矩阵Ｆ，得： １ Ｆｔｒ＝ｄｉａｇ（ ） （１０） ＋Ａ 因为Ｆｘ为Ｘ的傅里叶变换，所以： ＆：—卫一 ｆｌｌ、 ｋ＋Ａ ＨＥＮＲＩＱＵＥＳ Ｊ Ｆ等人提出的ＫＣＦ算法中 由包含 目标的训练样本自相关训练而来，其中的ｋ是内核矩阵 ＝Ｃ（ ）的第一行元素傅里叶变换。 ２．４目标快速检测 为了检测出感兴趣物体，通常用回归函数ｆ（ｚ）去评 估目标在多个图像中位置信息，从而估计出目标位置。 把包含目标图像且比目标尺寸大的图像块作为搜索窗 口，对此搜索窗口进行循环移位，形成不同的候选图像 块，然后建模成循环结构的循环矩阵。 假设核矩阵 由匹配模板和搜索窗口样本核相关 所得。因为匹配模板 和检测样本Ｚ是基于元素向量Ｘ 和Ｚ移位变换的循环结构矩阵，相应的， 的每个元素 是由，（（ｐ １ｚ， 一 ）组成，根据文献［５】的定理１可以验证 这个矩阵是一个循环核矩阵。与上一节相似，只需第一 行元素来表示核矩阵： 《电子技术应用》２０１７年第４３卷第１期 计算ｉｌｉ几技术与应用 Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ ＝Ｃ（ ） （１２） 其转动，图中右下角为摄像头跟踪的图像 结果显示，其 能始终保持跟踪目标在图像中。 其中七 是前面定义的ｘ与ｚ的核相关运算。可以把回 ｌＪ１函数表示为： ，（ｚ）＝ ｉ ４结论 （１３） 针对目前现有的主动视觉的ＰＴＺ摄像头控制系统 的跟踪性能较差、导致跟踪丢失等问题，提出了一种基 Ｋ（ｘ ，ｚ）：（ ） 注意到－厂（ｚ 是一个矩阵元素ｚ向量的所有移位变换 形式的输出响应，为了更有效地计等式（１３），得到对角化 后的等式： ｆ（ｚ）＝ｋＸｚ・＆ （１４） 于核相关视觉目标跟踪器的ＰＴＺ摄像机控制方法，并 在ＱＴ平台上应用ＯＰＥＮＣＶ库实现了 棒性。 参考文献 【１】陈双叶，王善喜．ＰＴＺ摄像机跟踪运动目标的智能控制算 法的研究【Ｊ】．计算机科学，２０１５（Ｓ２）：１３５—１３９． 【２］ＷＡＮＧ Ｓ，ＴＩＡＮ Ｙ，ＸＵ Ｙ．Ａｕｔｏｍａｔｉｃ ｃｏｎｔｒｏｌ ｏｆ ＰＴＺ ｃａｍｅｒａ 系统的Ｃ＋＋版。实验结果验证了本系统的稳定性与鲁 ＿ 摄像机控制 其中，・为矩阵点乘运算，ｚ是预测包含目标的搜索窗口 图像块，从中检测目标的位置，ｘ为从以前帧中学习获 得的目标模型。对等式（１４）进行ＤＦＴ逆运算，就得出检 测样本ｚ的响应矩阵，响应最大的位置即为目标所在的 化置。更新模型五和王为： ，＝（１一 ）＆ｆ＿ｌ＋．，７五 ，＝ｂａｓｅｄ ｏｎ ｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｓｃｅｎｅ ｐａｒｔｉｔｉｏｎ【Ｃ】．ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ Ｏｆｆ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｃｏｍｍｕｎｉｃａ— ｔｉｏｎｓ ａｎｄ Ｃｏｍｐｕｔｉｎｇ．ＩＥＥＥ，２０１５． （１５） （１６） （１一卵）王卜ｌ＋７７ｊ ［３ Ｊ ＤＯＮＧ Ｅ，ＹＡＮ Ｓ，ＴＯＮＧ Ｊ，ｅｔ ａ１．Ｄｅｓｉｇｎ ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ａ ｍｏｖｉｎｇ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ ｓｙｓｔｅｍ［Ｃ】．ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｆｅｎｃｅ ｏｎ Ｍｅｅｈａｔｒｏｎｉｅｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ．ＩＥＥＥ．２０ １ ５． 其中：卵为学习因子； 、五 分别表示当前帧和上一帧 更新获得的系数向量傅里叶变换 ； 、王 分别表示当前 帧和＿卜一帧更新获得的目标匹配模型的傅里叶变换 。 【４ Ｊ ＫＲＩＳＴＡＮ Ｍ，ＰＦＬＵＧＦＥＬＤＥＲ Ｒ，ＬＥＯＮＡＲＤＩＳ Ａ，ｅｔ ａ１．Ｔｈｅ ｖｉｓｕａｌ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ ＶＯＴ２０１４ ｃｈａｌｌｅｎｇｅ ｒｅｓｕｌｔｓ［Ｃ】．Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ．２０１４：１９１—２１７． ３实验分析 在ＱＴ５平台上完成 Ｚ摄像头系统上位机端的 Ｃ＋＋实现，运用了ＯＰＥＮＣＶ库。 ３．１跟踪质量评估 【５１ ＨＥＮＲＩＱＵＥＳ Ｊ Ｆ，ＣＡＳＥＩＲＯ Ｒ，ＭＡＲＴＩＮＳ Ｐ，ｅｔ ａ１．ｔｔｉｇｈ— ｓｐｅｅｄ ｔｒａｃｋｉｎｇ ｗｉｔｈ ｋｅｒｎｅｌｉｚｅｄ ｃｏｒｒｅｌａｔｉｏｎ ｆｉｌｔｅｒｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ＆Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ． 在实验室环境下，运行结果如图２所示，运动目标 ２０１４，３７ｆ３）：１—１． 被完全遮挡的情况下，跟踪算法仍然很稳定。 【６】ＲＩＦＫＩＮ Ｒ，ＹＥＯ Ｇ．ＰＯＧＧＩＯ Ｔ．Ｒｅｇｕｌａｒｉｚｅｄ ｌｅａｓｔ－ｓｑｕａｒｅｓ ｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｊ］．Ｎａｔｏ Ｓｃｉｅｎｃｅ Ｓｅｒｉｅｓ Ｓｕｂ Ｓｅｒｉｅｓ ｌｌＩ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｓｙｓｔｅｍｓ Ｓｃｉｅｎｃｅｓ，２００３，１９０（１）：９３—１０４． 【７１ ＭＵＬＬＥＲ Ｋ Ｒ，ＭＩＫＡ Ｓ，ＴＳＵＤＡ Ｋ．Ａｎ ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｋｅｒｎｅｌ－ｂａｓｅｄ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍｓ［Ｊ】．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ Ｏｆｆ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，２００ｌ，１２（２）：１８ｌ一２ｏ１． 【８】ＳＣＨＯＬＫＯＰＦ Ｂ，ＳＭＯＬＡ Ａ．Ｌｅａｒｎｉｎｇ ｗｉｔｈ ｋｅｒｎｅｌｓ：Ｓｕｐｐｏｒｔ （ａ）未遮挡 （ｂ）遮挡１ （ｃ）遮挡２ （ｄ）遮挡物经过 ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ，ｒｅｇｕｌａｒｉｚａｔｉｏｎ，ｏｐｔｉｍｉｚａｔｉｏｎ，ａｎｄ ｂｅｙｏｎｄ【Ｍ】． ＭＩＴ Ｐｒｅｓｓ．２００２． 图２目标物被遮挡跟踪情况 ３．２ ＰＴＺ控制质量实验 ｆ 位机通过ＲＳ２３２转ＲＳ４８５转串口与Ｐ１ 摄像头 卡¨连．遵循ＰＥＬＣＯ—Ｄ协议控制。控制结果如图３所示。 【皋】中中间位ＰＴＺ摄像头贴有白色的标识，以便明显看到 【９】ＲＩＦＫＩＮ Ｒ，ＹＥＯ Ｇ，ＰＯＧＧＩＯ Ｔ．Ｒｅｇｕｌａｒｉｚｅｄ ｌｅａｓｔ－ｓｑｕａｒｅｓ ｃｌａｓｓｉｉｆｃａｔｉｏｎ［Ｊ］．Ａｃｔａ Ｅｌｅｃｔｒｏｎｉｅａ Ｓｉｎｉｃａ，２００３，ｌ９０（１）：９３一 ｌ０４． 【１０］ＧＲＡＹ Ｒ Ｍ．Ｔｏｅｐｌｉｔｚ ａｎｄ ｃｉｒｅｕｌａｎｔ ｍａｔｉｒｃｅｓ：ａ ｒｅｖｉｅｗ【Ｍ】． Ｎｏｗ Ｐｕｂｌｉｓｈｅｒｓ，２００６． （收稿日期：２０１６—０４—０７） 作者简介： 潘振福（１９８９一），男，硕士研究生，主要研究方向：视觉 目标跟踪、人工智能。 许静（１９９０－），女，硕士研究生，主要研究方向：人工智 能、机器学习。 （ａ）摄像头旋动场景１ （ｂ）摄像头旋动场景２ 刘成（１９９０一），男，硕士研究生，主要研究方向：机器学 习。 图３ Ｐ１ 摄像头跟踪旋转结果 《电子技术应用》２０１７年第４３卷第１期 １４７
