一种采用多台摄像机进行运动目标跟踪的方法
【技术领域】
[0001] 本发明属于目标跟踪技术领域，具体涉及一种采用多台摄像机进行运动目标跟踪 的方法。
【背景技术】
[0002] 常用的运动目标跟踪的方法有mean-shift算法、卡尔曼滤波器和粒子滤波器等， 其中粒子滤波器常用来跟踪各种复杂性运动目标。一般来讲，对于单个摄像机监控视频中 的独立运动目标的跟踪已经取得了很好的效果，但是当运动目标过多或目标频繁受到遮挡 干扰时，这些常用的目标跟踪方法的跟踪效果都会受到影响。此时，可以考虑采用多台摄像 机进行辅助跟踪。
【发明内容】
[0003] 本发明提出一种采用多台摄像机进行运动目标跟踪的方法，解决了因单个摄像机 监控视角受限，发生运动目标受到遮挡而造成跟踪质量下降的问题。
[0004] 为了解决上述技术问题，本发明提供一种采用多台摄像机进行运动目标跟踪的方 法，包括以下步骤：
[0005]步骤一：使用最少三台摄像机从多角度监控运动目标A，以每台摄像机图像中的 公共平面区域为主平面，在每个摄像机图像的主平面内选择四个或四个以上的点，采用归 一化互相关算法对两两摄像机主平面内的每个点对进行精确匹配获得匹配点对，根据匹配 点对计算每台摄像机图像中主平面之间的单应性关系；
[0006]步骤二：采用混合高斯目标提取技术分别获取运动目标A在每台摄像机视频中的 目标Ai的目标序列
i表示摄像机台号，N为摄像机数量，k为 当前帧序号，K为视频序列总帧数，同时获得目标化在各自摄像机图像中的最高点位置及目 标A的宽度I;采用粒子滤波器分别对每台摄像机中的运动目标化进行跟踪处理，获得目 标Ai的跟踪位置Xi(Xi,y)，Xi和yi是目标Ai在摄像机图像中的坐标；
[0007]步骤三：计算目标A在每台摄像机视频中Ai的遮挡权重力，选择遮挡权重&最大 的目标Am所在的第m台摄像机图像的主平面作为映射主平面，将除第m台摄像机以外的摄 像机图像单应映射到该映射主平面，根据其余摄像机图像中目标的位置信息对遮挡权 重K最大的目标Am进行位置定位。
[0008] 发明原理：
[0009] 多台摄像机采用不同的角度跟踪同一块区域，就可以通过角度差异区别运动目标 与遮挡物体，发生遮挡的摄像机视频的跟踪信息可以通过其余摄像机与发生遮挡的摄像机 之间的映射关系进行辅助跟踪。摄像机之间可以通过单应映射进行关联。单应映射是平面 图像之间的映射关系，因此，摄像机图像平面之间不存在单应性关系，而对于每个摄像机图 像平面，其中的地面部分近似为一个平面，因此每台摄像机图像平面的地面部分之间存在 单应性关系，其相互间的单应矩阵采用各个摄像机公共地面区域的匹配点对进行计算。
[0010] 本发明与现有技术相比，其显著优点在于，本发明采用了多台摄像机多视角监控 运动目标，利用摄像机图像中主平面的单应性关系，不发生遮挡的摄像机的目标跟踪结果 对发生遮挡的摄像机的目标进行辅助跟踪，克服了单视角无法区分遮挡目标的弊端，解决 了运动目标受遮挡而造成跟踪效果差的问题，提高了跟踪质量。
【附图说明】
[0011] 图1本发明方法流程图。
[0012] 图2是本发明实验步骤一中采用NCC算法进行精度匹配的效果图。其中，图2(a) 是摄像机Q与摄像机C2中主平面上的精度点匹配效果图，图2 (b)是摄像机Q与摄像机C3 中主平面上的精度点匹配效果图。
[0013] 图3是本发明实验步骤三中所述的映射过程，其中图3(a)是摄像机心的图像，图 3(b)是摄像机(：3的图像，图3(c)是摄像机(：2的图像，图3(d)是以摄像机Q的图像主平面 为映射主平面，将摄像机Q与摄像机(：3的图像单应投影到映射主平面上的效果图，目标A 的中轴线在映射主平面相较于点0。
[0014] 图4是最终的跟踪效果图，其中图4(a)是仅使用摄像机Q监控运动目标，采用粒 子滤波器获得的跟踪目标效果图，图4 (b)是采用本发明，采用摄像机Q与摄像机C3对摄像 机Q中的目标进行辅助跟踪的效果图。
【具体实施方式】
[0015] 如图1所示，本发明一种采用多台摄像机进行运动目标跟踪的方法，包括以下步 骤：
[0016] 步骤一：使用最少三台摄像机从多角度监控运动目标A，以每台摄像机图像中的 公共平面区域为主平面，公共平面区域可以是每台摄像机图像中相同的地面、平面背景等 区域，在每个摄像机图像的主平面内选择四个或四个以上的点，采用归一化互相关算法对 两两摄像机主平面内的每个点对进行精确匹配获得匹配点对，根据匹配点对计算每台摄像 机图像中主平面之间的单应性关系。
[0017] 本步骤所述归一化互相关算法（NCC)可以参见文献一(孙卜郊，周东华.基于NCC 的快速匹配算法[J].传感器与微系统.2007. 26 (9).)。
[0018] 步骤二：采用混合高斯目标提取技术分别获取运动目标A在每台摄像机视频中的 目标Ai的目标序列
i表示摄像机台号，N为摄像机数量，k 为当前帧序号，K为视频序列总帧数，同时获得目标化在各自摄像机图像中的最高点位置及 目标A的宽度I;采用粒子滤波器分别对每台摄像机中的运动目标化进行跟踪处理，获得 目标A的跟踪位置\ (Xi，yi)，Xi和yi是目标化在摄像机图像中的坐标；
[0019] 所述混合高斯目标提取技术详见文献二（ChrisStauffer,Grimson,W. E.L.Adaptivebackgroundmixturemodelsforreal-timetracking[C] ?Fort Collins,C0:ComputerVisionandPatternRecognition, 1999 :1063_6919.)。
[0020] 所述粒子滤波器详见文献三(王然冉.基于粒子滤波器的人体目标跟踪[J].计算 机应用与软件?vol. 25,no. 12, 2008.)。
[0021] 步骤三：计算目标A在每台摄像机视频中Ai的遮挡权重Wi，选择遮挡权重Wi最大 的目标Am所在的第m台摄像机图像的主平面作为映射主平面，将除第m台摄像机以外的摄 像机图像单应映射到该映射主平面，根据其余摄像机图像中目标的位置信息对遮挡权 重K最大的目标Am进行位置定位。
[0022] 进一步，所述步骤一中，选择四个或四个以上的点的方法为：先在任意一台摄像机 图像的主平面中选择四个或四个以上的点，然后在其余摄像机图像的主平面中选择与前述 点的世界坐标系位置相同的点。
[0023] 进一步，所述步骤一中，根据匹配点对计算每台摄像机图像中主平面之间的单应 性关系的计算方法如公式（1)所示，
[0024] Xj=HijXj(1)
[0025] 式（1)中，Xi与X」分别是第i台摄像机与第j台摄像机中的一组匹配点对，Hu是 第i台摄像机与第j台摄像机图像中主平面之间的单应性矩阵。
[0026] 步骤三中，所述目标Ai在每台摄像机视频中的遮挡权重Wi的计算方法如下：
[0027]目标化的遮挡权重Wi受到两部分因素影响，一个因素是目标化的相对大小wn，另 一个因素是目标A在第k帧视频图像中的像素总数/T与在前L帧像素总数"之间的变 化率总和wi2，即Wi=wn+wi2，
[0028] 其中，wi:的计算方式如公式（2)所示，
[0029]wn =a(pj-p) (2)
[0030] 式（2)中，p是目标A在当前帧各个摄像机视频图像中的像素总数Pi的均值，a为 影响因子，用来控制Wil的数量级；
[0031]wi2的计算方式如公式（3)所示，
[0033] 式（3)中，1 = 1，2, ? ? ?，L，L彡 2。
[0034] 步骤三中，所述根据其余摄像机图像中目标的位置信息对遮挡权重&最大的 目标Am进行位置定位的计算过程如下：
[0035] 1. 1以第m台摄像机图像的主平面为映射主平面，将其余摄像机图像单应映射到 映射主平面，不同摄像机中的目标Ai在映射主平面上相互重合，且目标化的中轴线将相交 于映射主平面上的一点〇,将点〇经过反向单应映射至其余摄像机图像，得到点〇在其余摄 像机图像中的位置Ou#，该位置即为目标化在各自对应的摄像机图像中的最低点 位置，根据该最低点位置和步骤二获得的目标A的最高点位置确定其余摄像机图像中目标 Ai的高度氏；目标Ajf被确定在高为氏、宽为I的矩形内，i尹m，i= 1，2，...N;
[0036] 1.2计算除目标Am外其余目标化的粒子滤波器跟踪位置在上述矩形内 的位置比例，计算方式如公式（4)所示，
[0038]式（4)中，rix为宽度比，riy为高度比；
[0039] 1. 3计算目标Am的跟踪位置在矩形内的比例，计算方式如公式（5)所示，
[0041] 式（5)中，rmx为宽度比，rmy为高度比，
[0042] 1. 4如公式（6)所示，计算遮挡权重Wi最大的目标Am的跟踪位置Xm(Xm，yj，
[0044] 式（6)中，扎是目标Am的高度，结合步骤二获得的目标Am最高点位置与映射主平 面交点〇的位置确定；W m为在步骤二获得的目标Am的宽度。
[0045] 本发明可以通过以下实验结果进一步说明：
[0046] 以三台摄像机CrQ和C3以三视角监控运动人体目标为例，以地面作为主平面，首 先确定三台摄像机图像中主平面之间的单应性关系