[发明专利]一种基于多摄像机无重叠视域行人匹配方法

说明书

技术领域

本发明属于计算机视觉领域，具体涉及智能监控领域，特别涉及一种基于多摄像机无重叠视域行人匹配方法。

背景技术

随着计算机技术的发展以及人们安全意识的不断提高，视频监控技术越来越受到人们的重视。由于传统的单摄像机视域有限，监控范围较小，多数场合往往采用多个摄像机进行大范围监控，譬如社区和重要建筑物内部的安全监控，城市路网交通状况的监控，地铁站和飞机场的监控，以及停车场和超市的监控等等。但是，大范围监控必然存在摄像头盲区，目标在时间和空间上都是分离的，如何将不同摄像机中相同目标进行匹配是无重叠视域监控的关键。

目前常用的目标匹配方法主要包括：基于特征的方法和基于模型的方法两大类。基于特征的方法又称为基于知识的方法，它是目标匹配中最常用的方法，通过对目标局部或整体某些特征的确认来匹配不同摄像机视域中的目标。常用于匹配的特征包括颜色、纹理、形状等特征，其中颜色特征的使用最为频繁，颜色特征主要包括：RGB直方图特征，如文献“Huang, T., Russell, S.. Object identification in a Bayesian context [C]. International Joint Conferences on Artificial Intelligence, 1997: 1276-1283.”提出的使用RGB直方图特征匹配高速公路上的车辆，RGB直方图描述了图像的整体颜色信息，提取简单，但是容易受光照变化的影响，而且不同的图像内容其RGB直方图可能很接近，因此匹配准确率不高，不适用于多摄像机无重叠视域跟踪； HSV特征，将彩色图像首先由RGB空间转化到HSV空间，然后提取HSV直方图，由于HSV空间将光照分量V独立了出来，因此可以在一定程度上抑制光照变化带来的影响，如文献“Jingang Huang, Bin Kong, “A New Method of Unstructured Road Detection Based on HSV Color Space and Road Features,” Information Acquisition, 2007. ICIA 07. Pages:596-601”使用HSV特征检测道路以去除阴影的影响，但是HSV容易产生畸变，往往会影响匹配的精度；本发明所提出的主颜色特征，提取出目标的主颜色，使用主颜色来表征整个目标的特征，可以在一定程度上提高匹配的鲁棒性，同时，主颜色中包含的标准化RGB值对光照变化具有较好的鲁棒性。除了颜色特征外，常用于匹配的特征还包括纹理特征，例如文献“陈远，陈锻生. 一种融合LBP纹理特征的多姿态人脸跟踪方法[J].华侨大学学报，2010，Vol.31,No.3.”提出的用于人脸跟踪匹配的LBP纹理特征。外形特征，例如目标面积、宽高比等。但是要在多摄像机无重叠视域下对目标进行匹配，光照的改变和目标姿态的变化会对匹配精度造成较大影响，因此往往需要将多个特征结合起来使用，以实现准确的匹配。

基于模型的方法就是为目标建立二维或三维模型，通过在图像中进行模型匹配来实现运动运动目标的匹配。但由于监控场景中可能出现的目标是多种多样的，目标的姿态在运动过程中也会发生改变，从而使目标表现出各种不同的形状，很难建立统一的模型来对其进行描述。同时，基于模型的匹配方法对目标模型的依赖性过大，一旦模型匹配失败则无法正确识别出运动目标，而建立精细的目标模型虽可以提高匹配的精度，但势必造成匹配过程中计算量的成倍增加，难以满足实时性的要求。

因此，研究一种实时性好、鲁棒性高的多摄像机无重叠视域目标匹配方法，对准确匹配不同视域中的目标以及对感兴趣目标进行有效跟踪有着积极的影响。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种基于多摄像机无重叠视域行人匹配方法。此方法对行人目标姿态变化，环境光照变化具有很强的鲁棒性。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于多摄像机无重叠视域行人匹配方法，包括以下步骤：

步骤1、建立混合高斯背景模型；

步骤2、使用背景减除法获得行人目标；

步骤3、提取行人目标的主颜色特征；

步骤4、进行主颜色判别分析；

步骤5、对于疑似匹配目标提取空间纹理特征；

步骤6、使用空间纹理特征进行进一步判别。