亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于運(yùn)動(dòng)行為模式的多視角室內(nèi)行人跟蹤方法

文檔序號(hào):8362166閱讀:518來(lái)源:國(guó)知局
基于運(yùn)動(dòng)行為模式的多視角室內(nèi)行人跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域,具體地說(shuō),是涉及行人跟蹤方法,更具體地說(shuō),是 涉及基于運(yùn)動(dòng)行為模式的多視角室內(nèi)行人跟蹤方法。
【背景技術(shù)】
[0002] 視覺(jué)信息是人體獲得外界信息的主要渠道,其中運(yùn)動(dòng)信息是其重要組成部分,大 量重要的、有意義的視覺(jué)信息包含在運(yùn)動(dòng)中?;谶\(yùn)動(dòng)目標(biāo)分析在實(shí)際應(yīng)用中所具有的重 要價(jià)值,以及在分析基礎(chǔ)上所建立的目標(biāo)分析系統(tǒng),其性能的好壞關(guān)鍵取決于對(duì)目標(biāo)運(yùn)動(dòng) 信息的提取和分析,因此,對(duì)于運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究具有重要意義。
[0003] 而目標(biāo)跟蹤是通過(guò)分析采集的關(guān)于目標(biāo)運(yùn)動(dòng)情況的數(shù)據(jù),獲得目標(biāo)的位置,進(jìn)而 得到目標(biāo)的運(yùn)動(dòng)軌跡,是運(yùn)動(dòng)目標(biāo)分析過(guò)程的關(guān)鍵環(huán)節(jié),屬于計(jì)算機(jī)視覺(jué)中的低層視覺(jué)范 疇,是目標(biāo)行為識(shí)別和場(chǎng)景理解的基礎(chǔ)。在目標(biāo)跟蹤的大多數(shù)場(chǎng)景中行人是跟蹤的主要目 標(biāo),行人跟蹤已成為了智能視頻分析領(lǐng)域研究的熱點(diǎn),在視頻監(jiān)控、智能人機(jī)交互、行為分 析等領(lǐng)域有著重要的研究意義和應(yīng)用價(jià)值。
[0004] 目前,行人跟蹤方法主要包括有基于流形學(xué)習(xí)與稀疏表示、基于近正向俯視監(jiān)控 視頻、基于行人檢測(cè)、基于改進(jìn)的隨機(jī)森林、基于HOG-LBP描述等五種跟蹤方法,例如 :
[0005] 申請(qǐng)?zhí)枮镃N201410489737. 4、名稱為《一種基于流形學(xué)習(xí)與稀疏表示的行人跟蹤 方法》的中國(guó)專利申請(qǐng)公開了下述技術(shù)內(nèi)容:對(duì)采集到的視頻幀進(jìn)行灰度轉(zhuǎn)換,縮小到統(tǒng)一 尺寸;手動(dòng)選定跟蹤的行人目標(biāo),并記錄目標(biāo)各項(xiàng)參數(shù),通過(guò)計(jì)算PCA映射矩陣和OLPP映射 矩陣生成目標(biāo)模版;隨機(jī)生成候選粒子,建立系統(tǒng)的觀測(cè)模型和運(yùn)動(dòng)模型,通過(guò)流形學(xué)習(xí)的 方式,在粒子濾波框架下求解最大后驗(yàn)概率估計(jì);將各候選樣本的運(yùn)動(dòng)模型和觀測(cè)模型代 入后驗(yàn)估計(jì)表達(dá)式,取最大值所對(duì)應(yīng)的樣本為目標(biāo)位置。
[0006] 申請(qǐng)?zhí)枮镃N201210495491. 2、名稱為《一種近正向俯視監(jiān)控視頻行人跟蹤計(jì)數(shù)方 法和裝置》的中國(guó)專利申請(qǐng)公開了下述技術(shù)內(nèi)容:獲取當(dāng)前監(jiān)控場(chǎng)景下的視頻圖像;將獲取 圖像與背景圖像進(jìn)行比較,當(dāng)判定所述視頻圖像為前景圖像時(shí),對(duì)前景圖像中的各團(tuán)塊進(jìn) 行分割以及組合,得到單個(gè)行人的目標(biāo)團(tuán)塊;根據(jù)檢測(cè)區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo),進(jìn)行跟 蹤和計(jì)數(shù)。
[0007] 申請(qǐng)?zhí)枮镃N201310311020. 6、名稱為《一種基于行人檢測(cè)和跟蹤的人流監(jiān)控方法》 的中國(guó)專利申請(qǐng)公開了下述技術(shù)內(nèi)容:獲取并解碼攝像頭視頻流得到RGB格式的單幀圖 像;根據(jù)圖像積分通道特征,進(jìn)行由疏到密多尺度識(shí)別,并采用NMS方法組合所有尺度中的 識(shí)別結(jié)果,通過(guò)計(jì)算每個(gè)檢測(cè)結(jié)果區(qū)域和背景區(qū)域差異,刪除差異小的檢測(cè)結(jié)果,得到行人 位置以及對(duì)應(yīng)的置信值;通過(guò)計(jì)算相似度,匹配相鄰幀中檢測(cè)到的行人,從而實(shí)現(xiàn)行人跟蹤 并得到每個(gè)人的運(yùn)動(dòng)軌跡;
[0008] 申請(qǐng)?zhí)枮镃N201310353511. 7、名稱為《一種基于改進(jìn)的隨機(jī)森林的多目標(biāo)跟蹤方 法及裝置》的中國(guó)專利申請(qǐng)公開了下述技術(shù)內(nèi)容:隨機(jī)產(chǎn)生森林訓(xùn)練模塊,用于對(duì)交叉前 的目標(biāo)進(jìn)行訓(xùn)練,建立目標(biāo)分類器;隨機(jī)森林分類模塊,在下一幀用訓(xùn)練好的分類器對(duì)交叉 后的目標(biāo)區(qū)域進(jìn)行分類;目標(biāo)重新定位模塊,對(duì)分類后的塊執(zhí)行聚類操作,形成目標(biāo)位置區(qū) 域。本發(fā)明有效的解決了在多目標(biāo)跟蹤過(guò)程中出現(xiàn)交叉時(shí)出現(xiàn)跟錯(cuò)跟丟的問(wèn)題。
[0009] 申請(qǐng)?zhí)枮镃N 201210046834. 7、名稱為《一種基于HOG-LBP描述的行人跟蹤方法》 的中國(guó)專利申請(qǐng)公開了下述技術(shù)內(nèi)容:建立適應(yīng)HOG-LBP描述器要求的圖像正負(fù)樣本集, 對(duì)已建立的樣本圖像集進(jìn)行批量特征提取,從而建立特征樣本集;通過(guò)SVM對(duì)特征樣本集 進(jìn)行有監(jiān)督訓(xùn)練,建立含有類懲罰因子的軟間隔SVM模型,并得到基于HOG-LBP描述的行人 檢測(cè)器;利用行人檢測(cè)器檢測(cè)結(jié)果,采用粒子濾波跟蹤方法完成行人跟蹤。該方法對(duì)場(chǎng)景中 發(fā)生的運(yùn)動(dòng)交錯(cuò)、遮擋現(xiàn)象以及運(yùn)動(dòng)呈現(xiàn)的非線性特征具有較好的適應(yīng)性和穩(wěn)定性。
[0010] 上述五種方法存在的問(wèn)題概述如下:
[0011] 1)在粒子濾波框架下的跟蹤方法主要依據(jù)大數(shù)定理采用蒙特卡羅方法來(lái)求解貝 葉斯估計(jì)中的積分運(yùn)算,較好的解決了非線性、非高斯分布系統(tǒng)中的目標(biāo)跟蹤問(wèn)題,但上述 方法隨機(jī)生成候選粒子,只保證粒子采樣多樣性,并沒(méi)有選擇更好的參考分布,來(lái)提高采樣 效率,增加了計(jì)算量,且隨機(jī)生成的粒子也沒(méi)有考慮目標(biāo)特有的運(yùn)動(dòng)行為,具有一定的盲目 性;基于流形學(xué)習(xí)與稀疏表示的行人跟蹤方法,在跟蹤前需要手動(dòng)選定行人目標(biāo)和縮小視 頻幀到統(tǒng)一尺寸,這些都限制了跟蹤方法的應(yīng)用。
[0012] 2)對(duì)前景圖像各團(tuán)塊進(jìn)行分割以及組合的方法易受到光照變化、人體被遮擋等因 素的干擾,使得人體區(qū)域分割的不完整,容易出現(xiàn)跟蹤漂移,且該方法只能對(duì)每幀中目標(biāo)進(jìn) 行計(jì)數(shù),并不能實(shí)現(xiàn)不同幀間目標(biāo)行人的關(guān)聯(lián),無(wú)法實(shí)現(xiàn)連續(xù)跟蹤。
[0013] 3)上述跟蹤方法中將視覺(jué)跟蹤轉(zhuǎn)化為連續(xù)視頻幀中的目標(biāo)匹配問(wèn)題,其本質(zhì)可以 看作是在一個(gè)連續(xù)局部空間內(nèi)的局部匹配尋優(yōu)問(wèn)題,能夠?qū)崿F(xiàn)對(duì)目標(biāo)的檢測(cè)與跟蹤,但需 要獲取所有尺度圖像進(jìn)行識(shí)別,增加了計(jì)算量,同時(shí)通過(guò)計(jì)算相鄰幀間目標(biāo)的相似度來(lái)匹 配關(guān)聯(lián)不同目標(biāo)行人,在行人相對(duì)較多的場(chǎng)景難以獲得準(zhǔn)確的匹配度,對(duì)跟蹤過(guò)程中行人 的出現(xiàn)和消失情況也無(wú)法有效處理。
[0014] 4)基于改進(jìn)隨機(jī)森林和HOG-LBP描述的行人跟蹤方法局限性表現(xiàn)為:此類方法 均需要建立目標(biāo)分類器,但面臨的主要問(wèn)題有三個(gè),一是分類器的構(gòu)造需要大量正負(fù)樣本 的學(xué)習(xí),如何選擇樣本是一個(gè)關(guān)鍵問(wèn)題;二是計(jì)算復(fù)雜度高,計(jì)算量大,難以滿足實(shí)時(shí)需要; 三是需要在目標(biāo)所在區(qū)域的一個(gè)范圍內(nèi)進(jìn)行目標(biāo)搜索,如何優(yōu)化搜索范圍,使得既不因范 圍過(guò)小而影響目標(biāo)跟蹤精度,又不會(huì)因范圍過(guò)大而帶來(lái)搜索效率的下降,仍需要進(jìn)一步的 理論研究。

【發(fā)明內(nèi)容】

[0015] 本發(fā)明的目的是提供一種基于運(yùn)動(dòng)行為模式的多視角室內(nèi)行人跟蹤方法,提高行 人跟蹤/[目息的有效性,提1?行人跟蹤的魯棒性及準(zhǔn)確性。
[0016] 為實(shí)現(xiàn)上述發(fā)明目的,本發(fā)明采用下述技術(shù)方案予以實(shí)現(xiàn):
[0017] 一種基于運(yùn)動(dòng)行為模式的多視角室內(nèi)行人跟蹤方法,其特征在于,所述方法包括 利用狀態(tài)空間模型對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)的過(guò)程和利用觀測(cè)模型對(duì)預(yù)測(cè)的運(yùn)動(dòng)狀態(tài)進(jìn) 行觀測(cè)、獲得跟蹤結(jié)果的過(guò)程;
[0018] 所述利用狀態(tài)空間模型對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)的過(guò)程包括:
[0019] 計(jì)算t時(shí)刻測(cè)試視頻幀中目標(biāo)所受的合力:利用根據(jù)測(cè)試視頻幀的前一視頻幀所 跟蹤到的目標(biāo)在跟蹤場(chǎng)景網(wǎng)格坐標(biāo)中的位置(xt,yt)計(jì)算目標(biāo)與目的地間的驅(qū)動(dòng)力Finn' 目標(biāo)與其他行人間的作用力Fstrc及目標(biāo)與障礙物間的作用力Fphys,計(jì)算測(cè)試視頻幀中目標(biāo) 所受的合力F為:F = FinnOT+Fs°e+Fphys;x ,為目標(biāo)在網(wǎng)格坐標(biāo)中的X坐標(biāo),y t為目標(biāo)在網(wǎng)格坐 標(biāo)中的y坐標(biāo),跟蹤場(chǎng)景網(wǎng)格坐標(biāo)是對(duì)跟蹤場(chǎng)景的俯視場(chǎng)景形成的XY平面進(jìn)行網(wǎng)格劃分后 的坐標(biāo);
[0020] 計(jì)算t時(shí)刻測(cè)試視頻幀中目標(biāo)的概率力:在網(wǎng)格坐標(biāo)中,以目標(biāo)位置(xt,y t)所 在的網(wǎng)格為目標(biāo)網(wǎng)格,計(jì)算網(wǎng)格坐標(biāo)中其他網(wǎng)格對(duì)目標(biāo)網(wǎng)格所產(chǎn)生的概率力FP :FP = {FP1,· · ·,F(xiàn)P*,· · ·,F(xiàn)PP};其中,F(xiàn)P*= F · P % P*為跟蹤場(chǎng)景各攝像頭中其他目標(biāo)區(qū)域根據(jù)網(wǎng) 格坐標(biāo)與視頻圖像像素點(diǎn)坐標(biāo)間的對(duì)應(yīng)關(guān)系對(duì)應(yīng)到網(wǎng)格坐標(biāo)后第*個(gè)網(wǎng)格內(nèi)包含的其他 目標(biāo)區(qū)域面積占該網(wǎng)格面積的比例,P #> 〇, * = 1,2, ...,p,p為具有其他目標(biāo)區(qū)域的網(wǎng)格 數(shù)量;
[0021] 根據(jù)目標(biāo)的概率力對(duì)下一時(shí)刻的目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè):將目標(biāo)抽象 為粒子,t時(shí)刻粒子狀態(tài)定義為;ζ =[X,,J,,?,,Vv νΛ分別表示t時(shí) 刻目標(biāo)在網(wǎng)格坐標(biāo)X坐標(biāo)軸方向的速度和y坐標(biāo)軸方向的速度,則t+1時(shí)刻粒 子狀態(tài)4 +1=[6+1,乃+1,\+1,'. +1,沙,叱預(yù)測(cè)為:χ?+13+Δ,·ν?;,7?+1=^+Δ?_ν Λ, ]pp I I PP I , ~xt+vx ^ -^ΔΓ,vr - + VvJUjT- -,從而獲得 t+1 時(shí)刻目標(biāo)在網(wǎng)格坐 1 2 m " 2 m 標(biāo)下的P個(gè)預(yù)測(cè)位置;其中,Xt+1、yt+1分別為預(yù)測(cè)的t+l時(shí)刻目標(biāo)在網(wǎng)格坐標(biāo)中的X坐標(biāo)和 y坐標(biāo),L、ν,>+ι分別表示預(yù)測(cè)的t+1時(shí)刻目標(biāo)在網(wǎng)格坐標(biāo)X坐標(biāo)軸方向的速度和y坐標(biāo) 軸方向的速度,Λ t為t+l時(shí)刻和t時(shí)刻的時(shí)間差,F(xiàn)Px、FPy分別為目標(biāo)的概率力FP在網(wǎng)格 坐標(biāo)X坐標(biāo)軸方向上的分力和在y坐標(biāo)軸方向上的分力,m表示目標(biāo)的質(zhì)量,為設(shè)定常數(shù);
[0022] 利用觀測(cè)模型對(duì)預(yù)測(cè)的運(yùn)動(dòng)狀態(tài)進(jìn)行觀測(cè)、獲得跟蹤結(jié)果的過(guò)程包括:
[0023] 根據(jù)網(wǎng)格坐標(biāo)與視頻圖像像素點(diǎn)坐標(biāo)間的對(duì)應(yīng)關(guān)系,獲得預(yù)測(cè)位置在跟蹤場(chǎng)景內(nèi) 每個(gè)攝像頭的視頻圖像幀中的像素點(diǎn)位置,以像素點(diǎn)位置為中心、形成寬為w、高為h的矩 形區(qū)域作為測(cè)試區(qū)域,每個(gè)預(yù)測(cè)位置對(duì)應(yīng)多個(gè)測(cè)試區(qū)域;
【主權(quán)項(xiàng)】
1. 一種基于運(yùn)動(dòng)行為模式的多視角室內(nèi)行人跟蹤方法,其特征在于,所述方法包括利 用狀態(tài)空間模型對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)的過(guò)程和利用觀測(cè)模型對(duì)預(yù)測(cè)的運(yùn)動(dòng)狀態(tài)進(jìn)行 觀測(cè)、獲得跟蹤結(jié)果的過(guò)程; 所述利用狀態(tài)空間模型對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)的過(guò)程包括: 計(jì)算t時(shí)刻測(cè)試視頻幀中目標(biāo)所受的合力:利用根據(jù)測(cè)試視頻幀的前一視頻幀所跟蹤 到的目標(biāo)在跟蹤場(chǎng)景網(wǎng)格坐標(biāo)中的位置(xt,yt)計(jì)算目標(biāo)與目的地間的驅(qū)動(dòng)力Finn'目標(biāo) 與其他行人間的作用力F stc及目標(biāo)與障礙物間的作
當(dāng)前第1頁(yè)1 2 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1