[发明专利]基于压缩感知多视角目标跟踪和3D目标重建系统及方法

说明书

技术领域

本发明属于图像处理领域，尤其涉及一种基于压缩感知多视角目标跟踪和3D目标重建系统及方法。

背景技术

随着摄像机技术的进步，广泛应用于监控系统、医学、智能房间等的摄像机网络不断发展。利用多个摄像机获取的信息可以对目标进行定位，从而追踪遮蔽目标或者重建3D目标。在这个背景下，设计对观测区域背景变化有鲁棒性的、通信开销低的、且相机数量可变的分布式算法显得尤为重要。

传统方法中，由摄像机捕获大量结构完整但冗余度很高的数据，之后，若是可以进行本地处理的智能摄像机，会在将数据传送至通信信道前对获取的图像进行预处理，如利用传统的压缩方法等，这样就可以提取出有用的信息，只传送少数观测值就可以达到通信需求，但数据量仍然很大，占用带宽也较多，且对摄像机的性能要求很高，耗电量加大，并且这些算法的复杂度都会随着摄像机数量的增长而线性增长。如果再对观测区域背景的变化进行检测更新，则会占用更多资源，加重编码器负担，进一步加大耗电量，而实际中背景变化的情况很多见。

摄像机处只传送目标的剪影信息是对传统算法的改进，它是在摄像机端对获取的数据进行背景减除算法的处理，获得只包含前景目标的剪影信息并传送。这样可以有效减少数据传输带宽，但是没有进一步利用剪影信息的稀疏性，由于加入了背景减除算法使得数据处理性能要求更高，耗电量更大，算法的复杂度还是会随着摄像机数量的增长而线性增长，对背景的变化若有鲁棒性仍然需要消耗过多资源。传统的多视角视频分析系统传输数据带宽大、编码端(摄像机)较复杂且耗电量大、算法复杂度没有自适应性、信号抗噪性弱、实际应用中可扩展性不强。

发明内容

本发明旨在克服现有技术的不足，避免传统的多视角视频分析系统传输数据带宽大、摄像机端较复杂且耗电量大、算法复杂度没有自适应性、抗噪性弱、实际应用中可扩展性不强的缺点，实现不仅降低编码端复杂度，降低传输数据带宽，同时提高算法自适应性和信号抗噪性，对背景变化具有鲁棒性，为达到上述目的，本发明采取的技术方案是，基于压缩感知多视角目标跟踪和3D目标重建系统及方法，包括下列步骤：

使摄像机都分布在可以观测到大部分观测区域的位置，观测区域可以是2D或者3D的空间，通过对观测区域采样后，先进行压缩采样，再通过两次移动平均进行背景更新，采用能够抗噪的算法得到背景减除图像的压缩采样值；

将得到的背景减除图像的压缩采样值，通过阈值测试检测感兴趣的目标；

对感兴趣的目标则执行分析算法，即：

恢复每个摄像机送来的目标剪影压缩采样数据，得到目标的剪影图，在2D的情况时将观测区域划分成N个紧凑不重叠子区域，第n个子区域有位置坐标(x_n，y_n)，观测区域与每个摄像机的成像平面一一对应，将每个摄像机恢复出的数据转换成目标在该成像平面的位置，其与观测区域平面的前景目标位置一一对应，联合n个摄像机的数据找到其在观测区域中的准确位置；

在3D的情况时将观测区域划分成N个立体的紧凑不重叠子区域，第n个子区域有位置坐标(x_n，y_n，z_n)，观测区域与每个摄像机的成像平面一一对应，将每个摄像机恢复出的数据转换成目标在该成像平面的位置，其与观测区域平面的前景目标上的点一一对应，联合n个摄像机的数据找到其在观测区域中的准确形态。

送入背景更新模块中先进行压缩采样，再通过两次移动平均进行背景更新具体是，采用SRM算法压缩采样得到y_t(j)，y_t(j)分两路，一路通过y_t(j)与y_b(j)相减得到背景剪除图像的压缩采样值y_d(j)输出，y_d(j)是背景图像的压缩采样值，SRM是结构化随机矩阵；一路与缓存器1中的移动平均值y_ma(j)以学习率γ完成第一次移动平均，b代表背景，如下式：

y_ma(j+1)＝γy_t(j)+(1-γ)y_ma(j)

得到新的的移动平均值y_ma(j+1)并存入缓存器1以供下次使用，第二次移动平均是由y_t(j)和对y_ma(j)先做压缩感知恢复后再进行压缩采样得到的值的差，和缓存器2中背景图像的压缩采样值y_b(j)以学习率α完成，如下式：