专利名称：基于多模块稀疏投影的密集场景目标跟踪方法
技术领域：
本发明涉及一种计算机视觉领域，特别涉及一种基于多模块稀疏投影的密集场景目标跟踪方法。
背景技术：
随着经济的飞速发展，社会的城市化程度越来越高，城市的人口密度越来越大，在公共场所的人群管理问题日益突出。出于对安全保障的需求，大多数的公共场所都安装了闭路电视监控系统(CCTV)，特别在地铁、机场等客流密集场所，能够实现大范围的实时图像采集。然而，大多数采集到的影像必须依赖人工监视或者仅作为资料记录保存，没有能够达到实时智能监控的效果。目标检测和跟踪是计算机视觉领域的基本方法，也为公共场所的智能监控提出了新的解决方法。虽然近年来目标检测与跟踪算法已有巨大的发展，然而密集场景中的目标跟踪对于传统跟踪算法而已仍然是一项巨大的挑战，其中最关键的原因在于传统算法很难区分场景中的大量混杂人群。由于运动的目标相互重叠的充斥了图像的整个或大部分区域，因此单个目标的背景通常为非静止状态。一方面，基于背景去除的静态背景目标检测和跟踪算法无法适用于此类场景；另一方面，基于运动背景的目标检测和跟踪算法无法处理存在大量互遮挡问题的场景。然而，往往在人群密集场所的异常事故发生率较其他场所更高，行人跟踪是人流密度和数据统计、群体行为分析的基础方法之一，所以关于密集场景的目标跟踪的研究在视频监控领域具有更大的发展需求和应用前景。一个固定摄像头监控系统能够捕获到场景中所有的运动变化，而密集场景中的人群运动会体现为时间与空间域中大量具有不同速度和方向的像素变化。有时，由于人群过于拥挤，或遵循某些运动规则，使得场景中只存在有限种类的运动模式，这一类场景可以被称为有规律的密集场景。比如，排队下楼梯的人群，一群进行马拉松运动的人，或者马路上行驶的车辆等。除此以外，还有另一些密集场景中的运动是无序而杂乱的，在这种情况下， 任意时刻发生在任意位置上的运动均不可预料。比如，在广场上自由行走的人，或者某个展览会场中随意参观的人群。这一类型可以称之为随机密集场景。近年来，大多数与密集场景目标跟踪有关的研究方法都只能解决规律密集场景中的目标跟踪。比如利用运动流检测密集客流运动模型或利用训练得到视频区域中每个模块的HMM状态转换模型实现模块运动路径判断。然而对于随机运动的密集场景，此类方法无法正确检测出任意单个目标的运动轨迹。其余一些关注密集场景中单人跟踪的研究成果经实验表明只能处理密集度较低， 仅存在有限遮挡的场景。稀疏投影法是一种针对目标特征的稀疏编码方式，它是压缩感知理论的一个方面。压缩感知理论突破了传统的奈奎斯特采样定理规定的范畴，采用远低于奈奎斯特标准的方式进行数据采样并仍能精确恢复原始信号。近两年这一方法被广泛应用于如人脸识别、图像恢复、纹理分割等研究领域，其原理为通过将目标特征向量(矩阵)投影至模板子空间实现模板权重系数向量的稀疏表达，这种稀疏表达体现为仅与目标特征最相关的子模板权重系数为非零值。作为一种特征提取和表示方法，稀疏投影法表现出了超然的优势和效果，但其适用于不同场景时还有很多需要斟酌的地方。比如重构矩阵的设计，算法的优化寸。
发明内容
本发明是针对随机运动的密集场景无法正确检测出任意单个目标的运动轨迹的问题，提出了一种基于多模块稀疏投影的密集场景目标跟踪方法，实现公共场所人流密集场景的目标自动跟踪方法。本发明的技术方案为一种基于多模块稀疏投影的密集场景目标跟踪方法，包括如下具体步骤
1)建立基于观测模型的多模块稀疏表示模型 x = + 其中A为重构权值向量，T为模板重构基向量表亍存在的噪声，重构矩阵T实现对目标χ的稀疏投影；
2)以第一帧图像为模板人为选定目标，由此得到其中心点位置和区域大小，并根据这一数据初始化重构矩阵T，重构权重向量初始值为各分量均为1 ；
3)进入下一帧，通过粒子滤波器计算获得多个目标预测中心点位置；
4)针对每一个预测位置对应的目标预测区域进行分块，并计算其多模块观测模型X，
X = (X1,..Xs,...,Ai,),表示目标的第η个特征向量， = 11 ’即共有N个特征向量， 每个模块对应一个特征向量；
5)根据^^计算得到最优目标位置，作为当前帧的目标跟
W
踪结果，其中最优重建权值向量，通过A+zargmmZ/O^A，乃得到，每个模块的重建
权利要求
1.一种基于多模块稀疏投影的密集场景目标跟踪方法，其特征在于，包括如下具体步骤.1)建立基于观测模型的多模块稀疏表示模型，其中A为重构权值向量，T为模板重构基向量，E表示存在的噪声，重构矩阵T实现对目标χ的稀疏投影；.2)以第一帧图像为模板人为选定目标，由此得到其中心点位置和区域大小，并根据这一数据初始化重构矩阵T，重构权重向量初始值为各分量均为1 ；.3)进入下一帧，通过粒子滤波器计算获得多个目标预测中心点位置；.4)针对每一个预测位置对应的目标预测区域进行分块，并计算其多模块观测模型X，1=(X1,X2,...Xx,...,X N } , &表示目标的第η个特征向量，K = U，即共有N个特征向量， 每个模块对应一个特征向量；.5)根据
2.根据权利要求1所述基于多模块稀疏投影的密集场景目标跟踪方法，其特征在于， 所述步骤4)观测模型X采用一种多特征表示方法建立，输入目标信号特征的数学表达从传统使用的向量形式转换为包含多向量的矩阵形式，算法在彩色直方图表示的基础上引入了一种多模块核彩色直方图表示法将目标表示成一个矩形区域，将其分成7个部分模块， 多模块核彩色直方图表示法的计算基于这7个部分子模块实现，第1个直方图基于整个前景物体区域；第2个到第5个直方图基于将目标矩形区四等份的四个子区域的计算；若保持目标矩形区的中心点不变，产生一个大小为原始矩形一半面积的区域，那么此区域为第6子模块，剩余部分为第7子模块；7个子模块分别对应特征矩阵i = ( &,···，％}中的一个特征向量4，因此在这里N=7，若定义、为第η个子模块中的像素点，子模块η的中心点用表示，高斯核f&h)用于计算像素点的权重值，以实现越远离中心点的像素值对最终直方图分布结果影响越小。
全文摘要
本发明涉及一种基于多模块稀疏投影的密集场景目标跟踪方法，用稀疏投影法表征目标特征，针对密集场景中的严重的互遮挡问题，设计了基于多模块核彩色直方图的重构矩阵，并由此设计了相应的目标匹配和更新算法。此目标跟踪方法实现公共场所人流密集场景的目标自动跟踪，同时针对密集场景中的严重的互遮挡问题也给出了解决方法。
文档编号G06K9/62GK102592138SQ20111045142
公开日2012年7月18日 申请日期2011年12月30日 优先权日2011年12月30日
发明者邵洁 申请人:上海电力学院