[发明专利]一种监控视频行人检测匹配方法

说明书

技术领域

本发明属于视频图像数据处理领域，更具体地，涉及一种监控视频行人检测匹配方法。

背景技术

监控系统中的摄像机视域大多是非重叠、以行人为目标的，研究在多视域监控系统中行人目标的跟踪与匹配问题的目的是解决某区域监控系统中不同的监控视频里中目标的计算机自动搜索问题。解决目标匹配问题的基本框架一般包括目标特征提取，建立目标特征数据库，特征相似度测度等步骤。

目前国内外的监控视频中单帧目标特征提取的主要类型有：（1）基于颜色特征的外观模型匹配方法，例如颜色直方图外观模型匹配，UV色度空间模型匹配等；（2）基于非颜色特征的方法，例如SIFT特征匹配。

但单一的特征描述往往不能对所有视频不确定因素都鲁棒，因此有很多尝试通过多特征融合的方法来提高匹配方法的准确性。不管单一特征匹配还是多特征融合的匹配方法都是基于单帧目标信息的，没有充分利用视频序列中连续多帧的行人目标信息，容易产生匹配结果的不稳定。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种监控视频行人检测匹配方法，旨在解决现有的匹配方法都是基于单帧目标信息容易产生匹配结果不稳定的问题。

本发明提供了一种监控视频行人检测匹配方法，包括下述步骤：

S1：在单帧图像中框选出待匹配目标图像并在视频图像序列中通过提取图像的全局变换直方图特征获得行人目标的方形区域坐标；

S2：根据每个视频图像序列的第a帧的行人目标的个数b_a建立b_a个目标序列，从第a+1帧开始依次计算当前帧（a+p）行人目标T_j的方形区域中心与前一帧（a+p-1）的b_（a+p-1）个目标序列的序列末目标中心之间的距离h_c，a、b_a、j、p均为大于等于1的正整数；

S3：判断所述距离h_c是否小于设定的阈值；若是，则进入步骤S4；若否，则进入步骤S5；

S4：将所述第（a+p）帧行人目标T_j添加至第c个目标序列的序列末；c=1……b_a；

S5：以第（a+p）帧行人目标T_j为第一个元素重新建立一个新的目标序列；

S6：提取目标序列每一帧的灰度直方图特征和主成分分析模板特征，并提取待匹配目标图像的灰度直方图特征和主成分分析模板特征；

S7：计算目标序列各帧的灰度直方图特征与待匹配目标图像的灰度直方图特征之间的巴氏距离，并将巴氏距离均值作为灰度直方图特征相似度H_i；计算目标序列各帧的主成分分析模板特征与待匹配目标图像的主成分分析模板特征之间的欧式距离，并将所述欧式距离作为主成分分析模板特征相似度P_i；

S8：根据设置的迭代宽度、相似度差异阈值以及排序后的灰度直方图特征相似度和主成分分析模板特征相似度获得初步匹配目标序列，并根据初步匹配目标序列输出匹配目标序列。

更进一步地，在步骤S6中提取目标序列每一帧的灰度直方图特征具体为：

S61：将目标序列每一帧图像RGB三个通道分别做直方图规定化处理并获得消除光照差异的图像；

S62：计算所述消除光照差异的图像的灰度直方图，并将所述灰度直方图作为所述目标序列每一帧的灰度直方图特征。

更进一步地，所述直方图规定化处理是采用模型数为2的混合高斯模型。

更进一步地，在步骤S6中提取目标序列的主成分分析模板特征具体为：

利用目标序列前m帧做主成分分析，将每一帧展开成一行n列的向量A_i，计算协方差矩阵的特征值和特征向量，将n个特征值按照从大到小排列并取前k个特征值对应的特征向量构成特征空间F_n×k；

分别将目标序列前m帧数据向量组成的矩阵A_m×n与待匹配目标向量I_1×n均投影到所述特征空间F_n×k并得到目标序列的主成分分析模板特征A_m×k和待匹配目标的主成分分析模板特征I_1×k。

更进一步地，在步骤S8中将灰度直方图特征相似度与主成分分析模板特征相似度分别按照从小到大的顺序进行排序。

更进一步地，步骤S8具体为：

S81：初始化迭代宽度和相似度差异阈值；