[发明专利]视频跨区域单人体姿态目标检测提取方法

摘要

本发明公开了一种视频跨区域单人体姿态目标检测提取方法，本申请针对多摄像机人体运动视频跨区域单人体姿态目标提取问题，提出基于压缩感知的运动目标检测优化算法。该算法是通过视频序列、背景及前景的交替迭代更新来实现同时重构。能有效抑制运动干扰、阳光变化，实现了目标检测的鲁棒性。利用优化解的背景图像对比当前图像，采用设定阈值，利用二值化图像来提取单人体姿态目标。

主权项

视频跨区域单人体姿态目标检测提取方法，其特征在于：单人体姿态运动目标图像提取过程包括以下步骤：一，从智能监控系统中采集多摄像机人体运动视频跨区域运动目标的多帧视频图像，建立运动目标检测优化模型：$\underset{X}{min}\left|\right|X|{|}_1=\underset{B,F}{min}|\left|B\right|{|}_{\·}+\left|\right|F|{|}_1,X=B+F---\left(1\right)$其中，X∈R^mn×K为视频序列；B及F为视频的背景及前景，前景为要找的运动目标；||·||_·为核范数，该范数计算的是矩阵奇异值的和，式(1)中选用核范数的作用是约束背景矩阵的秩，||·||₁为1范数,二，对多帧视频图像进行压缩感知处理，在视频序列采集的同时对视频序列进行压缩，为了实现从压缩观测矩阵A中直接完成视频前景以及背景重构，且具有鲁棒性，可通过三维循环采样方法获得压缩观测矩阵A，将压缩采样表达式分为两个采样步骤:随机卷积过程R_k＝Cx_k；随机采样过程S_kP_iR_k＝a_k，(k＝1，2，..，K)，令W＝0,将上述两个采样步骤融入到优化目标函数中，其运动目标检测优化模型如下：$\underset{B,F,D_{i}X}{min}\underset{i=1}{\overset{3}{\Σ}}{\mathrm{\α}}_i\left|\right|D_{i}X|{|}_1=\underset{B,F}{min}|\left|B\right|{|}_{\·}+\left|\right|F|{|}_1,X=B+F+W$R＝CX，S_kP_iR_k＝a_k(k＝1，2，..K)  (2)其中，α_i为加权值(i＝1.2,3)，D_i为差分算子，W为运动干扰，C为循环矩阵，x_k为视频帧，R为循环观测矩阵，在求解(2)式过程中将矩阵W的初始值设为0，当求解出X、B及F的优化估计值后再计算运动干扰矩阵W，然后求解X、B及F的优化问题，当求解优化问题得到X、B及F时便可区分出运动干扰W，这样保证了B及F分割的鲁棒性，为了求解式(2)，所提算法是通过视频序列、背景及前景的交替迭代更新来实现同时重构，首先图像重构过程是在不断更新视频序列X的重构精度；然后进行图像分割过程是通过每次视频更新来实现前景及背景的分割，在图像重构过程中，通过求解下述运动目标检测优化模型来实现视频序列的重构，$\begin{array}{ccc}\underset{D_{i}X}{min}\underset{i=1}{\overset{3}{\Σ}}{\mathrm{\α}}_i\left|\right|D_{i}X|{|}_1& s.t& R=CX,S_k{P}_i{R}_k=a_k\end{array},(k=1,2,\mathrm{...},K)---\left(3\right)$式(3)所涉及的优化问题可通过增广拉格朗日乘子法进行求解，在求解过程中，需先构建式(3)的拉格朗日方程，

×

专利文献下载

说明：

1、专利原文基于中国国家知识产权局专利说明书；

2、支持发明专利 、实用新型专利、外观设计专利（升级中）；

3、专利数据每周两次同步更新，支持Adobe PDF格式；

4、内容包括专利技术的结构示意图、流程工艺图或技术构造图；

5、已全新升级为极速版,下载速度显著提升！欢迎使用！

请您登陆后，进行下载，点击【登陆】 【注册】

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：。

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

周一至周五 9:00-18:00

版权所有http://www.vipzhuanli.com/公布日期

咨询在线客服

tel code back_top

服务热线：

投诉建议：

扫一扫，微信关注钻瓜专利网

定制专利/购买专利

行业大牛为您服务 快来咨询~