[发明专利]多摄像头识别人员行为轨迹分析方法

说明书

本发明公开了一种多摄像头识别人员行为轨迹分析方法，适用于安装多摄像头的监控区域，分配的摄像头个数足以覆盖所监控区域；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；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；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；中心服务器根据当前坐标生成目标人员移动轨迹。本发明大大提高特征提取的效率和利用率，提高识别监测实时性和协同性，从而形成精确的人员行为轨迹。本发明将深度学习和特征识别应用在监控系统中，具有很高的实用价值。

技术领域

本发明涉及图像处理技术领域，具体一种多摄像头识别人员行为轨迹的方法以及装置。

背景技术

在高水平分析中，如活动分析、机器人技术、视频监控等，以及在许多实时应用中，识别目标跟踪具有重要作用。在目前的趋势中，已经发展了不同的跟踪方法，如数据关联策略方法，以及基于相关滤波的方法。数据关联策略方法高度集中在大多数传统的基于检测跟踪的视觉目标跟踪工作上，使用对象检测器从每帧中提取检测集。面对复杂的挑战，例如物体之间的相互作用，未知数量的目标，频繁的物体遮挡以及复杂的运动，现有的最新算法产生了很好的结果。尽管如此，在基于数据关联策略的方法中，关于计算速度的降低仍然是一个未解决的问题。

基于传统的学习方法：根据大量训练样本训练样构建行人监测分类器；分离背景，提取目标行人特征；获取目标，计算权重进行质量评估等。均存在一些问题，在不受约束的环境中，嘈杂和不确定的测量是目标跟踪解决的主要挑战，比如分类器收样本影响较大，变化的照明条件导致错误的阳性检测和部分遮挡导致的检测丢失。

发明内容

本发明要解决的技术问题是多摄像头识别人员行为轨迹方法，提高特征提取的效率和利用率，提高识别监测实时性和协同性，从而形成精确的人员行为轨迹。

为了解决上述技术问题，本发明提供了一种多摄像头识别人员行为轨迹分析方法，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。

进一步，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。

进一步，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。