一种采用多台摄像机进行运动目标跟踪的方法技术

本发明专利技术提出了一种采用多台摄像机进行运动目标跟踪的方法。本发明专利技术在一般的单摄像机目标跟踪方法的基础上，采用多摄像机多个视角同时跟踪同一个区域的运动目标，利用多视角对单一视角发生遮挡的目标加以区分并定位。首先确定各个摄像机图像中公共平面区域作为各个摄像机图像的主平面，并计算主平面之间的单应性矩阵，然后以其中目标遮挡权重最大的摄像机图像的主平面为映射主平面，其余摄像机图像针对该映射主平面进行单应性映射。利用单应性关系，通过其余摄像机图像中的目标跟踪信息获得遮挡权重最大的目标的跟踪信息。本发明专利技术克服了存在遮挡情况下目标跟踪失败的问题，提高了目标跟踪的准确率。

【技术实现步骤摘要】
一种采用多台摄像机进行运动目标跟踪的方法
本专利技术属于目标跟踪
，具体涉及一种采用多台摄像机进行运动目标跟踪的方法。
技术介绍
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。
技术实现思路
本专利技术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。为了解决上述技术问题，本专利技术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：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；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Ai在各自摄像机图像中的最高点位置及目标Ai的宽度Wi；采用粒子滤波器分别对每台摄像机中的运动目标Ai进行跟踪处理，获得目标Ai的跟踪位置Xi(xi,yi)，xi和yi是目标Ai在摄像机图像中的坐标；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Ai≠m的位置信息对遮挡权重wi最大的目标Am进行位置定位。专利技术原理：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。本专利技术与现有技术相比，其显著优点在于，本专利技术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。附图说明图1本专利技术方法流程图。图2是本专利技术实验步骤一中采用NCC算法进行精度匹配的效果图。其中，图2(a)是摄像机C1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C1与摄像机C3中主平面上的精度点匹配效果图。图3是本专利技术实验步骤三中所述的映射过程，其中图3(a)是摄像机C1的图像，图3(b)是摄像机C3的图像，图3(c)是摄像机C2的图像，图3(d)是以摄像机C1的图像主平面为映射主平面，将摄像机C1与摄像机C3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O。图4是最终的跟踪效果图，其中图4(a)是仅使用摄像机C1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)是采用本专利技术，采用摄像机C1与摄像机C3对摄像机C1中的目标进行辅助跟踪的效果图。具体实施方式如图1所示，本专利技术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：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。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).）。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Ai在各自摄像机图像中的最高点位置及目标Ai的宽度Wi；采用粒子滤波器分别对每台摄像机中的运动目标Ai进行跟踪处理，获得目标Ai的跟踪位置Xi(xi,yi)，xi和yi是目标Ai在摄像机图像中的坐标；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].FortCollins,CO:ComputerVisionandPatternRecognition,1999：1063-6919.）。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.）。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Ai≠m的位置信息对遮挡权重wi最大的目标Am进行位置定位。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。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，Xi＝HijXj（1）式（1）中，Xi与Xj分别是第i台摄像机与第j台摄像机中的一组匹配点对，Hij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。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：目标Ai的遮挡权重wi受到两部分因素影响，一个因素是目标Ai的相对大小wi1，另一个因素是目标A在第k帧视频图像中的像素总数与在前L帧像素总数之间的变化率总和wi2，即wi＝wi1+wi2，其中，wi1的计算方式如公式（2）所示，wi1＝α(pi-p)（2）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，α为影响因子，用来控制wi1的数量级；wi2的计算方式如公式（3）所示，式（3）中，l＝1,2,...,L，L≥2。步骤三中，所述根据其余摄像机图像中目标Ai≠m的位置信息对遮挡权重wi最大的目标Am进行位置定位的计算过程如下：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Ai的中轴线将相交于映射主平面上的一点O，将点O经过反向本文档来自技高网...

【技术保护点】
一种采用多台摄像机进行运动目标跟踪的方法，其特征在于，包括以下步骤：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；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Ai在各自摄像机图像中的最高点位置及目标Ai的宽度Wi；采用粒子滤波器分别对每台摄像机中的运动目标Ai进行跟踪处理，获得目标Ai的跟踪位置Xi(xi,yi)，xi和yi是目标Ai在摄像机图像中的坐标；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Ai≠m的位置信息对遮挡权重wi最大的目标Am进行位置定位。

【技术特征摘要】
1.一种采用多台摄像机进行运动目标跟踪的方法，其特征在于，包括以下步骤：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；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Ai在各自摄像机图像中的最高点位置及目标Ai的宽度Wi；采用粒子滤波器分别对每台摄像机中的运动目标Ai进行跟踪处理，获得目标Ai的跟踪位置Xi(xi,yi)，xi和yi是目标Ai在摄像机图像中的坐标；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Ai≠m的位置信息对遮挡权重wi最大的目标Am进行位置定位；其中，所述步骤三中，目标Ai在每台摄像机视频中的遮挡权重wi的计算方法如公式(1)所示，wi＝wi1+wi2(1)式(1)中，wi1是Ai的相对大小，wi1的计算方式如公式(2)所示，wi1＝α(pi-p)(2)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，α为影响因子，用来控制wi1的数量级；式(1)中，wi2是目标A在第k帧视频图像中的像素总数与在前的第1帧视频图像中的像素总数之间的变化率总和，wi2的计算方式如公式(3)所示，式(3)中，l＝1,2,…,L，L≥2。2.如权利要求1所述的采用多台摄像机进行运动目标跟踪的方法，其特...

【专利技术属性】
技术研发人员：顾国华，刘琳，李娇，龚文彪，孔筱芳，徐富元，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32