[发明专利]多摄像机视频跨区域人体运动姿态目标识别方法

说明书

本发明公开了一种多摄像机视频跨区域人体运动姿态目标识别方法，针对多摄像机视频跨区域人体运动姿态目标识别问题，提出基于压缩感知的联合稀疏优化算法：首先，给出了联合稀疏优化模型，通过计算压缩粒子观测值矩阵的稀疏表示系数来获得观测值矩阵：其次，提出基于压缩感知的图像重构，采用自适应阈值交替迭代参数重构算法，在迭代过程中自适应选取阈值迭代图像重构,从观测值矩阵中重构出原图像。但是，在复杂监控场景时运动目标被严重遮挡时，很难实现准确运动目标跟踪：因此，提出基于优化解的背景减除法，并利用二值化图像识别人体运动姿态目标。

技术领域

本发明涉及一种运动姿态目标识别方法，特别是一种多摄像机视频跨区域人体运动姿态目标识别方法。

背景技术

多摄像机视频跨区域识别人体运动姿态目标已成为研究热点和前沿课题。在实际视频监控过程中，运动目标的姿态会随时变化，由于目标运动过程中会受到噪声干扰、光照变化，特别是当视频监控场景中运动目标被长时间遮挡，使得人体运动姿态目标准确跟踪识别难上加难。所以，对该课题的深入研究，具有重要的理论意义。另外，该课题在很多方面有着广泛的应用前景，在交通运输方面，利用多个摄像机的协同工作对肇事或违规目标进行大范围的连续跟踪，使肇事或违规目标无法藏匿；在公共区域监控中，通过摄像机的监控可对可疑目标进行大范围的有效跟踪；在银行、超级市场和停车场等，通过摄像机的监控可以对可疑目标，如小偷、恐怖分子等进行有效跟踪，以保证公民的安全监控；在智能家居方面，对老人或孩子进行实时跟踪，以连续获得目标的行为，并对出现的突发情况进行急救报警；在学术领域，许多科研院所及研究机构致力于研究鲁棒性的检测、准确跟踪与各种算法。

在阳光变化、遮挡、复杂的背景、运动目标被长时间遮挡等情况下，至今还没有目标跟踪算法可以实现在任意场景下进行稳定且准确的运动目标跟踪。在实际视频监控系统中，对于人体运动姿态目标检测、跟踪识别异常困难。为了解决这一问题，我们提出基于压缩感知的联合稀疏优化算法。

本文针对高凊视频跨区域人体运动姿态目标识别问题，提出基于压缩感知的联合稀疏优化算法。所提出算法的联合稀疏模型是通过计算压缩粒子观测值矩阵的稀疏表示系数来获得观测值矩阵。其次，提出基于压缩感知的图像重构，采用自适应阈值交替迭代参数重构算法，在迭代过程中自适应选取阈值迭代图像重构,从观测值矩阵中重构出原图像。但是，在复杂环境中，由于运动目标被长时间遮挡，很难实现准确识别人体运动目标。因此，提出基于优化解的背景减除法，得到并利用二值化图像识别人体运动姿态。通过实验证明该算法的有效性。

发明内容

为了克服现有技术的不足，本发明提供一种多摄像机视频跨区域人体运动姿态目标识别方法。

本发明解决其技术问题所采用的技术方案是：

多摄像机视频跨区域人体运动姿态目标识别方法，其特征在于：包括以下步骤，

一，从智能监控系统中采集多摄像机视频跨区域人体运动目标的高清多帧视频图像，

二、压缩感知的联合稀疏及求解联合稀疏优化模型和交替更新：

通过计算压缩粒子观测值矩阵的稀疏表示系数来获得观测值矩阵，实现数据压缩的效果；采用自适应阈值的交替迭参数代重构算法，利用交替更新策略实现了参数交替更新

联合稀疏优化模型：

其中，为拉格朗日乘子矩阵，δ_ij∈R^m×n(i＝1,2.j＝1,2)，β＞0定义为罚值参数，式(3)中,A(·),C(·):R^m×n都是个线性算子,其具体定义式如下：