CN104318588A - 一种基于位置感知判别外观模型的多摄像机目标跟踪方法 - Google Patents

Abstract

本发明公开一种基于位置感知判别外观模型的多摄像机目标跟踪方法，属于图像信息处理领域，主要克服现有跟踪方法对于跨摄像机跟踪的准确性和实时性的不足。其实现过程是：通过摄像机标定得到的摄像机间单应性关系，计算目标跨摄像机时的映射位置，再在该映射位置周围根据前一摄像机中建立的判别外观模型，重新检测目标，根据检测到的目标更新外观模型，再继续进行跟踪。本方法，因为结合了目标的位置坐标和外观两方面的信息进行跟踪，兼顾了多摄像机跟踪算法的准确性和实时性。

Description

一种基于位置感知判别外观模型的多摄像机目标跟踪方法

技术领域

本发明涉及一种计算机视觉领域的目标跟踪的方法，属于图像信息处理领域。

背景技术

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟，其主要任务是通过对采集的图片或视频进行处理。计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。

视频序列中目标的检测与跟踪是计算机视觉领域的一个重要研究课题，是目标分类、行为分析等后续处理的基础，在智能交通控制、智能视频监控、军事制导等诸多领域具有重要的应用价值。

随着视频监控技术的快速发展，以及单摄像机有限的视域无法满足广域视频监控的要求，多摄像机目标跟踪成为有效解决广域视频监控问题的一种途径。目前多摄像机跟踪方法主要包括:

1.基于摄像机标定的多摄像机跟踪算法

当摄像机的标定信息和三维环境坐标信息已知，通过一定的映射函数把这些信息统一映射到同一个坐标系下，最后由较为简单的一维参数就能得到正确的多摄像机之间的对应关系，进而采用传统的跟踪方法实现对运动目标的跟踪。

2.基于目标模型的多摄像机跟踪算法

该算法的基本思想是提取目标的仿射不变特征建立目标模型，在目标检测过程中，直接提取出目标的这种特征，与模型比对，匹配到目标后，采用传统的跟踪方法继续对运动目标进行跟踪。

然而，基于摄像机标定的多摄像机跟踪算法的鲁棒性，严重依赖于多摄像机之间的对应关系的准确性，一旦映射的位置坐标对实际位置有较大的偏离时，跨摄像机的跟踪就无法接力下去。

基于目标模型的多摄像机跟踪算法，严重依赖于目标模型的提取，而由于光照条件变化和摄像机本身参数差异，在不同摄像机不同视野下同一目标的基本特征已发生了变化，初始化目标模型可能无法正确进行目标匹配。此外，目标模型的建立和匹配过程复杂，难以实现跟踪算法的实时性。

发明内容

本发明的目的是克服现有跟踪方法对于跨摄像机跟踪的准确性和实时性的不足，提出一种基于位置感知判别外观模型的多摄像机目标跟踪方法。

基于位置感知判别外观模型，通过摄像机标定得到的摄像机间单应性关系，计算目标跨摄像机时的映射位置，再在该映射位置周围根据前一摄像机中建立的判别外观模型，重新检测目标，从而实现多摄像机跟踪。本方法，因为结合了目标的位置坐标和外观两方面的信息进行跟踪，兼顾了多摄像机跟踪算法的准确性和实时性问题。

本发明通过以下步骤实现:

1)对选取的目标建立判别外观模型；

2)利用步骤1的外观模型对目标进行持续跟踪，同时利用摄像机标定所得的单应性参数计算目标的位置坐标；

3)当步骤2得到的坐标超出当前摄像机视场时，映射到相邻摄像机的对应坐标位置，利用原外观模型进行检测

4)根据步骤3检测到的目标更新外观模型，继续进行跟踪，实现跨摄像机的目标跟踪。

本发明优于其他跟踪方法主要在其第三步，传统的跟踪方法对于跨摄像机问题，一种方法是基于全局检测，另一种是基于位置的匹配，前者检测速度很慢，后者匹配准确性较差。本发明很好地解决了这两个缺点。

因此，本发明利用朴素贝叶斯分类器通过训练多尺度Haar-like特征生成判别外观模型，从而确保了匹配准确性。

本发明另一个作用是在利用单应性做位置映射，快速确定检测范围，大大的提高了检测速度。

优选的，本发明利用以下方法完成判别外观模型的建立：

1)在目标范围内选取位置、大小随机的若干矩形框。

2)以目标为中心，一定距离为半径进行正采样，产生正样本，在正样本范围内选取与(1)分布相同的矩形框。

3)以目标为中心，一定距离为半径进行负采样，产生负样本，在负样本范围内选取与(1)分布相同的矩形框。

4)分别对每个样本的矩形框加上高斯核权重，并计算每个矩形框的Haar-like特征。

5)分别统计正样本和负样本每个特征的均值与方差，生成外观模型参数。

对上述的方法得到的外观模型进行匹配，能够使得匹配方法兼顾准确性和实时性。

附图说明:

图1为本发明多摄像机目标跟踪方法流程图。

图2(a)为判别外观模型建立示意图,(b)为判别外观模型建立流程图。

具体实施方式:

进一步的，本发明是一种基于位置感知判别外观模型的多摄像机目标跟踪方法，其具体实施方式如下：

所述的外观模型建立包含两部分：一是正负样本的采集，二是模型参数的计算。

1)首先在手动选取或者检测到的目标范围内选取位置、大小随机的n个矩形框。

2)再以目标位置l_t为中心，α为半径进行正采样，产生正样本然后在正样本范围内选取与(1)分布相同的矩形框。

3)类似的，以目标位置l_t为中心，ξ,β为半径进行负采样，产生负样本 然后在负样本范围内选取与(1)分布相同的矩形框。

4)分别统计正样本和负样本每个特征的均值与方差，生成外观模型参数 $({\mathrm{\μ}}_i^1,{\mathrm{\σ}}_i^1,{\mathrm{\μ}}_i^0,{\mathrm{\σ}}_i^0),i=$ $\mathrm{1,2,3},...,n$

外观模型建立完成，下一帧开始进行跟踪，基于位置感知判别外观模型的跟踪的具体步骤如下：

1)以上一帧位置l_t为中心，γ为半径进行采样，产生候选目标集2)计算候选目标集中每个元素外观特征v_i,i＝1,2,3,…,n，其中v_i是第i个矩形框内所有像素灰度值的均值。

3)利用朴素贝叶斯分类器计算每个候选目标集中每个元素的响应 $h\left(v\right)=\log \left(\frac{p\left(v\right|y=1)}{p\left(v\right|y=0)}\right)=$ $\log {\mathrm{\Π}}_{i=1}^n\frac{p\left(v_i\right|y=1)}{p\left(v_i\right|y=0)}={\mathrm{\Σ}}_{i=1}^n\log \frac{p\left(v_i\right|y=1)}{p\left(v_i\right|y=0)}.$

4)以最大响应作为目标位置的估计,

以上步骤完成了单摄像机目标跟踪的过程，为了完成多摄像机目标跟踪，需要完成摄像机的协同和目标的重新检测。摄像机的协同具体实现步骤如下：

1)利用摄像机cam1标定所得的单应性参数H_cam1将目标的位置坐标l_t,cam1映射到统一世界

坐标系下，l_t,world＝H_cam1*l_t,cam1。

2)当该坐标l_w超出当前摄像机视场时，映射到相邻摄像机cam2的对应坐标位置， $l_{t,\mathrm{cam}2}=H_{\mathrm{cam}2}^{-1}*l_{t,\mathrm{world}}.$

3)停止摄像机cam1的目标跟踪，在摄像机cam2中重新检测目标。

目标检测的具体实现步骤如下：

1)利用原外观模型进行检测。以映射到相邻摄像机cam2的对应坐标位置l_t,cam2为中心，γ为半径进行采样，产生候选目标集 $S_{t+1}^{\mathrm{\&gamma;}}=\left\{s\right|\left|\right|l_{t+1}^s-l_{t,\mathrm{cam}2}\left|\right|<$ $\mathrm{\&gamma;}\}.$

2)计算候选目标集中每个元素外观特征v_i,i＝1,2,3,…,n，其中v_i是第i个矩形框内所有像素灰度值的均值。

3)利用朴素贝叶斯分类器计算每个候选目标集中每个元素的响应 $h\left(v\right)=\log \left(\frac{p\left(v\right|y=1)}{p\left(v\right|y=0)}\right)=$ $\log {\mathrm{\&Pi;}}_{i=1}^n\frac{p\left(v_i\right|y=1)}{p\left(v_i\right|y=0)}={\mathrm{\&Sigma;}}_{i=1}^n\log \frac{p\left(v_i\right|y=1)}{p\left(v_i\right|y=0)}.$

4)以最大响应作为检测到的目标位置的估计,

5)下一帧开始继续在摄像机cam2中进行跟踪。

Claims (4)

1.一种基于位置感知判别外观模型的多摄像机目标跟踪方法，其特征在于，包括如下步骤：

步骤(1)，对选取的目标建立判别外观模型；

步骤(2)，利用该外观模型对目标进行持续跟踪，同时利用摄像机标定所得的单应性参数计算目标的位置坐标；

步骤(3)，当该坐标超出当前摄像机视场时，映射到相邻摄像机的对应坐标位置，利用原外观模型进行检测

步骤(4)，根据检测到的目标更新外观模型，继续进行跟踪，实现跨摄像机的目标跟踪。

2.根据权利要求1所述的一种基于位置感知判别外观模型的多摄像机目标跟踪方法，其特征在于，步骤(1)得到的位置感知判别外观模型是利用朴素贝叶斯分类器通过训练多尺度Haar-like特征生成的。

3.根据权利要求1所述的一种基于位置感知判别外观模型的多摄像机目标跟踪方法，其特征在于，权利要求2所述的位置感知判别外观模型生成的具体步骤如下：

S3.1:在目标范围内选取位置、大小随机的若干矩形框；

S3.2:在目标周围进行正采样、负采样；

S3.3:分别对每个样本的矩形框加上高斯核权重，并计算每个矩形框的Haar-like特征；

S3.4:统计正样本和负样本每个特征的均值与方差，生成外观模型参数。

4.根据权利要求1所述的一种基于位置感知判别外观模型的多摄像机目标跟踪方法，其特征在于，步骤(3)检测目标的具体步骤如下：

S3.1:以映射位置为中心，一定距离为半径，采样一组候选集；

S3.2:利用朴素贝叶斯分类器计算每个候选元素的响应；

S3.3:以最大响应作为目标位置的估计；

S3.4:更新目标外观模型。