专利名称：一种非重叠摄像机视点之间的行人匹配方法
技术领域：
本发明涉及视频监控领域，特别涉及一种非重叠摄像机视点之间的行人匹配方法。
背景技术：
随着人们安全意识的提高，视频监控系统逐渐被应用于越来越多的场合，由于单摄像机视域范围有限，且在对行人跟踪过程中，容易因被遮挡等因素造成跟踪丢失，所以当前在一些大的比较复杂的公共场合，更多的是使用多摄像机以扩大监控的范围及联合跟踪。多摄像机检测到的行人之间的匹配也就是非重叠摄像机视点之间的行人匹配已成为视频监控研究中备受关注的研究方向。在监控过程中，人的运动是我们监控的重点，但是由于人的运动是一种非刚体的运动，其跟踪相比于车辆等的运动跟踪而言更具复杂性，且监控过程中人的形变问题会严重地影响着不同摄像机之间行人的匹配。因此，行人的跟踪成为多摄像机匹配中的一个难点。非重叠摄像机视点之间的行人匹配，即在不同摄像机视角下建立同一行人目标之间的对应关系。根据所选特征的类型，目前的研究方向主要分为两类，基于区域的方法和基于特征点的方法。基于区域的方法是把人看作一个运动区域，利用运动区域的特征来建立不同视角下行人的对应关系，在这类方法中，颜色是最常用的一个区域特征。例如，Bryan Prosser等人于2008年提出基于累积亮度转移函数(Cumulative Brightness Transfer Function, CBTF)模型的摄像机之间的行人匹配方法。这种方法先利用训练目标获得摄像机之间各个通道的亮度转移模型，然后通过模型映射去校正不同摄像机之间的光照差别， 最后利用校正后的颜色直方图进行行人目标的匹配。但是这种直接利用行人表观颜色直方图的方法忽略了行人表观的空间结构信息，容易造成匹配上的误差，容错性较差。基于特征点的方法是从行人目标中抽取出一系列的特征点，从而将行人的匹配转化为特征点的匹配。但这种方法容易受到噪声的影响，当行人目标受到外部遮挡或检测效果不好时，特征点将不易提取，从而影响匹配的效果。因此，提供一种将颜色信息和空间结构信息(彩色纹理信息)相结合的非重叠摄像机视点之间的行人匹配方法具有很大的应用价值。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种非重叠摄像机视点之间的行人匹配方法，该方法在基于颜色直方图模型的行人匹配方法中加入彩色目标的空间结构信息进行行人的匹配，能获得较高的匹配准确率同时能达到实时的要求。本发明的目的通过以下的技术方案实现一种非重叠摄像机视点之间的行人匹配方法，包括下述步骤(1)对于设置的非重叠摄像机C1、夂确定C中待匹配目标Oj,b，及摄像机Ci中检测到的在一段时间内离开Ci进入摄像机C的R个目标，将这些目标分别提取出来后进行保存；对于目标Oj,b，直接进入步骤(3)，对于Ci中的目标进入步骤O)；(2)对摄像机C中检测到的一个目标Oj,b，在寻找Ci中的哪一个目标与其对应时， 需先根据两个摄像机中检测到的对应行人目标进行训练，得到摄像机之间的累积亮度转移函数模型，即CBTF映射函数，然后应用该函数对摄像机Ci中的所有目标进行校正；进入步骤⑶；(3)对目标进行如下运算，首先计算目标中各像素点和其邻域点之间的彩色像素距离，然后将得到的距离图进行二值化，根据二值化后的距离图求出该像素点处的 DLBP (Distance based Local Binary Pattern，基于距离的局部二值模式)值，对 DLBP 进行局部旋转不变性变换得到DLBPhu2值；待目标中所有像素点处的DLBFiu2值计算完毕后， 进入步骤⑷；(4)根据步骤(3)得到的每个像素点的DLBPhu2值和该点处的R、G、B值，计算出每个目标的三个二维直方图，每个直方图代表着DLBFiu2与某种颜色之间的联合分布，直方图的每一列对应着具体颜色成分值上的DLBPhu2分布；然后抽取每个二维直方图的每一列去生成一个一维的子直方图，将每个二维直方图中所抽取的所有一维子直方图进行串联，得到每个二维直方图的一维直方图，最后将三个二维直方图生成的一维直方图进行串联得到该目标的RGB_DLBP直方图描述子；待所有目标的RGB_DLBP直方图描述子均计算完成后，进入步骤(5)；(5)将摄像机Ci中的所有目标分别与目标进行相似度计算，相似度计算是基于两个目标的RGB_DLBP直方图描述子，摄像机Ci中相似度最大的目标即是寻找的目标。所述步骤O)中，摄像机之间的CBTF映射函数，即
权利要求
1.一种非重叠摄像机视点之间的行人匹配方法，其特征在于，包括下述步骤(1)对于设置的非重叠摄像机C1、(Λ确定C中待匹配目标Oj,b，及摄像机Ci中检测到的在一段时间内离开Ci进入摄像机C的R个目标，将这些目标分别提取出来后进行保存； 对于目标Oj,b，直接进入步骤(3)，对于Ci中的目标进入步骤O)；(2)对摄像机C中检测到的一个目标Oj,b，在寻找Ci中的哪一个目标与其对应时，先根据两个摄像机中检测到的对应行人目标进行训练，得到摄像机之间的累积亮度转移函数模型，即CBTF映射函数，然后应用该函数对摄像机Ci中的所有目标进行校正；进入步骤(3)；(3)对目标进行如下运算，首先计算目标中各像素点和其邻域点之间的彩色像素距离， 然后将得到的距离图进行二值化，根据二值化后的距离图求出该像素点处的DLBP值，对 DLBP进行局部旋转不变性变换得到DLBFiu2值；待目标中所有像素点处的DLBFiu2值计算完毕后，进入步骤⑷；(4)根据步骤(3)得到的每个像素点的DLBPhu2值和该点处的R、G、B值，计算出每个目标的三个二维直方图，每个直方图代表着DLBFiu2与某种颜色之间的联合分布，直方图的每一列对应着具体颜色成分值上的DLBFiu2分布；然后抽取每个二维直方图的每一列去生成一个一维的子直方图，将每个二维直方图中所抽取的所有一维子直方图进行串联，得到每个二维直方图的一维直方图，最后将三个二维直方图生成的一维直方图进行串联得到该目标的RGB_DLBP直方图描述子；待所有目标的RGB_DLBP直方图描述子均计算完成后，进入步骤⑶；(5)将摄像机Ci中的所有目标分别与目标Oj,b进行相似度计算，相似度计算是基于两个目标的RGB_DLBP直方图描述子，摄像机Ci中相似度最大的目标即是寻找的目标。
2.根据权利要求1所述的非重叠摄像机视点之间的行人匹配方法，其特征在于，所述步骤O)中，摄像机之间的CBTF映射函数，即
3.根据权利要求1所述的非重叠摄像机视点之间的行人匹配方法，其特征在于，所述步骤O)中，对于目标中的每个像素点均做如下处理(3-1)计算目标中各像素点和其邻域点之间的彩色像素距离的具体方法是设C(p。) 为当前像素点，C(pn) (n = 0，. . .，Ρ-1)为其一个邻域点，P为考虑的邻域内的像素个数， C(pc) = [Rc Gc BJ和C(pn) = [Rn Gn Bn]分别表示像素P。和Pn的颜色向量，二者的彩色像素距离为
4.根据权利要求1所述的非重叠摄像机视点之间的行人匹配方法，其特征在于，所述步骤中，得到的=Ξ个二维直方图是:R_DLBP(l，k)=# {ρ I DLBPriu2 (ρ)=1，R(P)= k}，G_DLBP(l，k)=# {ρ I DLBPriu2 (ρ)=l，G(p)= k}，B_DLBP(l，k)=# {ρ I DLBPriu2 (ρ)=l，B(p)= k}，其中，#{ · }表示满足条件“ ·，，的像素数目，1 = 0，1，K，P+l，k = 0，1，. . .，K-1，P是考虑的邻域内的像素个数，K是量化彩色间隔的数目。
5.根据权利要求1所述的非重叠摄像机视点之间的行人匹配方法，其特征在于，所述步骤(5)中，相似度计算具体为
全文摘要
本发明公开了一种非重叠摄像机视点之间的行人匹配方法，对于设置的非重叠摄像机Ci、Cj，确定Cj中待匹配目标Oj，b，及检测在一段时间内离开摄像机Ci进入摄像机Cj的R个目标，对摄像机Ci中的行人目标进行光照校正，计算这些目标中每个像素的DLBPriu2值，然后计算每个目标的三个二维直方图R_DLBP，G_DLBP，和B_DLBP，将每个二维直方图按颜色成分的DLBP分布生成一个一维的直方图，三个一维的直方图串联起来就得到RGB_DLBP描述子；最后基于RGB_DLBP描述子的相似度来实现不同摄像机之间的行人匹配。本发明将彩色目标的颜色信息和空间结构信息相结合，能够更有效地表示彩色目标，且构造简单，计算方便，能够满足实际应用中非重叠摄像机视点之间行人匹配的要求。
文档编号H04N7/18GK102236785SQ20111017806
公开日2011年11月9日 申请日期2011年6月29日 优先权日2011年6月29日
发明者赖剑煌, 连国云, 郑伟诗 申请人:中山大学