基于平面單應(yīng)矩陣約束的多攝像機(jī)高密度人群分割方法
【專(zhuān)利摘要】本發(fā)明實(shí)施例公開(kāi)了一種基于平面單應(yīng)矩陣約束的多攝像機(jī)高密度人群分割方法，包括以下按先后順序進(jìn)行的兩個(gè)步驟：S10，借助標(biāo)定工具，在實(shí)際應(yīng)用場(chǎng)景中進(jìn)行多攝像機(jī)的標(biāo)定，完成人體頭部區(qū)域所在空間的分層，以及多攝像機(jī)間針對(duì)每個(gè)分層的單應(yīng)矩陣的獲??；S20，輸入多個(gè)攝像機(jī)針對(duì)同一場(chǎng)景拍攝的人群視頻序列中的對(duì)應(yīng)同一時(shí)刻的多幀灰度圖像，完成基于空間任意平面單應(yīng)矩陣約束的多人體頭部分割，輸出場(chǎng)景人群中每個(gè)人體頭部區(qū)域的分割結(jié)果。本發(fā)明提出的方法進(jìn)行多人體分割時(shí)，分割的歧義性將大幅降低，進(jìn)而使得人體分割算法的性能得到顯著提升。
【專(zhuān)利說(shuō)明】基于平面單應(yīng)矩陣約束的多攝像機(jī)高密度人群分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理與模式識(shí)別【技術(shù)領(lǐng)域】，特別地涉及一種基于平面單應(yīng)矩陣約 束的多攝像機(jī)高密度人群分割方法。

【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)技術(shù)和視頻/圖像處理技術(shù)的不斷發(fā)展，視頻監(jiān)控技術(shù)在日常生活和 工作中的應(yīng)用越來(lái)越廣泛。同時(shí)，智能視頻監(jiān)控系統(tǒng)在多個(gè)軍事、工業(yè)以及民用領(lǐng)域中的重 要性也日益體現(xiàn)出來(lái)。而在大多數(shù)視頻監(jiān)控的應(yīng)用領(lǐng)域中，人都是場(chǎng)景中的活動(dòng)主體，因而 如何從場(chǎng)景中識(shí)別出運(yùn)動(dòng)人體，并實(shí)現(xiàn)對(duì)同一運(yùn)動(dòng)人體的跟蹤，進(jìn)而完成對(duì)運(yùn)動(dòng)人體的運(yùn) 動(dòng)分析和行為理解等就成為大多數(shù)視頻監(jiān)控系統(tǒng)的主要任務(wù)。為完成該任務(wù)，涉及多項(xiàng)關(guān) 鍵技術(shù)，包括攝像機(jī)標(biāo)定、人體運(yùn)動(dòng)建模、模式識(shí)別、人體檢測(cè)、人體跟蹤、行為識(shí)別與描述 等。其中，由于人體分割的結(jié)果將對(duì)后續(xù)的各種高級(jí)處理，如人體跟蹤、姿態(tài)估計(jì)、行為分析 以及行為理解等產(chǎn)生直接影響，因此，人體分割算法在以人為監(jiān)控目標(biāo)的視頻監(jiān)控系統(tǒng)中 的地位非常重要，其完成質(zhì)量直接決定了該視頻監(jiān)控系統(tǒng)的性能。
[0003] 在視覺(jué)人體分割領(lǐng)域，由于待分割的多個(gè)人體隨時(shí)可能出現(xiàn)自遮擋、相互遮擋，以 及被背景物體所遮擋等復(fù)雜情況，因而人群中多個(gè)人體的分割一直是個(gè)難點(diǎn)。近些年來(lái)，針 對(duì)多個(gè)人體目標(biāo)的檢測(cè)與分割問(wèn)題，研宄工作主要集中于單攝像機(jī)分割和多攝像機(jī)分割兩 類(lèi)方法之中。其中，基于單攝像機(jī)的人體分割方法由于應(yīng)對(duì)遮擋能力有限，通常情況下僅適 用于多個(gè)人體分布較為分散，僅存在部分遮擋的應(yīng)用場(chǎng)合，對(duì)于長(zhǎng)時(shí)間處于相互遮擋的高 密度人群中的人體分割問(wèn)題，該類(lèi)方法難以勝任。與單攝像機(jī)系統(tǒng)相比，使用多攝像機(jī)進(jìn)行 人體分割時(shí)，可在擴(kuò)大視野有效范圍的同時(shí)提供多個(gè)不同的視角以利于各類(lèi)遮擋問(wèn)題的解 決，因此基于多攝像機(jī)的人體分割方法通常具有更好的分割效果，然而現(xiàn)有多攝像機(jī)方法 由于多攝像機(jī)間標(biāo)定要求高、模型簡(jiǎn)單以及特征區(qū)分度不明顯等原因，僅在應(yīng)對(duì)中等密度 人群的人體分割問(wèn)題時(shí)具有較好的結(jié)果，而在處理高密度人群的人體分割問(wèn)題時(shí)，由于遮 擋情況加劇，分割效果不佳。


【發(fā)明內(nèi)容】

[0004] 為解決上述問(wèn)題，本發(fā)明的目的在于提供一種基于平面單應(yīng)矩陣約束的多攝像機(jī) 高密度人群分割方法，該方法首先借助標(biāo)定算法獲得多攝像機(jī)之間針對(duì)不同分層平面的單 應(yīng)矩陣，然后利用成像點(diǎn)在多攝像機(jī)之間的單應(yīng)矩陣對(duì)應(yīng)關(guān)系實(shí)現(xiàn)多個(gè)人體頭部區(qū)域的分 害J，從而獲取場(chǎng)景高密度人群中所有單個(gè)人體的分割結(jié)果。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：
[0006] 一種基于平面單應(yīng)矩陣約束的多攝像機(jī)高密度人群分割方法，包括以下按先后順 序進(jìn)行的兩個(gè)步驟：
[0007] S10,借助標(biāo)定工具，在實(shí)際應(yīng)用場(chǎng)景中進(jìn)行多攝像機(jī)的標(biāo)定，完成人體頭部區(qū)域 所在空間的分層，以及多攝像機(jī)間針對(duì)每個(gè)分層的單應(yīng)矩陣的獲?。?br> [0008] S20，輸入多個(gè)攝像機(jī)針對(duì)同一場(chǎng)景拍攝的人群視頻序列中的對(duì)應(yīng)同一時(shí)刻的多 幀灰度圖像，完成基于空間任意平面單應(yīng)矩陣約束的多人體頭部分割，輸出場(chǎng)景人群中每 個(gè)人體頭部區(qū)域的分割結(jié)果。
[0009] 優(yōu)選地，所述SlO進(jìn)一步包括以下步驟：
[0010] S101，通過(guò)試驗(yàn)方式獲得對(duì)分割結(jié)果影響最小的身高分辨率和身高范圍，并在該 分辨率和范圍內(nèi)對(duì)人體頭部區(qū)域所在空間進(jìn)行分層，設(shè)最終頭部區(qū)域共分為1層，對(duì)應(yīng)分 層平面分別為II jU = 1，2,3, . . .，1);
[0011] S102,選定某視角圖像作為參考圖像I1，對(duì)應(yīng)攝像機(jī)為參考攝像機(jī)，借助標(biāo)定工 具，通過(guò)標(biāo)定算法獲取第i個(gè)攝像機(jī)獲取的圖像I i與參考圖像I i之間，對(duì)應(yīng)第j個(gè)分層Π 」 的單應(yīng)矩陣#/a，其中i = 2, 3, . . .，η，η為攝像機(jī)個(gè)數(shù)。
[0012] 優(yōu)選地，所述S20進(jìn)一步包括以下步驟：
[0013] S201，設(shè)某一時(shí)刻t輸入的所有視角圖像為IJt)，其中i = 1，2,3，...，11，11為攝 像機(jī)個(gè)數(shù)，對(duì)所有視角圖像進(jìn)行混合高斯背景建模，借助背景減法去除背景像素，獲得所有 可能的前景像素點(diǎn)集合Xi;
[0014] S202,針對(duì)某一個(gè)分層平面Πρ掃描參考圖像I1的所有前景像素點(diǎn)X1，若某前景 點(diǎn)X在其他各視角圖像中的對(duì)應(yīng)點(diǎn)不全為前景點(diǎn)，則X將直接被分割為非頭部區(qū)域 點(diǎn)；反之，將X的灰度值I 1 (X)、以及其所有對(duì)應(yīng)點(diǎn)的灰度值取出，共同構(gòu)成X的IIj 平面對(duì)應(yīng)點(diǎn)灰度值向量
[0015]

【權(quán)利要求】
1. 一種基于平面單應(yīng)矩陣約束的多攝像機(jī)高密度人群分割方法，其特征在于，包括以 下按先后順序進(jìn)行的兩個(gè)步驟： S10,借助標(biāo)定工具，在實(shí)際應(yīng)用場(chǎng)景中進(jìn)行多攝像機(jī)的標(biāo)定，完成人體頭部區(qū)域所在 空間的分層，以及多攝像機(jī)間針對(duì)每個(gè)分層的單應(yīng)矩陣的獲??； S20,輸入多個(gè)攝像機(jī)針對(duì)同一場(chǎng)景拍攝的人群視頻序列中的對(duì)應(yīng)同一時(shí)刻的多幀灰 度圖像，完成基于空間任意平面單應(yīng)矩陣約束的多人體頭部分割，輸出場(chǎng)景人群中每個(gè)人 體頭部區(qū)域的分割結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于平面單應(yīng)矩陣約束的多攝像機(jī)高密度人群分割方法，其 特征在于， 所述SlO進(jìn)一步包括以下步驟： S101，通過(guò)試驗(yàn)方式獲得對(duì)分割結(jié)果影響最小的身高分辨率和身高范圍，并在該分辨 率和范圍內(nèi)對(duì)人體頭部區(qū)域所在空間進(jìn)行分層，設(shè)最終頭部區(qū)域共分為1層，對(duì)應(yīng)分層平 面分別為Π j (j = 1，2,3，...，1); S102,選定某視角圖像作為參考圖像I1，對(duì)應(yīng)攝像機(jī)為參考攝像機(jī)，借助標(biāo)定工具，通 過(guò)標(biāo)定算法獲取第i個(gè)攝像機(jī)獲取的圖像Ii與參考圖像I i之間，對(duì)應(yīng)第j個(gè)分層Π j勺單 應(yīng)矩陣其中i = 2,3, . . .，η，η為攝像機(jī)個(gè)數(shù)。
3. 根據(jù)權(quán)利要求2所述的基于平面單應(yīng)矩陣約束的多攝像機(jī)高密度人群分割方法，其 特征在于，所述S20進(jìn)一步包括以下步驟： S201，設(shè)某一時(shí)刻t輸入的所有視角圖像為IJt)，其中i = 1，2,3，...，η，η為攝像機(jī) 個(gè)數(shù)，對(duì)所有視角圖像進(jìn)行混合高斯背景建模，借助背景減法去除背景像素，獲得所有可能 的前景像素點(diǎn)集合Xi; S202,針對(duì)某一個(gè)分層平面1^_，掃描參考圖像I1的所有前景像素點(diǎn)X1，若某前景點(diǎn)X在 其他各視角圖像中的對(duì)應(yīng)點(diǎn)巧'不全為前景點(diǎn)，則X將直接被分割為非頭部區(qū)域點(diǎn)；反之， 將X的灰度值I1 (X)、以及其所有對(duì)應(yīng)點(diǎn)的灰度值取出，共同構(gòu)成X的Π 」平面對(duì)應(yīng) 點(diǎn)灰度值向量
同時(shí)給定相關(guān)性閾值T。，并借助灰度相關(guān)性算法計(jì)算內(nèi)各灰度值之間的相關(guān)性， 若元_(幻的灰度相關(guān)性高于Τ。，則X被分割為頭部區(qū)域點(diǎn)，否則X被分割為非頭部區(qū)域點(diǎn)； S203,11中的所有前景像素點(diǎn)X i分割完成后，借助聚類(lèi)算法獲得分層平面Π ^內(nèi)的所有 頭部區(qū)域Ψ』； S204,針對(duì)下一分層平面重復(fù)步驟S202和S203,直至所有分層平面處理完畢，獲得場(chǎng) 景中所有人體頭部區(qū)域的分割結(jié)果。
【文檔編號(hào)】G06T7/00GK104517292SQ201410820519
【公開(kāi)日】2015年4月15日 申請(qǐng)日期:2014年12月25日 優(yōu)先權(quán)日:2014年12月25日
【發(fā)明者】于海濱, 張莉, 顧梅園 申請(qǐng)人:杭州電子科技大學(xué)