[发明专利]基于核函数非监督聚类的多目标跟踪方法及系统

说明书

技术领域

本发明涉及的是一种图像处理技术领域多目标跟踪技术及系统，具体是一种基于核函数非监督聚类的多目标跟踪技术，以及实现该技术的软件系统。

背景技术

随着计算机视觉的发展和人们对公众安全意识不断增强，多目标监控在生产和生活中占有了越来越重要的地位。目标检测和目标跟踪成了重要的研究内容。在监控系统中，跟踪算法可以降低人工成本，节约社会资源。但是因为跟踪环境中有很多不确定性的因素，目标的多样性、复杂多变的光照环境、阴影干扰等问题都会给跟踪算法带来干扰。这也造成目前已有的很多系统无法在实际应用环境下稳定的工作，从而缺少真正意义上的智能监控系统。对于多目标跟踪而言，除上述问题，各个目标之间的相关性、相互遮挡等问题都会给准确跟踪带来更大的难度。

基于此，山东大学常发亮老师与柯晶老师基于双目视觉的运动目标检测与跟踪能有效解决遮挡、阴影等问题。2006年，常发亮老师将单目中的Camshift算法应用于双目视觉中，2007年提出基于分层网络最小分割的立体匹配方法对运动目标进行跟踪。之后柯晶老师从改进的Harris角点算法改善检测效果，然后，他们又利用之前Harris匹配的精确角点作为控制点，进行区域相关的匹配得到整体稠密的视差图。但是这样稠密视差图计算复杂度依然很高，尤其在场景背景复杂度比较高的情况下，很难达到实时跟踪的效果。

经过对现有技术的检索发现，中国专利文献号CN103106659A公开(公告)日2013.05.15，公开了一种基于双目视觉稀疏点匹配的空旷区域目标检测与跟踪方法，也是利用双目系统得到特征点世界坐标系，并投影至地平面上，借助人体体型信息和黄金分割比完成离散点聚类。最后，以聚类为单元，结合联合概率数据关联和目标颜色信息完成监控区域内行人目标的鲁棒检测与跟踪。该技术使得运算量变小，并且使得目标检测和跟踪更为准确。但该技术将世界坐标系中特征点投影到地面之后，利用人体体型及黄金分割比对二维投影点进行聚类，难以做到对三维目标形状的高精度匹配。此外，使用联合概率数据对第一帧目标稀疏特征点凸多边形颜色直方图和新检测到目标更新目标位置，直方图的统计计算事实上又回到了稠密区域的计算，只是缩小了稠密区域的计算范围，当目标较多时，依然很难满足实时性要求。

中国专利文献号CN101344965公开(公告)日2009.01.14，公开了一种计算机视觉领域的全自动的目标检测与跟踪系统，其中：输入模块负责采集双目摄像机所拍摄的数字图像作为系统输入，所获得的数字图像输入到特征提取模块对其中一种图像进行特征分析出一些特征点作为随后的处理图像。通过匹配两张图像中特征点后计算其视差，结合预先获知的相机内外参数，可计算出特征点的相机坐标系下坐标。进一步通过世界坐标系与相机坐标系的关系，可知特征点世界坐标下坐标。聚类模块将这些特征点聚类成集合表达目标位置，而轨迹分析模块估计时间序列上的目标位置得出目标的运动轨迹。但该技术聚类利用目标特征点高度和位置进行聚类，同样面临目标精度匹配问题，当背景比较复杂是，很难对不同形状的目标进行精准的匹配。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于核函数非监督聚类的多目标跟踪方法，并实现该技术软件系统。利用多摄像头获取图像，通过不同视场图像目标特征之间的联系，计算特征点空间坐标，解决遮挡问题带来的干扰。接着，通过提取目标稀疏特征点并计算在空间位置的三维信息，并使用本文发明的基于核函数非监督聚类方法，将目标位置和目标方向作为变量，直接对世界坐标三维特征点进行爬山并聚类，确定多目标的位置和方向。并结合最优估计算法，根据上一帧跟踪结果与当前帧检测结果，评估最优目标位置与方向。本发明引入的核函数可以根据不同特征、不同形状的目标构造不同的核函数，可以对不同目标进行更精确的匹配。此外，借助最优估计算法，仅使用稀疏特征点聚类结果得到的目标位置与方向以及上一帧的结果便可以估计当前帧最优目标位置与方向。

本发明是通过以下技术方案实现的：

本发明涉及一种基于核函数非监督聚类的多目标跟踪方法，包括以下步骤：

1)首先通过双目摄像头获取同一时刻左、右序列图作为输入，利用双目相机参数对图像校正。

2)通过提取图像特征点并匹配特征，计算视差。

3)利用得到的视差计算目标特征点相对相机坐标位置，即相机坐标，并完成地面标定，从而根据特征点距离地面高度，可以过滤地面阴影特征点，消除地面阴影的干扰。