本發(fā)明屬于安防技術(shù)領(lǐng)域，尤其涉及一種監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算方法及系統(tǒng)。

背景技術(shù)：
攝像機網(wǎng)絡(luò)的拓撲估計是攝像機網(wǎng)絡(luò)部署的一個關(guān)鍵問題，精確的拓撲估計不僅能夠掌握監(jiān)控區(qū)域內(nèi)的人員、人群等目標的運動模式，也能夠通過反饋，進一步優(yōu)化部署?，F(xiàn)有技術(shù)提供了一些方法來進行攝像機網(wǎng)絡(luò)的拓撲估計，包括：一、基于圖像背景剔除的人員檢測和跟蹤結(jié)果，獲取多個攝像機間人群活動的失控關(guān)聯(lián)性，為分析和建立整個場景的目標活動模式提供依據(jù)。二、利用多個攝像機撲捉的人員步伐信息，獲取人員活動的一般模式，并根據(jù)此模式重新調(diào)整攝像機部署，實現(xiàn)以更好的視角和更少的攝像機數(shù)目到達監(jiān)控目標。三、基于Parzen窗和高斯核的混合概率密度估計器，來估計由時間間隔、進出觀測視域的位置和進出視域時的運動速度等量組成的概率密度函數(shù)，整個估計過程通過學(xué)習訓(xùn)練集數(shù)據(jù)的方法實現(xiàn)。四、在時域約束方面采用一種模糊時間間隔來表示已觀測目標在下一攝像機中出現(xiàn)的可能性，這種可能性通過運動方程估計得到。五、利用大量的目標觀測數(shù)據(jù)，通過無監(jiān)督學(xué)習的方法，為一個多攝像機監(jiān)控網(wǎng)絡(luò)自動地建立起攝像機之間的時空域拓撲關(guān)系。在此基礎(chǔ)上，他們還給出了驗證算法性能的方法并實現(xiàn)了目標在該網(wǎng)絡(luò)中的跟蹤。六、利用一個關(guān)于統(tǒng)計信任的更一般的信息論思想，把不確定對應(yīng)性和貝葉斯方法相結(jié)合，減少了假設(shè)條件并體現(xiàn)了較好的性能。七、假設(shè)所有的攝像機都存在潛在的連接關(guān)系，然后通過觀測把不可能的連接去掉，實驗證明他們的方法在學(xué)習大規(guī)模攝像機網(wǎng)絡(luò)拓撲關(guān)系方面，尤其是在學(xué)習樣本較少的情況下，具有較好的效率和效果。八、大量工作利用多攝像機的拓撲關(guān)系，進行全局活動分析和行人再識別。但是，以上拓撲推理算法基本都基于對具體目標活動的定位、追蹤，對監(jiān)控視頻質(zhì)量要求較高，當監(jiān)控環(huán)境中存在遮擋或監(jiān)控圖像分辨率較低時，算法性能將急劇下降。

技術(shù)實現(xiàn)要素：
本發(fā)明實施例的目的在于提供一種監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算方法及系統(tǒng)，以解決現(xiàn)有技術(shù)存在的，現(xiàn)有的拓撲推理算法基本都基于對具體目標活動的定位、追蹤，對監(jiān)控視頻質(zhì)量要求較高，當監(jiān)控環(huán)境中存在遮擋或監(jiān)控圖像分辨率較低時，算法性能將急劇下降的問題。本發(fā)明的實施例是這樣實現(xiàn)的,一種監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算方法,所述方法包括以下步驟:將監(jiān)控網(wǎng)絡(luò)中每臺攝像機拍攝到的視頻流中的監(jiān)控場景分解為網(wǎng)格；針對每個監(jiān)控場景，獲取所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息；針對每個監(jiān)控場景，根據(jù)所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息對所述監(jiān)控場景中的網(wǎng)格進行聚類，得到所述監(jiān)控場景的語義區(qū)域分割結(jié)果；根據(jù)每個監(jiān)控場景的語義區(qū)域分割結(jié)果確定監(jiān)控網(wǎng)絡(luò)中各臺攝像機之間的網(wǎng)絡(luò)拓撲關(guān)系。本發(fā)明的另一實施例的目的在于提供一種監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算系統(tǒng)，所述系統(tǒng)包括：分解單元，用于將監(jiān)控網(wǎng)絡(luò)中每臺攝像機拍攝到的視頻流中的監(jiān)控場景分解為網(wǎng)格；獲取單元，用于針對每個監(jiān)控場景，獲取所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息；聚類單元，用于針對每個監(jiān)控場景，根據(jù)所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息對所述監(jiān)控場景中的網(wǎng)格進行聚類，得到所述監(jiān)控場景的語義區(qū)域分割結(jié)果；確定單元，用于根據(jù)每個監(jiān)控場景的語義區(qū)域分割結(jié)果確定監(jiān)控網(wǎng)絡(luò)中各臺攝像機之間的網(wǎng)絡(luò)拓撲關(guān)系。本發(fā)明實施例通過光流算法計算網(wǎng)格的光流的顏色直方圖特征，進一步計算出攝像機之間的拓撲關(guān)系，并不需要非常清晰獲取運動目標的定位或者進行追蹤，解決了現(xiàn)有技術(shù)存在的，計算攝像機之間的拓撲關(guān)系都基于對具體目標活動的定位、追蹤，對監(jiān)控視頻質(zhì)量要求較高，當監(jiān)控環(huán)境中存在遮擋或監(jiān)控圖像分辨率較低時，算法性能將急劇下降的問題。附圖說明為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明一實施例提供的監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算方法的實現(xiàn)流程圖；圖2是本發(fā)明另一實施例提供的攝像機拓撲關(guān)系估計結(jié)果圖；圖3是本發(fā)明另一實施例提供的樓層及攝像機部署簡圖；圖4是本發(fā)明另一實施例提供的監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算系統(tǒng)的模塊結(jié)構(gòu)圖。具體實施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明一實施例提供了監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算方法,所述方法如圖1所示，具體步驟包括:在步驟S101中，將監(jiān)控網(wǎng)絡(luò)中每臺攝像機拍攝到的視頻流中的監(jiān)控場景分解為網(wǎng)格。在本實施例中，監(jiān)控網(wǎng)絡(luò)中包括至少兩臺攝像機，每臺攝像機都拍攝到視頻流，視頻流里面包括多個幀，每幀都是一幅圖像，在多個幀中，有運動目標經(jīng)過的圖像就是監(jiān)控場景。需要說明的是，網(wǎng)格大小一般為10*10，也可以預(yù)設(shè)，但是所有攝像機拍攝到的視頻流中的監(jiān)控場景分解后的網(wǎng)格大小一致。在步驟S102中，針對每個監(jiān)控場景，獲取所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息。具體地，實現(xiàn)獲取所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息的方法具體為：定義攝像機拍攝到的視頻流為In(X)，其中X為所述視頻流的監(jiān)控場景中的網(wǎng)格的坐標，X=（x;y）T，所述x為所述網(wǎng)格的橫坐標，所述y為所述網(wǎng)格的縱坐標，所述T表示矩陣的轉(zhuǎn)置，所述n為所述視頻流包含的視頻幀的編號；定義其中，W表示可變性模板，p=（p1，p2，p3，p4，p5，p6）T,所述p1、p2、p3、p4為0，所述p5、p6為網(wǎng)格的光流信息；定義其中，Δp表示兩次迭代的p之差，T（x）表示視頻流第一幀分解的網(wǎng)格；需要說明的是，視頻流第一幀分解的網(wǎng)格是指視頻流中第一幀圖像分解后的網(wǎng)格。按照（3）、（4）、（5）進行迭代，直到滿足Δp小于預(yù)設(shè)閾值ε；其中，所述Ix表示網(wǎng)格在x軸方向上的梯度圖，所述Iy表示網(wǎng)格在y軸方向上的梯度圖，所述▽I表示網(wǎng)格在經(jīng)過可變性模板W(X；p)變換后的梯度圖；計算出滿足Δp小于預(yù)設(shè)閾值ε時的p5、p6；從網(wǎng)格的光流信息的RGB三個分量獲取光流得到網(wǎng)格的顏色光流信息；根據(jù)所述網(wǎng)格的顏色光流信息，計算光流在8個方向的直方圖信息，所述光流在8個方向的直方圖信息是網(wǎng)格的光流的顏色直方圖特征，所述網(wǎng)格的光流的顏色直方圖特征包括水平方向上的光流u’b和垂直方向上的光流v’b。需要說明的是，所述8個方向具體為每隔45度一個方向。在步驟S103中，針對每個監(jiān)控場景，根據(jù)所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息對所述監(jiān)控場景中的網(wǎng)格進行聚類，得到所述監(jiān)控場景的語義區(qū)域分割結(jié)果。具體地，實現(xiàn)步驟S103具體為：在步驟S104中，根據(jù)每個監(jiān)控場景的語義區(qū)域分割結(jié)果確定監(jiān)控網(wǎng)絡(luò)中各臺攝像機之間的網(wǎng)絡(luò)拓撲關(guān)系。具體地，以兩臺攝像機為例，所述兩臺攝像機分別為第一攝像機和第二攝像機，所述第一和第二并不代表順序，僅用于區(qū)分攝像機；第一攝像機獲取第一視頻流，第二攝像機獲取第二視頻流，視頻流包括多個幀，每幀都是一幅圖像，第一視頻流包括第一圖像，第二視頻流包括第二圖像；在第一圖像中，有運動目標經(jīng)過的圖像為第一監(jiān)控場景，所述運動目標包括人、動物或者其它實物，在第二圖像中，有運動目標經(jīng)過的圖像為第二監(jiān)控場景。其中，所述ai表示第一網(wǎng)格的光流的顏色直方圖特征，所述第一網(wǎng)格由第一監(jiān)控場景分解，所述第一監(jiān)控場景由第一攝像機拍攝，所述aj表示第二網(wǎng)格的光流的顏色直方圖特征，所述第二網(wǎng)格由第二監(jiān)控場景分解，所述第二監(jiān)控場景由第二攝像機拍攝，所述第一攝像機和第二攝像機為監(jiān)控網(wǎng)絡(luò)中任意兩臺攝像機，所述c表示τ時刻后的第二網(wǎng)格，所述表示第一網(wǎng)格的光流的顏色直方圖特征和第二網(wǎng)格的光流的顏色直方圖特征的關(guān)聯(lián)度，所述表示第一網(wǎng)格和第二網(wǎng)格的時移，所述Ψi,j表示第一攝像機和第二攝像機的拓撲關(guān)系估計結(jié)果。需要說明的是，Ψi,j大于0.5時，表示第一攝像機和第二攝像機是拓撲相關(guān)；在步驟S104中，需計算任意兩臺攝像機之間的拓撲關(guān)系估計結(jié)果。本發(fā)明另一實施例提供了攝像機拓撲關(guān)系估計結(jié)果如圖2所示，攝像機拓撲關(guān)系估計結(jié)果如下：本發(fā)明實施例選取中國科學(xué)院上海高等研究所行政樓一層7臺攝像機，從中選取某日中午十一點到下午一點的視頻流作為樣本來計算攝像機拓撲關(guān)系估計結(jié)果。實驗中7個攝像機部署于同一樓層，其中①號和③號攝像機部署在電梯口，其余攝像機部署在5個通道出入口處。樓層及攝像機部署簡圖如圖3所示。圖2中圓圈內(nèi)數(shù)字表示攝像機編號，與圖3攝像機編號對應(yīng)，實驗結(jié)果中兩臺攝像機間有實線相連表示此兩臺攝像機監(jiān)控目標間存在關(guān)聯(lián)，即同一目標出現(xiàn)在兩臺攝像機視野中，能從概率統(tǒng)計的角度反映目標活動趨勢。攝像機間無實線相連表示此兩臺攝像機無關(guān)聯(lián)或關(guān)聯(lián)性很小。如①⑥⑦號攝像機間存在很強的關(guān)聯(lián)，因⑦號攝像機所在位置為整個行政樓的正門，進入樓層后必定通過①號攝像機處的電梯上樓或通過⑥號攝像機處的通道進入一樓后端食堂。由于所選時間段為午餐時間，二樓以上很多人員需要通過①號攝像機處電梯到達一樓，再從⑥號攝像機處通道進入食堂，午餐后，人員會原路返回。②號攝像機和③號攝像機間不存在關(guān)聯(lián)（或關(guān)聯(lián)性很?。颌厶枖z像機處電梯為貨梯，僅供食堂內(nèi)部使用，兩處攝像機間為食堂后臺廚房，不存在直接的通路。本發(fā)明另一實施例提供了監(jiān)控場景中攝像機網(wǎng)絡(luò)拓撲關(guān)系估算系統(tǒng),所述系統(tǒng)的模塊結(jié)構(gòu)如圖4所示,具體包括:分解單元41，用于將監(jiān)控網(wǎng)絡(luò)中每臺攝像機拍攝到的視頻流中的監(jiān)控場景分解為網(wǎng)格；獲取單元42，用于針對每個監(jiān)控場景，獲取所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息；聚類單元43，用于針對每個監(jiān)控場景，根據(jù)所述監(jiān)控場景中各網(wǎng)格的光流的顏色直方圖信息對所述監(jiān)控場景中的網(wǎng)格進行聚類，得到所述監(jiān)控場景的語義區(qū)域分割結(jié)果；確定單元44，用于根據(jù)每個監(jiān)控場景的語義區(qū)域分割結(jié)果確定監(jiān)控網(wǎng)絡(luò)中各臺攝像機之間的網(wǎng)絡(luò)拓撲關(guān)系?？蛇x的，所述獲取單元42具體用于：定義攝像機拍攝到的視頻流為In(X)，其中X為所述視頻流的監(jiān)控場景中的網(wǎng)格的坐標，X=（x;y）T，所述x為所述網(wǎng)格的橫坐標，所述y為所述網(wǎng)格的縱坐標，所述T表示矩陣的轉(zhuǎn)置，所述n為所述視頻流包含的視頻幀的編號；定義其中，W表示可變性模板，p=（p1，p2，p3，p4，p5，p6）T,所述p1、p2、p3、p4為0，所述p5、p6為網(wǎng)格的光流信息；定義其中，Δp表示兩次迭代的p之差，T（x）表示視頻流第一幀分解的網(wǎng)格；按照（3）、（4）、（5）進行迭代，直到滿足Δp小于預(yù)設(shè)閾值ε；其中，所述Ix表示網(wǎng)格在x軸方向上的梯度圖，所述Iy表示網(wǎng)格在y軸方向上的梯度圖，所述▽I表示網(wǎng)格在經(jīng)過可變性模板W(X；p)變換后的梯度圖；計算出滿足Δp小于預(yù)設(shè)閾值ε時的p5、p6；從網(wǎng)格的光流信息的RGB三個分量獲取光流得到網(wǎng)格的顏色光流信息；根據(jù)所述網(wǎng)格的顏色光流信息，計算光流在8個方向的直方圖信息，所述光流在8個方向的直方圖信息是網(wǎng)格的光流的顏色直方圖特征，所述網(wǎng)格的光流的顏色直方圖特征包括水平方向上的光流u’b和垂直方向上的光流v’b?？蛇x的，所述聚類單元43具體用于：可選的，所述確定單元44具體用于：其中，所述ai表示第一網(wǎng)格的光流的顏色直方圖特征，所述第一網(wǎng)格由第一監(jiān)控場景分解，所述第一監(jiān)控場景由第一攝像機拍攝，所述aj表示第二網(wǎng)格的光流的顏色直方圖特征，所述第二網(wǎng)格由第二監(jiān)控場景分解，所述第二監(jiān)控場景由第二攝像機拍攝，所述第一攝像機和所述第二攝像機為監(jiān)控網(wǎng)絡(luò)中的任意兩臺攝像機，所述c表示τ時刻后的第二網(wǎng)格，所述表示第一網(wǎng)格的光流的顏色直方圖特征和第二網(wǎng)格的光流的顏色直方圖特征的關(guān)聯(lián)度，所述表示第一網(wǎng)格和第二網(wǎng)格的時移，所述Ψi,j表示第一攝像機和第二攝像機的拓撲關(guān)系估計結(jié)果?？蛇x的，所述8個方向具體為每隔45度一個方向。本領(lǐng)域普通技術(shù)人員可以理解為上述實施例所包括的各個模塊只是按照功能邏輯進行劃分的，但并不局限于上述的劃分，只要能夠?qū)崿F(xiàn)相應(yīng)的功能即可；另外，各功能模塊的具體名稱也只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護范圍。本領(lǐng)域普通技術(shù)人員還可以理解，實現(xiàn)上述實施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，所述的程序可以在存儲于可讀取存儲介質(zhì)中，所述的存儲介質(zhì)，包括ROM/RAM等。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。