[发明专利]一种基于深度摄像机的行人检测跟踪方法

说明书

本发明提供了一种基于深度摄像机的行人检测跟踪方法，其特征在于，包括步骤：步骤101：读取视频流的一帧图像，判断是否为行人检测帧，如果是进入步骤102，否则进入步骤107；步骤102：使用聚合通道特征法做行人检测；步骤103：深度图像去噪声；步骤104：修正行人位置；步骤105：去除误检测；步骤106：目标匹配，目标匹配充分利用图像的时空信息，根据图像的相邻两帧之前只存在微小的运动这一特性；步骤107：目标跟踪，以T_list为起点，开始对目标进行跟踪，直到fN能被SKIP整除，进入步骤102，开始进行行人检测。

技术领域

本发明涉及一种基于深度摄像机的行人检测跟踪算法，特别涉及应用于安防系统视频监控中行人的检测跟踪方法。

背景技术

随着深度摄像机的普及，能够实时的同步获取稳定的彩色图像和深度图像已经成为现实。行人检测是计算机领域的一个重要分支，也是智能监控系统的主体，基于深度摄像机的行人检测跟踪方法越来越成为人们的研究重点。目前已经存在很多优秀的行人检测算法，但大都存在一些不足，主要体现在：行人位置不准确，检测得到的行人框有时偏大，有时偏小；存在一定的误检测，不是行人的区域被误判为行人；行人位置不稳定，往往是由检测器造成的；运行速度慢，不能满足实时性的要求。

为了克服以上技术不足，本发明提出了一种基于深度摄像机RGB-D图像的行人检测跟踪。

发明内容

本发明的目的在于提供了一种基于深度摄像机的行人检测跟踪方法，其特征在于，包括步骤：

步骤101：读取视频流的一帧图像，并对图像的帧计数，计数为fN，每读取一帧fN加1，并判断fN能否被常量整除，如果能整除则进入步骤102，否则进入步骤107；

步骤102：使用聚合通道特征法做行人检测，其中选取YUV颜色通道+梯度幅值通道+梯度方向通道组合成聚合通道特征；检测结果为一个矩形序列PR[N],其中N为检测到的行人的个数，PR[n]表示检测结果的第n个行人的矩形位置，然后进入步骤103；

步骤103：深度图像去噪声，先对RGB_D的D通道进行腐蚀操作，腐蚀半径为r，然后在进行膨胀操作，膨胀半径也为r，此操作可去除半径小于或等于r的噪声，并且对非噪声区域造成最少的影响，以便于更好的从深度图像中提取出行人的轮廓,然后进入步骤104；

步骤104：修正行人位置，在RGB_D的D通道找到PR[n]对应的位置，然后使用canny算子找到图像的边缘，也就是行人的边缘轮廓C[n],然后找C[n]的最小外接矩形BRect，BRect即为修正后行人的位置，然后用BRect替换PR[n]，进入步骤105；

步骤105：去除误检测，在深度图像中，PR[n]默认为行人的位置，找到PR[n]的中心点center，然后以center作为漫水填充的种子点，一直向四周填充，填充的条件是相邻像素之间的深度值之差应当不低于阈值Ther_d；漫水区域的面积为m_area，计算m_area与PR[n]的面积比值，如果比值过大，或者过小则判定位置PR[n]为误检测，然后将其删除，进入步骤106；

步骤106：目标匹配，目标匹配充分利用图像的时空信息，根据图像的相邻两帧之前只存在微小的运动这一特性；

步骤107：目标跟踪，以T_list为起点，开始对目标进行跟踪，直到fN能否被所述常量整除，进入步骤102，开始进行行人检测。

优选地，步骤107的具体方法为：

步骤201：对于跟踪目标T_List[n]，以其中心为原点，将原矩形放大到原来的2倍，结果产生矩形p_rect，进入步骤202；

步骤202：提取跟踪目标T_List[n]的“指纹”f_phash，然后进入步骤203；