[发明专利]一种基于多视角贝叶斯网络的多视角行人检测方法

说明书

技术领域

本发明属于计算机视觉技术领域，涉及监控视频行人检测分析方法，具体涉及一种基于多视角贝叶斯网络模型（Multi-view Bayesian Network，MvBN）的行人检测方法，以及实现该方法的装置。

背景技术

随着监控摄像头广泛的应用于人们生活的方方面面，监控视频数据呈现爆炸式的增长。行人检测是其他监控视频分析最重要的步骤之一，该步骤为其他监控视频分析应用，如目标跟踪，、事件监测等提供基础。检测的准确度直接影响到其他监控视频分析应用。多视角行人检测相对于普通的单视角行人检测来说，能够更有效的处理因为遮挡而造成的误检漏检等现象。并且多视角行人检测不仅能够检测出行人在图像中的位置，而且可以定位出行人在监控场景里的真实位置。

基于多视角的行人检测方法核心在于如何有效的融合多个视角的单视检测信息。现有的多视角行人检测方法，多是针对将单视检测信息投影到地面上，然后直接进行简单的融合。这种简单的融合策略在行人比较稀疏和摄像头摆放位置较高时有比较好的效果，但在行人比较密集的时候，由于缺少进一步细致的分析，检测结果较差。

CN101144716A号中国发明专利申请“一种多视角运动目标检测，定位与对应方法”提出了一种利用多视角信息的运动目标检测和定位的方法。该方法首先提取各个视角的前景检测信息，在空间中快速的进行目标的三维重建，然后在垂直方向地面投影，通过检测峰的位置得到目标。该方法仅是将多个视角的前景信息通过投影在地面上进行简单的融合，并没有考虑这种融合方法在行人比较密集时所产生的错误结果。并且，该方法只利用了前景信息，而没有利用单视角的纹理特征。

CN1941850A号中国发明专利申请“多摄像机下基于主轴匹配的行人跟踪方法”提出了一种基于主轴匹配的行人跟踪方法。包括步骤：对序列图像进行运动检测；提取人的主轴特征；进行单摄像机下的跟踪；依据主轴匹配函数建立主轴匹配对；融合多视角信息对跟踪结果进行优化更新。该方法需要在单视前景的联通区域求取主轴，对前景要求比较高，鲁棒性不足。并且，该方法也只是利用前景信息，而没有利用纹理特征。因此在前景特征提取不准确的场景里（比如光照变化强烈等），该方法的处理效果会大打折扣。

外文文献“Multi-camera Pedestrian Detection with a Multi-view Bayesian Network Model”（发表于BMVC 2012，Proceedings of the British Machine Vision Conference，Peixi Peng,Yonghong Tian,YaoweiWang,Tiejun Huang，2012)提出了一种基于MvBN的多视行人检测方法，该文献中只能利用单视前景检测，不能在单视检测中既可采用单视前景检测的检测结果，也可采用行人检测器的检测结果。

发明内容

针对现有技术的局限性，本发明提出了一种基于视角贝叶斯网络模型（MvBN）的行人检测方法及装置，可以对多个摄像头监控的人群比较密集的场景进行检测和定位行人。不仅适用于前景提取效果较好的场景，也适用于前景提取效果不佳但可以通过行人检测器进行检测的场景。

为实现上述目的，本发明采用如下技术方案：

一种基于多视角贝叶斯网络模型（MvBN）的多视角行人检测方法，其步骤如下：

单视处理步骤：对输入的多摄像机监控视频，分别利用前景分析或行人检测得到单个摄像头中的检测结果。

基平面映射步骤：利用摄像机参数，建立基平面与各摄像机图像平面间的映射关系，将单个摄像头的检测结果映射到基平面。

多视角融合步骤：利用多视贝叶斯网络，在基平面上融合多个视角的检测信息；

逆映射以及最终检测结果输出步骤：将基平面上的检测结果映射到各个图像空间中去，并且输出最终结果。

根据本发明进一步的发明目的，单视处理步骤中，分别对每个视角单独的进行检测。本方法中，单视检测输出既可以是前景图的检测结果，也可以是由行人检测器得到的检测结果。

根据本发明进一步的发明目的，基平面映射步骤中，包括如下子步骤：

a)根据摄像机参数建立基平面世界坐标系和各个视角图像坐标系的映射关系。

b)将基平面离散成一系列位置点。

c)计算每个位置点对应图像的矩形框。

根据本发明进一步的发明目的，多视角融合步骤包括如下子步骤

a)将各个视角的单视检测信息融合在基平面上，筛选出可能存在行人的位置。