專利名稱：一種基于多攝像機(jī)無(wú)重疊視域行人匹配方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，具體涉及智能監(jiān)控領(lǐng)域，特別涉及一種基于多攝像機(jī)無(wú)重疊視域行人匹配方法。
背景技術(shù)：
隨著計(jì)算機(jī)技術(shù)的發(fā)展以及人們安全意識(shí)的不斷提高，視頻監(jiān)控技術(shù)越來(lái)越受到人們的重視。由于傳統(tǒng)的單攝像機(jī)視域有限，監(jiān)控范圍較小，多數(shù)場(chǎng)合往往采用多個(gè)攝像機(jī)進(jìn)行大范圍監(jiān)控，譬如社區(qū)和重要建筑物內(nèi)部的安全監(jiān)控，城市路網(wǎng)交通狀況的監(jiān)控，地鐵站和飛機(jī)場(chǎng)的監(jiān)控，以及停車場(chǎng)和超市的監(jiān)控等等。但是，大范圍監(jiān)控必然存在攝像頭盲區(qū)，目標(biāo)在時(shí)間和空間上都是分離的，如何將不同攝像機(jī)中相同目標(biāo)進(jìn)行匹配是無(wú)重疊視域監(jiān)控的關(guān)鍵。目前常用的目標(biāo)匹配方法主要包括基于特征的方法和基于模型的方法兩大類。 基于特征的方法又稱為基于知識(shí)的方法，它是目標(biāo)匹配中最常用的方法，通過(guò)對(duì)目標(biāo)局部或整體某些特征的確認(rèn)來(lái)匹配不同攝像機(jī)視域中的目標(biāo)。常用于匹配的特征包括顏色、紋理、形狀等特征，其中顏色特征的使用最為頻繁，顏色特征主要包括RGB直方圖特征，如文獻(xiàn)“Huang, T. , Russell, S. . Object identification in a Bayesian context [C]. International Joint Conferences on Artificial Intelligence, 1997: 1276-1283·，， 提出的使用RGB直方圖特征匹配高速公路上的車輛，RGB直方圖描述了圖像的整體顏色信息，提取簡(jiǎn)單，但是容易受光照變化的影響，而且不同的圖像內(nèi)容其RGB直方圖可能很接近，因此匹配準(zhǔn)確率不高，不適用于多攝像機(jī)無(wú)重疊視域跟蹤；HSV特征，將彩色圖像首先由RGB空間轉(zhuǎn)化到HSV空間，然后提取HSV直方圖，由于HSV空間將光照分量V獨(dú)立了出來(lái)，因此可以在一定程度上抑制光照變化帶來(lái)的影響，如文獻(xiàn)“Jingang Huang, Bin Kong, “A New Method of Unstructured Road Detection Based on HSV Color Space and Road Features,” Information Acquisition, 2007. ICIA 07. Pages: 596-601 ” 使用 HSV 特征檢測(cè)道路以去除陰影的影響，但是HSV容易產(chǎn)生畸變，往往會(huì)影響匹配的精度；本發(fā)明所提出的主顏色特征，提取出目標(biāo)的主顏色，使用主顏色來(lái)表征整個(gè)目標(biāo)的特征，可以在一定程度上提高匹配的魯棒性，同時(shí)，主顏色中包含的標(biāo)準(zhǔn)化RGB值對(duì)光照變化具有較好的魯棒性。除了顏色特征外，常用于匹配的特征還包括紋理特征，例如文獻(xiàn)“陳遠(yuǎn)，陳鍛生.一種融合LBP紋理特征的多姿態(tài)人臉跟蹤方法[J].華僑大學(xué)學(xué)報(bào)，2010，Vol. 31, No. 3. ”提出的用于人臉跟蹤匹配的LBP紋理特征。外形特征，例如目標(biāo)面積、寬高比等。但是要在多攝像機(jī)無(wú)重疊視域下對(duì)目標(biāo)進(jìn)行匹配，光照的改變和目標(biāo)姿態(tài)的變化會(huì)對(duì)匹配精度造成較大影響，因此往往需要將多個(gè)特征結(jié)合起來(lái)使用，以實(shí)現(xiàn)準(zhǔn)確的匹配?；谀Ｐ偷姆椒ň褪菫槟繕?biāo)建立二維或三維模型，通過(guò)在圖像中進(jìn)行模型匹配來(lái)實(shí)現(xiàn)運(yùn)動(dòng)運(yùn)動(dòng)目標(biāo)的匹配。但由于監(jiān)控場(chǎng)景中可能出現(xiàn)的目標(biāo)是多種多樣的，目標(biāo)的姿態(tài)在運(yùn)動(dòng)過(guò)程中也會(huì)發(fā)生改變，從而使目標(biāo)表現(xiàn)出各種不同的形狀，很難建立統(tǒng)一的模型來(lái)對(duì)其進(jìn)行描述。同時(shí)，基于模型的匹配方法對(duì)目標(biāo)模型的依賴性過(guò)大，一旦模型匹配失敗則無(wú)法正確識(shí)別出運(yùn)動(dòng)目標(biāo)，而建立精細(xì)的目標(biāo)模型雖可以提高匹配的精度，但勢(shì)必造成匹配過(guò)程中計(jì)算量的成倍增加，難以滿足實(shí)時(shí)性的要求。因此，研究一種實(shí)時(shí)性好、魯棒性高的多攝像機(jī)無(wú)重疊視域目標(biāo)匹配方法，對(duì)準(zhǔn)確匹配不同視域中的目標(biāo)以及對(duì)感興趣目標(biāo)進(jìn)行有效跟蹤有著積極的影響。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的以上問(wèn)題，提供一種基于多攝像機(jī)無(wú)重疊視域行人匹配方法。此方法對(duì)行人目標(biāo)姿態(tài)變化，環(huán)境光照變化具有很強(qiáng)的魯棒性。為實(shí)現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)
一種基于多攝像機(jī)無(wú)重疊視域行人匹配方法，包括以下步驟
步驟I、建立混合高斯背景模型；
步驟2、使用背景減除法獲得行人目標(biāo)；
步驟3、提取行人目標(biāo)的主顏色特征；
步驟4、進(jìn)行主顏色判別分析；
步驟5、對(duì)于疑似匹配目標(biāo)提取空間紋理特征；
步驟6、使用空間紋理特征進(jìn)行進(jìn)一步判別。進(jìn)一步的，所述步驟2中提取目標(biāo)的主顏色特征以及空間紋理特征，并接收鄰近攝像機(jī)中在某時(shí)段內(nèi)消失的目標(biāo)的特征信息，與當(dāng)前檢測(cè)到的目標(biāo)進(jìn)行匹配以確認(rèn)目標(biāo)身份。進(jìn)一步的，所述步驟3中對(duì)于通過(guò)背景減除法獲得的行人目標(biāo)，根據(jù)人的自然比例將其分為軀干與下肢部分，并對(duì)每個(gè)部分分別使用本發(fā)明所提出的SNNC (序列最近鄰聚類)算法進(jìn)行顏色聚類，最終獲得各個(gè)部分的主顏色特征。進(jìn)一步的，所述步驟5中對(duì)于疑似匹配目標(biāo)，需要使用空間紋理特征進(jìn)行進(jìn)一步判斷，首先根據(jù)經(jīng)驗(yàn)值確定行人的紋理密集區(qū)，對(duì)紋理密集區(qū)的每一像素點(diǎn)求該點(diǎn)彩色梯度極值，然后將紋理密集區(qū)九等分，統(tǒng)計(jì)每一子塊中彩色梯度極值大于給定閾值的像素點(diǎn)數(shù)目，統(tǒng)計(jì)出九個(gè)子塊各自包含的滿足條件的像素點(diǎn)數(shù)目后，就能反映出目標(biāo)大致的紋理強(qiáng)度與紋理分布情況。本發(fā)明的有益效果是
突破傳統(tǒng)的單攝像機(jī)視域限制，有效擴(kuò)大了監(jiān)控范圍。消除大范圍監(jiān)控存在的攝像頭盲區(qū)，并將時(shí)間和空間上分離的目標(biāo)在不同攝像機(jī)中進(jìn)行匹配。本發(fā)明對(duì)行人目標(biāo)姿態(tài)變化，環(huán)境光照變化具有很強(qiáng)的魯棒性。上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段， 并可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說(shuō)明如后。 本發(fā)明的具體實(shí)施方式
由以下實(shí)施例及其附圖詳細(xì)給出。


此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中
圖I是本發(fā)明基于主顏色和空間紋理特征的多攝像機(jī)無(wú)重疊視域行人匹配方法的系統(tǒng)流程圖2是本發(fā)明采用的主顏色特征直方圖3是本發(fā)明中主顏色特征匹配示意圖4是本發(fā)明中空間紋理特征直方圖5是本發(fā)明中采用的棋盤距離示意圖。
具體實(shí)施例方式下面將參考附圖并結(jié)合實(shí)施例，來(lái)詳細(xì)說(shuō)明本發(fā)明。圖I給出了基于主顏色和空間紋理特征的多攝像機(jī)無(wú)重疊視域行人匹配方法的系統(tǒng)流程圖從原始視頻中使用背景差法提取出行人目標(biāo)，分別提取行人的軀干和下肢部分的主顏色特征，與鄰近攝像機(jī)發(fā)送來(lái)的某段時(shí)間內(nèi)消失的行人的特征做匹配，得到兩目標(biāo)軀干與下肢部分的主顏色匹配率。然后通過(guò)雙閾值法判斷兩目標(biāo)之間的匹配性，如果兩部分的主顏色匹配率都大于等于給定大閾值，認(rèn)為目標(biāo)匹配；若有任一部分主顏色匹配率小于等于小閾值，認(rèn)為目標(biāo)不匹配；其余情況為疑似匹配目標(biāo)。對(duì)于疑似匹配目標(biāo)，提取它們的空間紋理特征進(jìn)行進(jìn)一步判別。提取出疑似匹配目標(biāo)的空間紋理特征之后，使用棋盤距離定性地計(jì)算空間紋理匹配率，然后與給定的閾值進(jìn)行比較，如果大于等于給定閾值，認(rèn)為疑似匹配目標(biāo)實(shí)際上是匹配的，否則目標(biāo)不匹配。一種基于多攝像機(jī)無(wú)重疊視域行人匹配方法，包括以下步驟
步驟I、建立混合高斯背景模型；
建立一個(gè)好的背景，是提取運(yùn)動(dòng)目標(biāo)并進(jìn)行匹配的基礎(chǔ)。鑒于監(jiān)控場(chǎng)景往往比較復(fù)雜， 光照變化等干擾因素較多，本發(fā)明采用混合高斯背景建模技術(shù)建立背景模型，可以有效地抑制擾動(dòng)，提高所建立背景的準(zhǔn)確度。如文獻(xiàn)“王永忠，梁彥，潘泉等.基于自適應(yīng)混合高斯模型的時(shí)空背景建模[J].自動(dòng)化學(xué)報(bào)，2009，Vol. 35, No. 4. ”提出了使用混合高斯技術(shù)與時(shí)空信息結(jié)合建立背景模型，能夠比較魯棒的克服背景建模中可能遇到的干擾，建立較好的背景模型。步驟2、使用背景減除法獲得行人目標(biāo)；
準(zhǔn)確建立了監(jiān)控場(chǎng)景的背景模型之后，就可以用背景減除法快速提取出視頻流中的運(yùn)動(dòng)目標(biāo)。所謂的背景減除法就是將原始幀減去背景幀，將絕對(duì)差值大于一定閾值的像素當(dāng)做前景目標(biāo)，其他的仍然作為背景目標(biāo)。對(duì)于得到的前景目標(biāo)，再通過(guò)連通域分析以及形態(tài)學(xué)濾波，去除一些小面積的擾動(dòng)因素，填充前景的空洞，得到質(zhì)量較好的前景目標(biāo)。步驟3、提取行人目標(biāo)的主顏色特征；
得到視頻流中的行人目標(biāo)之后，就可以提取出目標(biāo)的主顏色特征。首相將目標(biāo)依據(jù)經(jīng)驗(yàn)值分成軀干和下肢兩塊，假設(shè)一個(gè)人的身高為H，那么根據(jù)經(jīng)驗(yàn)值，其下肢的高度范圍是 O到O. 54H，其軀干部分的高度為O. 54H到O. 84H。對(duì)于任意部分，使用本發(fā)明所提出的SNNC (序列最近鄰聚類)算法進(jìn)行顏色聚類，最終獲得各個(gè)部分的主顏色特征。SNNC是一種無(wú)監(jiān)督顏色聚類算法，它將相似的顏色聚在一起，并不斷根據(jù)每種顏色的像素?cái)?shù)目調(diào)整聚類的次序以實(shí)現(xiàn)無(wú)監(jiān)督聚類的目的，最后得到每種主顏色的RGB值及其所占前景總像素?cái)?shù)目的比例。在SNNC聚類過(guò)程開(kāi)始之前，先將目標(biāo)的彩色空間由 256*256*256標(biāo)準(zhǔn)化到64*64*64，然后將目標(biāo)中包含有相同RGB值的像素點(diǎn)聚在一起，作為初始簇。所有的初始簇構(gòu)成一個(gè)序列，將這個(gè)序列中所有簇按照其所含像素點(diǎn)數(shù)目的多少?gòu)拇蟮叫∨帕校瑸榫垲愖鰷?zhǔn)備，開(kāi)始階段所有簇都是未標(biāo)記狀態(tài)。SNNC的具體步驟如下
選擇序列中第一個(gè)未標(biāo)記的簇Ai，將Ai的RGB值設(shè)為這個(gè)簇的中心并標(biāo)記這個(gè)簇Ai; 選擇序列中在Ai之后的第一個(gè)未標(biāo)記的簇Bj，根據(jù)顏色距離公式計(jì)算Ai與Bj的顏色距離，其中顏色距離公式如下所述；
權(quán)利要求
1.一種基于多攝像機(jī)無(wú)重疊視域行人匹配方法，其特征在于，包括以下步驟步驟I、建立混合高斯背景模型；步驟2、使用背景減除法獲得行人目標(biāo)；步驟3、提取行人目標(biāo)的主顏色特征；步驟4、進(jìn)行主顏色判別分析；步驟5、對(duì)于疑似匹配目標(biāo)提取空間紋理特征；步驟6、使用空間紋理特征進(jìn)行進(jìn)一步判別。
2.根據(jù)權(quán)利要求I所述的基于多攝像機(jī)無(wú)重疊視域行人匹配方法，其特征在于所述步驟2中提取目標(biāo)的主顏色特征以及空間紋理特征，并接收鄰近攝像機(jī)中在某時(shí)段內(nèi)消失的目標(biāo)的特征信息，與當(dāng)前檢測(cè)到的目標(biāo)進(jìn)行匹配以確認(rèn)目標(biāo)身份。
3.根據(jù)權(quán)利要求I所述的基于多攝像機(jī)無(wú)重疊視域行人匹配方法，其特征在于所述步驟3中對(duì)于通過(guò)背景減除法獲得的行人目標(biāo)，根據(jù)人的自然比例將其分為軀干與下肢部分，并對(duì)每個(gè)部分分別使用本發(fā)明所提出的SNNC (序列最近鄰聚類)算法進(jìn)行顏色聚類，最終獲得各個(gè)部分的主顏色特征。
4.根據(jù)權(quán)利要求I所述的基于多攝像機(jī)無(wú)重疊視域行人匹配方法，其特征在于所述步驟5中對(duì)于疑似匹配目標(biāo)，需要使用空間紋理特征進(jìn)行進(jìn)一步判斷，首先根據(jù)經(jīng)驗(yàn)值確定行人的紋理密集區(qū)，對(duì)紋理密集區(qū)的每一像素點(diǎn)求該點(diǎn)彩色梯度極值，然后將紋理密集區(qū)九等分，統(tǒng)計(jì)每一子塊中彩色梯度極值大于給定閾值的像素點(diǎn)數(shù)目，統(tǒng)計(jì)出九個(gè)子塊各自包含的滿足條件的像素點(diǎn)數(shù)目后，就能反映出目標(biāo)大致的紋理強(qiáng)度與紋理分布情況。
全文摘要
本發(fā)明公開(kāi)了一種基于多攝像機(jī)無(wú)重疊視域行人匹配方法包括以下步驟建立混合高斯背景模型；使用背景減除法獲得行人目標(biāo)；提取行人目標(biāo)的主顏色特征；進(jìn)行主顏色判別分析；對(duì)于疑似匹配目標(biāo)提取空間紋理特征；使用空間紋理特征進(jìn)行進(jìn)一步判別。本發(fā)明突破傳統(tǒng)的單攝像機(jī)視域限制，有效擴(kuò)大了監(jiān)控范圍。消除大范圍監(jiān)控存在的攝像頭盲區(qū)，并將時(shí)間和空間上分離的目標(biāo)在不同攝像機(jī)中進(jìn)行匹配。本發(fā)明對(duì)行人目標(biāo)姿態(tài)變化，環(huán)境光照變化具有很強(qiáng)的魯棒性。
文檔編號(hào)G06K9/64GK102592144SQ20121000287
公開(kāi)日2012年7月18日 申請(qǐng)日期2012年1月6日 優(yōu)先權(quán)日2012年1月6日
發(fā)明者張為公, 楊彪, 林國(guó)余 申請(qǐng)人:東南大學(xué)