[发明专利]一种基于联合特征模型的多人体跟踪方法

说明书

技术领域

本发明涉及一种多人体跟踪方法，尤其涉及一种基于联合特征模型的多人体跟踪方法。

背景技术

多运动人体跟踪是智能视觉监控的难点问题，同时也是高层视觉分析如目标语义分析、行为理解的基础。对于采用静止摄像机的视觉监控系统，为实现在固定监控场景中跟踪多运动目标，常用方法主要包含两个步骤：首先用背景减除法分割出当前帧的前景目标，再通过连续帧间目标特征匹配实现跟踪。但是，场景的动态变化（如光线、树木晃动等）使得难以正确选择目标特征及完成目标匹配，因此其跟踪率极低。

发明内容

本发明的目的在于克服目前用于多人体跟踪的方法由于场景的动态变化而难以正确选择目标特征并完成目标匹配，从而造成其跟踪率极低的缺陷，提供一种不仅步骤简单，而且便于操作，还能在场景的动态变化中正确选择目标特征并完成目标匹配，从而极大地提高了跟踪率的基于联合特征模型的多人体跟踪方法。

本发明的目的通过下述技术方案实现：一种基于联合特征模型的多人体跟踪方法，包括以下步骤：

（1）建立目标人体模型；

（2）将实时检测到的人体区域与建立的目标人体模型进行匹配，满足匹配要求即为跟踪目标。

进一步的，所述的目标人体模型根据检测到的人体区域建立。

再进一步的，所述的目标人体模型更新速度为一次/一帧。

同时，所述的目标人体模型包括颜色模型与形状模型以及线性运动模型。

更进一步的，所述的颜色模型为颜色直方图。

所述的形状模型包括目标人体的头部、上身以及下肢。

为了满足需要，步骤（2）中当跟踪目标发生遮挡时则进行如下步骤：

（2a）对发生相互遮挡的人体区域进行颜色聚类分割，并生成碎片；

（2b）计算碎片的颜色直方图；

（2c）根据碎片的颜色直方图与目标人体的颜色直方图确定匹配度β，当β>0.5时，所述碎片的坐标即为跟踪目标的坐标；当β<0.5时，根据上一帧中的跟踪目标的位置，采用滤波器预测跟踪目标在当前帧中的位置。

为了更好地满足需要，步骤（2b）中先根据建立的各目标人体模型的颜色直方图确定区分度α；当α>0.5时，碎片的颜色直方图由步骤（2a）中生成的碎片直接生成；当α<0.5时，将上一帧中得到的形状模型的各身体部分的中心坐标采用滤波器进行预测并得到人体区域在当前帧中的预测位置，根据上一帧中得到的各身体部分外接矩形框的大小得到人体区域在当前帧中各身体部分的预测外接矩形框，将中心点处于外接矩形框内的各碎片分别与各身体部分的预测外接矩形框计算相交区域，并得到该相交区域的颜色直方图，该相交区域的颜色直方图即碎片的颜色直方图。

为了更好地实现发明，步骤（2a）中将实时检测到的前景区域中各像素点用灰度值表示，相同灰度值为一个碎片。

为了确保效果，步骤（2a）中设定碎片合并规则：当碎片矩形框内含有小碎片矩形框，则丢弃小碎片矩形框；当两碎片矩形框相交面积大于其中较小碎片面积的80%，则合并两碎片；当碎片面积小于10个像素，则丢弃。

本发明较现有技术相比，具有以下优点及有益效果：

（1）本发明的一种基于联合特征模型的多人体跟踪方法包括建立目标人体模型，然后将实时检测到的人体区域与建立的目标人体模型进行匹配，满足匹配要求即为跟踪目标两个步骤。本发明的方法不仅步骤简单、便于操作，而且还能在场景的动态变化中正确选择目标特征并完成目标匹配，因此极大地提高了跟踪率。

（2）本发明的目标人体模型根据检测到的人体区域建立，便于后续的实时跟踪过程中将检测到的人体区域与建立的目标人体模型进行匹配。

（3）本发明的目标人体模型更新速度为一次/一帧，从而便于实时的跟踪动态的人体。

（4）本发明的目标人体模型包括颜色模型、形状模型以及线性运动模型，从而将人体形状、颜色以及运动有机的结合，因此可实现多人体处于遮挡情况下的准确跟踪。

（5）本发明的颜色模型为颜色直方图，从而便于将检测到的人体区域的颜色与目标人体的颜色模型进行比对以及匹配。

（6）本发明的形状模型包括目标人体的头部、上身以及下肢，从而便于将检测到的人体区域的形状与目标人体的形状模型进行比对以及匹配。