目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱門課題。雖然研究者提出了很多不同的算法，但是這些算法都依賴于傳統(tǒng)的圖像采集系統(tǒng)，即CCD相機(jī)成像原理生成的圖像。圖像各個(gè)像素在成像平面中具有相同的分辨率，從仿真學(xué)的角度看，這些像素具有相同的敏感度。因此，造成了跟蹤與識(shí)別的一個(gè)難點(diǎn)，即必須首先確定圖像中目標(biāo)的位置（興趣點(diǎn)），然后才能實(shí)現(xiàn)跟蹤。
    然而生物視覺系統(tǒng)，例如人眼成像系統(tǒng)，能夠捕捉到感興趣目標(biāo)并對(duì)該區(qū)域提供較高的分辨率。而在興趣目標(biāo)之外，生物視覺系統(tǒng)產(chǎn)生的圖像分辨率則會(huì)相對(duì)降低。利用對(duì)生物視覺系統(tǒng)的模擬，人造成像傳感器件也能產(chǎn)生類似的成像效果，這類器件被稱為視網(wǎng)膜凹區(qū)成像（Fovea image）器件。這類器件的優(yōu)勢(shì)是能將采集到的有用信息集中到所感興趣的目標(biāo)上，而對(duì)于其他區(qū)域則減少所涵蓋的信息。這對(duì)于信息壓縮傳輸和目標(biāo)的識(shí)別都能起到非常積極的作用，尤其對(duì)于運(yùn)動(dòng)目標(biāo)識(shí)別和跟蹤，能提供有效的目標(biāo)信息，同時(shí)減少噪聲的干擾。
    參考文獻(xiàn)[1]介紹了一種基于人眼視網(wǎng)膜中央凹區(qū)成像原理的成像芯片模型。該系統(tǒng)具有體積小、功耗低、自帶運(yùn)動(dòng)傳感及運(yùn)動(dòng)組件的優(yōu)點(diǎn)，通過模擬人眼跟蹤的原理能實(shí)現(xiàn)快速目標(biāo)定位和平滑跟蹤。但是，該系統(tǒng)的一個(gè)主要缺點(diǎn)是其無法根據(jù)場(chǎng)景變換或者針對(duì)新目標(biāo)進(jìn)行有效的自動(dòng)配置。因此對(duì)于在視場(chǎng)中出現(xiàn)的新目標(biāo)，系統(tǒng)需要對(duì)芯片的邏輯元器件和外置運(yùn)動(dòng)部件進(jìn)行重新設(shè)置。
    針對(duì)以上缺陷，參考文獻(xiàn)[2]提出了一種可實(shí)時(shí)編程成像跟蹤傳感器，可動(dòng)態(tài)地對(duì)芯片參數(shù)進(jìn)行設(shè)置。該成像傳感器能實(shí)時(shí)地將圖像分成若干不同等級(jí)分辨率的子圖像，從而使得該系統(tǒng)較常規(guī)人眼視覺系統(tǒng)模型更具靈活性。
    對(duì)于通常的目標(biāo)跟蹤系統(tǒng)，一般以當(dāng)前時(shí)間t的系統(tǒng)狀態(tài)來預(yù)測(cè)未來時(shí)間t+1的系統(tǒng)狀態(tài)。例如常用的卡爾曼濾波跟蹤模型，認(rèn)為兩個(gè)連續(xù)狀態(tài)之間存在著線性關(guān)系。較新的模型則在卡爾曼濾波的基礎(chǔ)上引入了非線性關(guān)系到系統(tǒng)狀態(tài)中。例如利用隱馬爾科夫模型（HMM）的跟蹤系統(tǒng)[3]則允許觀測(cè)值與系統(tǒng)狀態(tài)之間保持任意形式的概率分布，而無需像卡爾曼濾波那樣限定為高斯模型。而基于Particle模型[4]的跟蹤系統(tǒng)則假設(shè)當(dāng)前狀態(tài)是若干子狀態(tài)的組合，它們按照某個(gè)概率分布。當(dāng)前狀態(tài)的具體取值決定于概率子狀態(tài)的概率分布結(jié)果，這些技術(shù)都是對(duì)原始卡爾曼濾波跟蹤算法的有效改進(jìn)[5]。

2 試驗(yàn)設(shè)置與結(jié)果分析
    在本實(shí)驗(yàn)中，所設(shè)置的模擬目標(biāo)大小S=16，仿真的視網(wǎng)膜中心凹區(qū)大小G=48。對(duì)于跟蹤系統(tǒng)的準(zhǔn)確率，采用在仿真中央凹區(qū)中準(zhǔn)確發(fā)現(xiàn)目標(biāo)的比率計(jì)算。在圖5和圖6中，顯示了本文所采用的跟蹤算法的準(zhǔn)確率。
　　在圖5中，分析了系統(tǒng)跟蹤精度與式(5)中添加噪聲水平之間的關(guān)系。其中虛線為任意軌跡方程所仿真的運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)，細(xì)實(shí)線為正弦波軌跡方程仿真的運(yùn)動(dòng)目標(biāo)跟蹤結(jié)果，粗實(shí)線為線性軌跡方程仿真跟蹤結(jié)果。可以發(fā)現(xiàn)，系統(tǒng)對(duì)于線性運(yùn)動(dòng)目標(biāo)跟蹤精度最高，而對(duì)任意軌跡運(yùn)動(dòng)的目標(biāo)準(zhǔn)確率則有所下降。并且整個(gè)系統(tǒng)隨著系統(tǒng)噪聲的增加，跟蹤精度會(huì)隨之下降。但是當(dāng)噪聲水平達(dá)到一定高度后，無論是線性運(yùn)動(dòng)目標(biāo)或是任意軌跡運(yùn)動(dòng)目標(biāo)的跟蹤準(zhǔn)確性都很低。

    圖6中，對(duì)比顯示了不同運(yùn)動(dòng)軌跡（零噪聲）下，中央凹區(qū)尺寸大小對(duì)于跟蹤精度的影響。從圖中曲線可以看到，線性運(yùn)動(dòng)目標(biāo)和簡(jiǎn)單正弦波規(guī)律運(yùn)動(dòng)目標(biāo)，由于其運(yùn)動(dòng)規(guī)律較為容易預(yù)測(cè)，中央凹區(qū)大小的選擇對(duì)于跟蹤結(jié)果幾乎沒有影響。而對(duì)于復(fù)雜的任意軌跡運(yùn)動(dòng)目標(biāo),較大尺寸的中央凹區(qū)能明顯提高跟蹤系統(tǒng)的準(zhǔn)確性。

    為了對(duì)比基于模擬人眼視網(wǎng)膜中央凹區(qū)跟蹤算法與常規(guī)模板匹配算法的區(qū)別，對(duì)比顯示了兩類算法的跟蹤準(zhǔn)確率,如表1所示。分別采用兩種方法初始設(shè)置中央凹區(qū)，一種是直接將中央凹區(qū)定位在運(yùn)動(dòng)目標(biāo)上，然后開始跟蹤；另一種是隨機(jī)給定中央凹區(qū)的位置，然后依靠系統(tǒng)自動(dòng)檢測(cè)目標(biāo)并實(shí)現(xiàn)跟蹤。可以發(fā)現(xiàn)兩種方法的跟蹤準(zhǔn)確度基本一致，自動(dòng)搜索目標(biāo)的算法準(zhǔn)確率稍有下降。而采用常規(guī)模版匹配的算法，其跟蹤準(zhǔn)確度明顯偏低，顯示出基于視網(wǎng)膜中央凹區(qū)的算法具有較高的穩(wěn)定性和可靠性。
    針對(duì)傳統(tǒng)利用模板原理進(jìn)行目標(biāo)跟蹤系統(tǒng)容易受到系統(tǒng)噪聲干擾導(dǎo)致跟蹤精度不高的問題，本文提出了一種仿真人眼視網(wǎng)膜中央凹區(qū)進(jìn)行軟件跟蹤的系統(tǒng)。由于人眼視網(wǎng)膜中央凹區(qū)模型在芯片還未得到較為廣泛的應(yīng)用，因此，本文的仿真方法能對(duì)這一模型在跟蹤系統(tǒng)中的效能進(jìn)行有效評(píng)估。該方法簡(jiǎn)單有效，能很好地模擬生物視覺的成像原理，并利用該成像原理的優(yōu)勢(shì)有效的提高目標(biāo)跟蹤的精確度。該方法能推廣應(yīng)用到視頻監(jiān)控等系統(tǒng)中。
參考文獻(xiàn)
[1] CUMMINGS R E, SPIEGEL J V D, MUELLER P, et al. A foveated silicon retina for two dimensional tracking[J]. IEEE Transactions on Circuits and Systems-II: Analog and Digital Signal Processing, 2000,47(6)：1101-1107.
[2] PAIN B, Yang Guang. Real time programmable reconfigurable vision active pixel sensors[C]. NASA.2003.
[3] 劉剛，劉明，匡海鵬,等.多目標(biāo)跟蹤方法綜述[J].電光與控制,2004，11(3): 432-437.
[4] 馬奔，史忠科，皮燕妮.成像目標(biāo)跟蹤算法分析[J]. 西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005,32(3):150-155.
[5] 吳曉娟,翟海亭,王 磊,等.一種改進(jìn)的CAMSHIFT手勢(shì)跟蹤算法[J]. 山東大學(xué)學(xué)報(bào), 2004,34(6):120-124.
[6] 馮馳,王萌,汲清波.粒子濾波器重采樣算法的分析與比較[J]. 系統(tǒng)仿真學(xué)報(bào), 2009,21(4):1101-1105.
[7] 王來雄, 黃士坦. 一種新的粒子濾波算法[J]. 武漢大學(xué)學(xué)報(bào)(工學(xué)版), 2006,39(1):118-120.