一种行人跨镜头跟踪方法与流程

本发明涉及计算机视觉技术领域，特别涉及一种行人跨镜头跟踪方法。

背景技术：

随着计算机科学技术的飞速发展，应用计算机视觉技术自动对监控场景中的行人目标进行智能分析，逐渐成为研究热点。行人跨境头跟踪跟踪是指在多个摄像机监控区域内持续跟踪某个行人目标，区别于单个摄像机的行人跟踪。本发明可广泛应用于对敏感区域的安防监控，协助管理人员对嫌疑目标进行持续自动跟踪。

传统行人跟踪方法通常应用运动目标检测算法或者行人检测方法分割出行人目标，然后对行人目标进行单摄像机视野的跟踪。这种方式存在匹配误差大、准确度低的缺陷。

技术实现要素：

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种行人跨镜头跟踪方法。

为了实现上述目的，本发明的实施例提供一种行人跨镜头跟踪方法，包括如下步骤：

步骤s1，获取多路摄像机的实时视频图像，输出并显示多路视频图像；

步骤s2，对每路所述视频图像绘制掩码图，并配置视频分析的区域和相邻摄像机的公共区域；

步骤s3，根据配置得到的相邻摄像机的公共区域，进行相邻摄像机的特征点匹配，并计算出相邻摄像机的单应矩阵；

步骤s4，选择视频图像中的行人目标，获取相应图像的roi区域；

步骤s5，采用深度学习图像分类算法对所有roi区域进行分类，获取得分最高的roi区域，作为行人roi区域；

步骤s6，将所述行人roi区域输入跟踪器进行跨境头跟踪。

进一步，在所述步骤s2中，对每路所述视频图像绘制掩码图，包括不分析的监控区域、非相邻摄像机公共区域的监控区域以及相邻摄像机公共区域。

进一步，在所述步骤s3中，所述进行相邻摄像机的特征点匹配，并计算出相邻摄像机的单应矩阵，包括：

(1)分别对相邻摄像机的公共区域roi区域提取特征点；

(2)如果提取的特征点少于预设阈值，则手动选取匹配的特征点，加入到特征点集；

(3)应用快速近邻匹配方法，对相近摄像机的公共区域的特征点进行匹配；

(4)通过特征点匹配集，计算相邻摄像机的单应矩阵。

进一步，在所述步骤s4中，选择视频图像中的行人目标，并记录下当前选择的像素坐标位置，根据实际场景设定基准宽高像素长度，获取行人目标图像的roi区域。

进一步，根据实际场景设定anchorbox算法的基准宽高像素长度。

进一步，在所述步骤s6中，所述将行人roi区域输入跟踪器进行跨境头跟踪，包括如下步骤：

(1)对所述行人roi区域进行尺度不变特征变换sift特征提取，保存特征点集合；

(2)当行人处于某个摄像机的公共区域内时，则通过计算单应矩阵变换，计算在相邻摄像机所对应的像素坐标；

(3)对相邻摄像机图像进行行人目标检测，将检测到的目标框集合与单应变换所得的坐标进行匹配，将此检测框初始化跟踪器用于跟踪行人目标。

根据本发明实施例的行人跨镜头跟踪方法，对视频图像中的行人目标进行多个相邻摄像机的跨境头持续跟踪，结合单应矩阵映射来进行跨境头跟踪匹配，提高了准确度和鲁棒性，降低了误匹配，具有很高的实际应用价值。本发明可用于球机自动追视，协助管理人员对敏感区域的嫌疑人员进行持续监视，有重要的实际应用价值。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的行人跨镜头跟踪方法的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提供一种行人跨境头跟踪方法，可以应用于安防监控、智能视频分析的行人跨境头跟踪系统。

如图1所示，本发明实施例的行人跨镜头跟踪方法，包括如下步骤：

步骤s1，获取多路摄像机的实时视频图像，输出并显示多路视频图像。

在本步骤中，利用摄像机sdk实时获取多路摄像机的实时视频图像，然后输出显示获取的多路图像。

步骤s2，对每路视频图像绘制掩码图，并配置视频分析的区域和相邻摄像机的公共区域。

在本步骤中，根据实际场景对每路视频图像绘制掩码图，包括不分析的监控区域、非相邻摄像机公共区域的监控区域以及相邻摄像机公共区域(即，配置的相邻摄像机的公共区域)。

步骤s3，根据配置得到的相邻摄像机的公共区域，进行相邻摄像机的特征点匹配，并计算出相邻摄像机的单应矩阵。具体包括如下步骤：

(1)分别对相邻摄像机的公共区域roi区域(感兴趣区域)提取特征点；

(2)如果提取的特征点少于预设阈值，则手动选取匹配的特征点，加入到特征点集；

需要说明的是，本步骤中的预设阈值根据实际场景设定，若特征点较少，计算出来的单应矩阵精度不够，则可以适当增加特征点数量。

(3)应用flann快速近邻匹配方法，对相近摄像机的公共区域的特征点进行匹配；

(4)通过特征点匹配集，计算相邻摄像机的单应矩阵。

具体的，单应矩阵计算方法如下：

其中si为尺度因子，(xi，yi)和(x′i，y′i)为相邻摄像机公共区域特征点集合，h为单应矩阵。

步骤s4，选择视频图像中的行人目标，获取相应图像的roi区域。

具体的，鼠标单击任意行人目标，选择视频图像中的行人目标，并记录下当前选择的像素坐标位置，根据实际场景设定基准宽高像素长度，获取行人目标图像的roi区域。

在本发明的一个实施例中，设定实际场景中anchorbox基准宽高像素长度分别为20像素和60像素，尺度因子分别为{1，2，4}，则生成的anchorbox框集合为{(20，60)，(40，120)，(80，240)}。

步骤s5，采用深度学习图像分类算法yolov3对所有roi区域进行分类，获取得分最高的roi区域，作为行人roi区域；

步骤s6，将行人roi区域输入跟踪器进行跨境头跟踪，包括如下步骤：

(1)对行人roi区域进行尺度不变特征变换sift特征提取，保存特征点集合；

(2)当行人处于某个摄像机的公共区域内时，则通过计算单应矩阵变换，计算在相邻摄像机所对应的像素坐标；

(3)对相邻摄像机图像进行行人目标检测，将检测到的目标框集合与单应矩阵变换所得的坐标进行匹配，将此检测框初始化跟踪器用于跟踪行人目标。

具体的，计算行人目标检测框与单应矩阵变换所得的矩形框iou(intersectionoverunion)阈值，若iou大于0.8(此值根据实际场景进行选取)，则匹配成功。将单应矩阵变换所得的矩形框阈值赋予跟踪器，继续跟踪此行人目标。

根据本发明实施例的行人跨镜头跟踪方法，对视频图像中的行人目标进行多个相邻摄像机的跨境头持续跟踪，结合单应矩阵映射来进行跨境头跟踪匹配，提高了准确度和鲁棒性，降低了误匹配，具有很高的实际应用价值。本发明可用于球机自动追视，协助管理人员对敏感区域的嫌疑人员进行持续监视，有重要的实际应用价值。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。