專利名稱：：多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種目標(biāo)檢測(cè)方法，特別是多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)方法。文獻(xiàn)"Amultiviewapproachtotrackingpeopleincrowdedscenesusingaplanarhomographyconstraint，LectureNotesinComputerScience,ComputerVision-ECCV2006，3954LNCS(7)，pl33_146，January2006"公開(kāi)了一種基于平面映射約束的多相機(jī)運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤方法。該方法首先選定某一個(gè)相機(jī)視角作為參考視角，通過(guò)基于混合高斯模型的背景差對(duì)各個(gè)視角獲得的圖像數(shù)據(jù)進(jìn)行前景提取，然后將獲得的各個(gè)前景概率圖像按照地面約束投影到參考視角的坐標(biāo)系下。將變換后的各個(gè)視角概率圖進(jìn)行連乘得到綜合的前景概率圖，采用一個(gè)給定的閾值對(duì)綜合前景概率圖進(jìn)行分割即可獲得最終目標(biāo)的腳所在的位置，從而在目標(biāo)個(gè)數(shù)少于相機(jī)個(gè)數(shù)的情況下可以較好的解決遮擋問(wèn)題。擁擠場(chǎng)景下，目標(biāo)數(shù)目是未知并且動(dòng)態(tài)變化的，當(dāng)目標(biāo)個(gè)數(shù)大于相機(jī)個(gè)數(shù)時(shí)，這種方法檢測(cè)結(jié)果中會(huì)出現(xiàn)大量虛警，在3個(gè)相機(jī)6個(gè)人的場(chǎng)景中，錯(cuò)誤率高達(dá)69.8%。為了克服現(xiàn)有技術(shù)多相機(jī)運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤方法錯(cuò)誤率高的不足，本發(fā)明提供一種多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)方法，在充分利用多視角信息的基礎(chǔ)上，不依賴于標(biāo)定信息，解決目標(biāo)個(gè)數(shù)多于相機(jī)個(gè)數(shù)條件下運(yùn)動(dòng)目標(biāo)檢測(cè)定位問(wèn)題，即在一定的范圍內(nèi)，用增加約束平面?zhèn)€數(shù)代替增加相機(jī)個(gè)數(shù)，實(shí)現(xiàn)虛警的去除，可以降低檢測(cè)錯(cuò)誤率，提高檢測(cè)精度。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案一種多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特點(diǎn)是包括下述步驟(a)任選定view皿m個(gè)相機(jī)中一個(gè)相機(jī)視角作為參考視角，首先計(jì)算參考視角與俯視平面之間的映射矩陣H，選定從地面到頭頂均勻分布的K個(gè)水平面=1，2，...，K)作為投影約束平面，并分別計(jì)算=1，2，...，K)約束下第j個(gè)視角到參考視角的映射參數(shù)Hij，即第i個(gè)水平面i約束下第j個(gè)視角到參考視角的映射矩陣；(b)采用基于混合高斯模型的背景差算法對(duì)viewnum個(gè)相機(jī)視角中每一個(gè)視角輸入圖像IO，.根據(jù)公式進(jìn)行前景提取，得到前景圖Ij，j=1，2，，viewn咖；式(1)中，〈Wi，Model,為混合高斯模型Model=(〈w丄，Model,,i=1，2，，皿ml中第i個(gè)高斯模型，權(quán)重為Wi，9為前景提取閾值；(c)利用步驟(a)計(jì)算的映射參數(shù)Hij，依次在K個(gè)不同水平面投影約束下將各個(gè)視角的前景圖像映射到參考視角
背景技術(shù)：
：
發(fā)明內(nèi)容13/e[1，"訓(xùn)],使得/0乂(x，_y)e<w，楊tfe/,>&w,>6*0e/se4<formula>formulaseeoriginaldocumentpage5</formula>得到映射后的前景圖Iij，并將同一個(gè)水平面下投影后的各個(gè)視角前景圖連乘，獲,K:得K個(gè)不同水平面約束下的綜合前景圖Foregroundm即i，i=(d)將所述K個(gè)綜合前景圖利用H投影到俯視平面<formula>formulaseeoriginaldocumentpage5</formula>OverlookingvieWi(x，y)=ForegroundmaPi(u，v)得到K個(gè)俯視前景圖OverlookingvieWi，i=1，2，(e)分別計(jì)算俯視前景圖中前m個(gè)相乘附Afo/">/^bregro2^/w/m=nover/(9oA7力，,，,.，m=1，2，…，尺式(7)中m二1，2，...，K，相乘的結(jié)果MultipleForegroundmaPm再做加權(quán)求和得到最終的前景圖FinalForegroundmap，加權(quán)系數(shù)滿足am>am—丄；(f)對(duì)最終前景圖FinalForegroundm即進(jìn)行閾值處理和聯(lián)通區(qū)域標(biāo)記完成檢測(cè)。<formula>formulaseeoriginaldocumentpage5</formula>本發(fā)明的有益效果是由于采用了多層平面約束的多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)，用多視角冗余信息解決遮擋問(wèn)題；在不增加相機(jī)數(shù)目的前提下，用多層平面的約束有效的去除多相機(jī)的冗余信息，達(dá)到去除虛警的目的，從而降低檢測(cè)錯(cuò)誤率，在3個(gè)相機(jī)6個(gè)人的場(chǎng)景下，平均錯(cuò)誤率從現(xiàn)有技術(shù)的69.8%降低到21.8%。下面結(jié)合具體實(shí)施方式對(duì)本發(fā)明作詳細(xì)說(shuō)明。具體實(shí)施例方式本發(fā)明具體方法步驟如下(1)初始化及參數(shù)的計(jì)算。假定有view皿m個(gè)相機(jī)，本實(shí)施例選取view皿m二3，選定視角1作為參考視角，首先計(jì)算視角1與俯視平面之間的映射矩陣H，然后選定從地面到頭頂均勻分布的K個(gè)水平面作為投影約束平面，記為、，i=1，2，...，K(本實(shí)施例取K=5)，并分別計(jì)算在=1，2，...，K)約束下第j個(gè)視角到參考視角的映射參數(shù)Hi，.，i代表第i個(gè)平面，j代表第J個(gè)視角，此處采用透視變換模型進(jìn)行的計(jì)算(Hij表示第i個(gè)水平面i約束下第j視角到參考視角的映射矩陣)。[OO32](2)前景提取。采用基于混合高斯模型的背景差算法對(duì)各個(gè)視角進(jìn)行前景提取，得到的前景圖記為Ij，j=1，2，...，view皿m?！磜，Model〉表示一個(gè)權(quán)重為w的單高斯模型，假設(shè)對(duì)圖像中坐標(biāo)為(x，y)的點(diǎn)處混合高斯模型為Model={〈Wi，Model,,i=1，2，...，num}(皿m表示混合高斯模型所包含的單高斯模型的數(shù)目)，那么前景提取公式如下<formula>formulaseeoriginaldocumentpage6</formula>使得/0,(x，力e〈w,.,Afotfe(>&w,.>6>,、式(1)中，IOj為第j個(gè)視角當(dāng)前輸入原始圖像，e為前景提取閾值，可以為固定閾值，本實(shí)施例將e取為自適應(yīng)的，取所有權(quán)重中的次小值。(3)前景圖映射及平面內(nèi)協(xié)同。對(duì)任意的i=1，2，，K，j=2，3，，viewn咖，利用Hu按照水平面i約束將Ij投影到參考視角得到變換后的前景圖Iij。對(duì)于V(x,力處，有水<formula>formulaseeoriginaldocumentpage6</formula>對(duì)于每個(gè)視角j，將按照同一平面約束變換后的前景圖像Iij，j=2，3，view皿m進(jìn)行連乘，從而獲得K個(gè)水平面約束下的綜合前景圖ForegroundmaPi，i2，.，K;<formula>formulaseeoriginaldocumentpage6</formula>(4)(4)參考視角前景圖到俯視場(chǎng)前景圖的映射。利用映射矩陣H將K個(gè)綜合前景圖Foregro皿dm即i投影到俯視平面，得到俯視前景圖OverlookingvieWi，i=1，2，，K。對(duì)于V(x,力處，有:<formula>formulaseeoriginaldocumentpage6</formula>，K，相乘的結(jié)果分別記OverlookingvieWi(x，y)=Foregro皿dmaPi(u，v)(5)不同平面約束條件下俯視場(chǎng)前景圖之間的協(xié)同。分別將K個(gè)俯視前景圖中前m個(gè)相連乘，其中m=1，2，，為MultipleForegroundmaPm。Mw/印/eForeg-cw"d應(yīng)/^=noi;er/ooA:/"gV7'ew,.,w=1,2，.."《(7)對(duì)MultipleForegroundm即m，m=1，2，，K再做加權(quán)求和得到最終的前景概率圖，權(quán)重系數(shù)分別為O<am<l，m=1，2，...，K，加權(quán)求和F/"a/ForegrazWma;=Zx"W""/一eForegroimdm"/^(8)由于約束越多，判定的前景點(diǎn)越可信，所以加權(quán)系數(shù)滿足am〉am—"取一1<其中am為歸一化因子，S卩"—^°am="-e2，(6)閾值處理及檢測(cè)結(jié)果顯示輸出。對(duì)俯視前景概率圖FinalForegroundmap進(jìn)行閾值處理，得到俯視前景圖FinalForegro皿dmap'，thresh為二值化閾值，本實(shí)施例取0.7:F/wa/Foregrowwc/maj(X力="{(9)對(duì)FinalForegroundm即'進(jìn)行聯(lián)通區(qū)域標(biāo)記，面積大于100像素的聯(lián)通區(qū)域作為檢測(cè)到的運(yùn)動(dòng)目標(biāo)，顯示輸出檢測(cè)結(jié)果。本實(shí)施例在對(duì)3000幀的實(shí)際視頻數(shù)據(jù)測(cè)試的基礎(chǔ)上達(dá)到21.8%的平均錯(cuò)誤率，相比于現(xiàn)有技術(shù)69.8%的平均錯(cuò)誤率，檢測(cè)性能有極大的提高。權(quán)利要求一種多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于包括下述步驟(a)任選定viewnum個(gè)相機(jī)中一個(gè)相機(jī)視角作為參考視角，首先計(jì)算參考視角與俯視平面之間的映射矩陣H，選定從地面到頭頂均勻分布的K個(gè)水平面πi(i＝1，2，...，K)作為投影約束平面，并分別計(jì)算在πi(i＝1，2，...，K)約束下第j個(gè)視角到參考視角的映射參數(shù)Hij，即第i個(gè)水平面πi約束下第.j個(gè)視角到參考視角的映射矩陣；(b)采用基于混合高斯模型的背景差算法對(duì)viewnum個(gè)相機(jī)視角中每一個(gè)視角輸入圖像I0j根據(jù)公式進(jìn)行前景提取，得到前景圖Ij，j＝1，2，...，viewnum；式(1)中，<wi，Modeli>為混合高斯模型Model＝{<wi，Modeli>，i＝1，2，...，num}中第i個(gè)高斯模型，權(quán)重為wi，θ為前景提取閾值；(c)利用步驟(a)計(jì)算的映射參數(shù)Hij，依次在K個(gè)不同水平面投影約束下將各個(gè)視角的前景圖像映射到參考視角<mrow><mfencedopen='('close=')'><mtable><mtr><mtd><mi>u</mi></mtd></mtr><mtr><mtd><mi>v</mi></mtd></mtr><mtr><mtd><mn>1</mn></mtd></mtr></mtable></mfenced><mo>=</mo><msub><mi>H</mi><mi>ij</mi></msub><mo>·</mo><mfencedopen='('close=')'><mtable><mtr><mtd><mi>x</mi></mtd></mtr><mtr><mtd><mi>y</mi></mtd></mtr><mtr><mtd><mn>1</mn></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>Iij(x，y)＝Ij(u，v)(3)得到映射后的前景圖Iij，并將同一個(gè)水平面下投影后的各個(gè)視角前景圖連乘，獲得K個(gè)不同水平面約束下的綜合前景圖Foregroundmapi，i＝1，2，...，K；<mrow><msub><mi>Foregroundmap</mi><mi>i</mi></msub><mo>=</mo><msub><mi>I</mi><mn>1</mn></msub><mo>·</mo><munderover><mi>Π</mi><mrow><mi>j</mi><mo>=</mo><mn>2</mn></mrow><mi>viewnum</mi></munderover><msub><mi>I</mi><mi>ij</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>(d)將所述K個(gè)綜合前景圖利用H投影到俯視平面<mrow><mfencedopen='('close=')'><mtable><mtr><mtd><mi>u</mi></mtd></mtr><mtr><mtd><mi>v</mi></mtd></mtr><mtr><mtd><mn>1</mn></mtd></mtr></mtable></mfenced><mo>=</mo><mi>H</mi><mo>·</mo><mfencedopen='('close=')'><mtable><mtr><mtd><mi>x</mi></mtd></mtr><mtr><mtd><mi>y</mi></mtd></mtr><mtr><mtd><mn>1</mn></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>Overlookingviewi(x，y)＝Foregroundmapi(u，v)(6)得到K個(gè)俯視前景圖Overlookigviewi，i＝1，2，...，K；(e)分別計(jì)算俯視前景圖中前m個(gè)相乘<mrow><msub><mi>MultipleForegroundmap</mi><mi>m</mi></msub><mo>=</mo><munderover><mi>Π</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>overlookingview</mi><mi>i</mi></msub><mo>,</mo><mi>m</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>K</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>式(7)中m＝1，2，...，K，相乘的結(jié)果MultipleForegroundmapm再做加權(quán)求和<mrow><mi>FinalForegroundmap</mi><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>α</mi><mi>m</mi></msub><mo>×</mo><msub><mi>MultipleForegroundmap</mi><mi>m</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>得到最終的前景圖FinalForegroundmap，加權(quán)系數(shù)滿足αm＞αm-1；(f)對(duì)最終前景圖FinalForegroundmap進(jìn)行閾值處理和聯(lián)通區(qū)域標(biāo)記<mrow><mi>FinalForegroundmap</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mi>FinalForegroundmap</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>></mo><mi>thresh</mi></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mi>else</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow></mrow>完成檢測(cè)。F2009102191394C00011.tif全文摘要本發(fā)明公開(kāi)了一種多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)方法，用于解決現(xiàn)有技術(shù)多相機(jī)運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤方法錯(cuò)誤率高的技術(shù)問(wèn)題。本發(fā)明采用多層平面約束的多相機(jī)協(xié)同運(yùn)動(dòng)目標(biāo)檢測(cè)，用多視角冗余信息解決遮擋問(wèn)題；在不增加相機(jī)數(shù)目的前提下，用多層平面的約束有效的去除多相機(jī)的冗余信息，達(dá)到去除虛警的目的，從而降低檢測(cè)錯(cuò)誤率，在3個(gè)相機(jī)6個(gè)人的場(chǎng)景下，平均錯(cuò)誤率從現(xiàn)有技術(shù)的69.8％降低到21.8％。文檔編號(hào)G06T7/20GK101739690SQ200910219139公開(kāi)日2010年6月16日申請(qǐng)日期2009年11月26日優(yōu)先權(quán)日2009年11月26日發(fā)明者仝小敏,張秀偉,張艷寧,楊濤,邵大培申請(qǐng)人:西北工業(yè)大學(xué)