多摄像头环境中基于人体中心线的目标检测方法
【专利摘要】本发明提供一种多摄像头环境中基于人体中心线的目标检测方法，通过背景差分技术得到目标人二进制图像；利用最小中位数均方差的方法得到目标人的主轴信息；通过计算各摄像头之间的单应矩阵并通过该单应矩阵得到多个摄像头之间目标的对应位置，实现运动目标在多摄像头内的检测。该方法在运动检测中错误敏感性也非常低，具有很强的鲁棒性。在无遮挡及有遮挡情况下，单个摄像机视野中目标人的中心线能够被很好的检测到。并经过实验证明，该方法具有较强的有效性及鲁棒性。目标人中心线的准确检测，为后续多个视角中目标的确定及目标的跟踪提供了良好的基础。
【专利说明】多摄像头环境中基于人体中心线的目标检测方法
【技术领域】
[0001]本发明涉及一种多摄像头环境中基于人体中心线的目标检测方法。
【背景技术】
[0002]目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割方法，它将目标的分割和识别合二为一，其准确性和实时性是整个目标跟踪系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标的自动提取和识别就显得特别重要。
[0003]在多摄像头跟踪过程中，首先需要检测出各个摄像头画面中有哪些目标，只有知道各视角下的目标信息，才能在后续步骤中将这些目标的信息融合起来进行协同跟踪。
[0004]但是，在实际检测中，由于实际场景中噪声的影响，算法检测出目标人的像素点常常存在误差；光照变化及阴影对检测也会造成影响，如对检测结果造成一定的杂质；同时，在目标检测过程中所提取到的特征点难免会存在一些误差，影响鲁棒性实现更优。尤其是，遮挡的情况经常出现在多目标跟踪的场景中，它也是计算机视觉上的一大难题，是在目标检测中应当考虑的问题。
【发明内容】
[0005]本发明的目的是提供一种多摄像头环境中基于人体中心线的目标检测方法，对无遮挡及有遮挡的情况，目标人的中心线均能够被很好的检测到，解决现有技术中存在的由于实际场景中如噪声、光照变化及阴影等因素对检测结果造成的杂质等影响，并解决了目标遮挡时的检测问题。
[0006]本发明的技术解决方案是:
[0007]一种多摄像头环境中基于人体中心线的目标检测方法，
[0008]通过背景差分技术得到目标人二进制图像；
[0009]利用最小中位数均方差的方法得到目标人的主轴信息；
[0010]通过计算各摄像头之间的单应矩阵并通过该单应矩阵得到多个摄像头之间目标的对应位置，实现运动目标在多摄像头内的检测。
[0011]进一步地，背景差分目标检测具体为:
[0012]对背景建模，即对输入的图像序列进行中值滤波，得到单高斯背景模型，背景图像中每个点的高斯模型参数为(〃,.，〃,其中，Ui和σ力=r，g，b)表示背景模型中对应点的均值及方差；
[0013]背景建模后，前景区域通过输入当前图像与背景图像的差分获得，把当前图像和背景图像差分处理，然后将差分后的图像进行阈值处理即可得到二进制图像Bxy，前景像素表示为1，背景像素表示为0，
[0014]
【权利要求】
1.一种多摄像头环境中基于人体中心线的目标检测方法，其特征在于: 通过背景差分技术得到目标人二进制图像； 利用最小中位数均方差的方法得到目标人的主轴信息； 通过计算各摄像头之间的单应矩阵并通过该单应矩阵得到多个摄像头之间目标的对应位置，实现运动目标在多摄像头内的检测。
2.如权利要求1所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于，背景差分目标检测具体为: 对背景建模，即对输入的图像序列进行中值滤波，得到单高斯背景模型，背景图像中每个点的高斯模型参数为(",.，〃；；，、62，<，&')，其中，1^和σ = r，g，b)表示背景模型中对应点的均值及方差； 背景建模后，前景区域通过输入当前图像与背景图像的差分获得，把当前图像和背景图像差分处理，然后将差分后的图像进行阈值处理即可得到二进制图像Bxy，前景像素表示为1，背景像素表示为O，
[1> I /,.Cr,.1?- Ui(x,y)\> TiCr (x, I.), i e {r,g,b} 其他^(5) 其中，Ii(Xj), (i =r，g，b)为像素(x，y)的当前观测值，Fi为阈值参数。
3.如权利要求2所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于:对二进制图像进行形态学算子处理，使用腐蚀与膨胀等操作对噪声进行进一步地过滤；然后通过二进制的联通分量分析来提取单连通的前景区域。
4.如权利要求1-3任一项所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于，基于最小中位数方差估计的算法由以下规则来区分三种情况下目标人的中心线.当只有一个“跟踪目标”，即前一帧中只有一个目标人时，对应的当前帧中的“检测目标”，且在“检测目标”的垂直直方图中只有一个显著的峰值区域，该“检测目标”即被分类为一个独立的目标人； 当前一帧中存在多于一个“跟踪目标”，并在当前帧中分别对应于多个“检测目标”，该“检测目标”即很大可能性是由几个目标人组成的，首先使用垂直投影直方图来分割该“检测目标”;如果该方法失败，则归类为“遮挡下的多个目标”并用基于颜色模型的方法来检测遮挡情况下目标的中心线； 如果多于一个“跟踪目标”对应于相应的“检测目标”时，则被分类为“被遮挡的情况”。
5.如权利要求4所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于，使用最小中位数平方法来决定单独的目标人的中心线，该中心线L由式(6)决定:
L - arg min median j E(/.J)2 [ 1 (()) 其中，E (Ii, I)为第i前景像素Ii与待确定的中心线I之间的垂直距离。
6.如权利要求4所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于，无遮挡条件下的目标中心线检测具体为:将整个目标区域分成若干子区域，这些子区域分别对应于单个独立的目标人；确定每个子区域中独立的目标人的中心线。
7.如权利要求4所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于:对被遮挡的情况，整个前景区域中的目标人的前景像素中分离出来，然后对分离出来的前景像素，使用最小中位数平方差的方法来检测目标人的中心线。
8.如权利要求7所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于:采用基于颜色模型的方法分割遮挡情况下的目标人； 颜色模型通过混合当前图像像素与所有前景像素的外观模型来实现更新，所有的掩膜概率的值也通过以下的公式来更新(X = η =0.95):
9.如权利要求8所述的多摄像头环境中基于人体中心线的目标检测方法，其特征在于:给定运动目标的颜色模型后，目标的背景像素的颜色分布近似成球状高斯模型:
满足公式(13)的前景像素λ f第k个运动物体:
k = arg max f (g [K ；V] /:(13)
【文档编号】G06T7/20GK104200483SQ201410268650
【公开日】2014年12月10日 申请日期:2014年6月16日 优先权日:2014年6月16日
【发明者】梁志伟, 徐小根, 刘洋 申请人:南京邮电大学