[发明专利]多摄像头识别人员行为轨迹分析方法

权利要求书

1.一种多摄像头识别人员行为轨迹分析方法，其特征在于，其包括如下步骤：

S1：在监控区域设置有多个摄像头，分配的摄像头个数足以覆盖所监控区域；

S2：多个摄像头从不同角度采集行人的视频图像后，先对每个捕获的每一帧图像先用高斯噪声消除方法，再使用SIFT特征进行提取特征点；

S3：将提取的特征点共享发送至跟中心服务器连接的所有监控系统；

S4：分析找到最佳特征点，通过聚类找到移动跟踪的目标人员，将人员的位置信息生成以坐标形式发送到中心服务器；

S5：中心服务器根据当前坐标生成目标人员移动轨迹。

2.根据权利要求1所述的多摄像头识别人员行为轨迹分析方法，其特征在于，步骤S2中，SIFT特征提取通过SIFT算法实现，步骤为：

S21：检测具有不变尺度特性的图像特征，利用高斯函数对图像进行卷积生成在尺度空间，需要每个采样点与其相邻的点进行比较大小，如果发现某个相邻点的极值比较是最高或最低时，那么该某个相邻点表示为候选点；

S22：为了获得候选点准确的位置，利用候选点附近的数据进行差值，去除对比度低的候选点，去除对低噪声也高度敏感的边缘，剩余的候选点被称为关键点；

S23：通过每个所述关键点周围选择一个合适像素区域且划分为子区域，每个区域生成直方图，获取的关键点的SIFT特征向量归一化后去除干扰性影响；

S24：当两幅图像的SIFT特征向量生成后，通过关键点特征向量的欧式距离作为两幅图像中关键点的相似性判定度量，匹配不同帧图像的两个对应特征，找到最佳特征点。

3.根据权利要求2所述的多摄像头识别人员行为轨迹分析方法，其特征在于，步骤S21中，建立尺度空间后，确定与图像卷积的高斯函数的最大值和点差。

4.根据权利要求2所述的多摄像头识别人员行为轨迹分析方法，其特征在于，步骤S22中，在极值比较的过程中，图像的首末两层通过梯度大小和方向用相邻的关键点像素来计算，这些像素的梯度方向可以用来创建方向直方图，通过直方图的最高峰值来确定关键点。

5.根据权利要求2所述的多摄像头识别人员行为轨迹分析方法，其特征在于，步骤S24中匹配不同帧图像的两个对应特征包括：取其中一个图像的某个关键点，并找出其与另一个图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以其次近的距离少于某个比例阈值，则接受这一对匹配点，降低这个比例阈值，SIFT匹配点数目会减少，但会更加稳定。

6.根据权利要求1所述的多摄像头识别人员行为轨迹分析方法，其特征在于，步骤S4中，每个所述聚类指示一个运动对象，采用k均值聚类迭代算法，该算法接受一个未标记的数据集，然后将数据聚类成不同的组。

7.根据权利要求6所述的多摄像头识别人员行为轨迹分析方法，其特征在于，步骤如下：随机选择 k 个数据点作为初始聚类中心；

步骤1.随机选择 k 个数据点作为初始聚类中心；

步骤2.将每个数据点划分到距离最近的质心，用欧氏距离衡量两个样本数据点的距离；

步骤3.重新计算每个簇的质心作为新的聚类中心，使其总的平方距离达到最小；

步骤4.重复步骤2 和步骤3，直到收敛。