[发明专利]基于运动行为模式的多视角室内行人跟踪方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说，是涉及行人跟踪方法，更具体地说，是涉及基于运动行为模式的多视角室内行人跟踪方法。

背景技术

视觉信息是人体获得外界信息的主要渠道，其中运动信息是其重要组成部分，大量重要的、有意义的视觉信息包含在运动中。基于运动目标分析在实际应用中所具有的重要价值，以及在分析基础上所建立的目标分析系统，其性能的好坏关键取决于对目标运动信息的提取和分析，因此，对于运动目标跟踪技术的研究具有重要意义。

而目标跟踪是通过分析采集的关于目标运动情况的数据，获得目标的位置，进而得到目标的运动轨迹，是运动目标分析过程的关键环节，属于计算机视觉中的低层视觉范畴，是目标行为识别和场景理解的基础。在目标跟踪的大多数场景中行人是跟踪的主要目标，行人跟踪已成为了智能视频分析领域研究的热点，在视频监控、智能人机交互、行为分析等领域有着重要的研究意义和应用价值。

目前，行人跟踪方法主要包括有基于流形学习与稀疏表示、基于近正向俯视监控视频、基于行人检测、基于改进的随机森林、基于HOG-LBP描述等五种跟踪方法，例如：

申请号为CN201410489737.4、名称为《一种基于流形学习与稀疏表示的行人跟踪方法》的中国专利申请公开了下述技术内容：对采集到的视频帧进行灰度转换，缩小到统一尺寸；手动选定跟踪的行人目标，并记录目标各项参数，通过计算PCA映射矩阵和OLPP映射矩阵生成目标模版；随机生成候选粒子，建立系统的观测模型和运动模型，通过流形学习的方式，在粒子滤波框架下求解最大后验概率估计；将各候选样本的运动模型和观测模型代入后验估计表达式，取最大值所对应的样本为目标位置。

申请号为CN201210495491.2、名称为《一种近正向俯视监控视频行人跟踪计数方法和装置》的中国专利申请公开了下述技术内容：获取当前监控场景下的视频图像；将获取图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到单个行人的目标团块；根据检测区内各目标团块的质心坐标，进行跟踪和计数。

申请号为CN201310311020.6、名称为《一种基于行人检测和跟踪的人流监控方法》的中国专利申请公开了下述技术内容：获取并解码摄像头视频流得到RGB格式的单帧图像；根据图像积分通道特征，进行由疏到密多尺度识别，并采用NMS方法组合所有尺度中的识别结果，通过计算每个检测结果区域和背景区域差异，删除差异小的检测结果，得到行人位置以及对应的置信值；通过计算相似度，匹配相邻帧中检测到的行人，从而实现行人跟踪并得到每个人的运动轨迹；

申请号为CN201310353511.7、名称为《一种基于改进的随机森林的多目标跟踪方法及装置》的中国专利申请公开了下述技术内容：随机产生森林训练模块，用于对交叉前的目标进行训练，建立目标分类器；随机森林分类模块，在下一帧用训练好的分类器对交叉后的目标区域进行分类；目标重新定位模块，对分类后的块执行聚类操作，形成目标位置区域。本发明有效的解决了在多目标跟踪过程中出现交叉时出现跟错跟丢的问题。

申请号为CN 201210046834.7、名称为《一种基于HOG-LBP描述的行人跟踪方法》的中国专利申请公开了下述技术内容：建立适应HOG-LBP描述器要求的图像正负样本集，对已建立的样本图像集进行批量特征提取，从而建立特征样本集；通过SVM对特征样本集进行有监督训练，建立含有类惩罚因子的软间隔SVM模型，并得到基于HOG-LBP描述的行人检测器；利用行人检测器检测结果，采用粒子滤波跟踪方法完成行人跟踪。该方法对场景中发生的运动交错、遮挡现象以及运动呈现的非线性特征具有较好的适应性和稳定性。

上述五种方法存在的问题概述如下：

1)在粒子滤波框架下的跟踪方法主要依据大数定理采用蒙特卡罗方法来求解贝叶斯估计中的积分运算，较好的解决了非线性、非高斯分布系统中的目标跟踪问题，但上述方法随机生成候选粒子，只保证粒子采样多样性，并没有选择更好的参考分布，来提高采样效率，增加了计算量，且随机生成的粒子也没有考虑目标特有的运动行为，具有一定的盲目性；基于流形学习与稀疏表示的行人跟踪方法，在跟踪前需要手动选定行人目标和缩小视频帧到统一尺寸，这些都限制了跟踪方法的应用。

2)对前景图像各团块进行分割以及组合的方法易受到光照变化、人体被遮挡等因素的干扰，使得人体区域分割的不完整，容易出现跟踪漂移，且该方法只能对每帧中目标进行计数，并不能实现不同帧间目标行人的关联，无法实现连续跟踪。