基于分布式视觉的行人定位方法和系统技术方案

本发明专利技术公开了一种基于分布式视觉的行人定位方法和系统。其中，该方法包括利用形态学运算，获取包括行人的图像的行人前景子图像。将行人前景子图像的长和宽等比缩放至可行尺度行人前景子图像。归一化可行尺度行人前景子图像的颜色空间。利用滑动窗口遍历归一化可行尺度行人前景子图像，来计算颜色方向梯度直方图。归一化颜色方向梯度直方图。然后，将其送至已训练的行人检测分类器，并在检测到行人的情况下提取滑动窗口的有效区域特征。将有效区域特征恢复至图像坐标系中，并确定单个行人图像位置特征。利用图像坐标系和地图坐标系的转换关系，恢复单个行人地图位置特征。本发明专利技术实施例可以实时地检测多个网络摄像机下行人的图像位置特征。

【技术实现步骤摘要】
基于分布式视觉的行人定位方法和系统
本专利技术实施例涉及行人定位
，尤其是涉及一种基于分布式视觉的行人定位方法和系统。
技术介绍
互联网和云存储技术的发展推动着智能监控领域走进人们的生活。互联网的普及降低了人们使用高带宽网络的成本，云存储技术使得智能监控系统的控制中心逐渐由星型转向网络型，且监控视频经过设置权限即可在任意网络节点覆盖的地方访问共享于云端每个摄像机的视频流。日常生活中白天或长年在外的工作人群难以同时兼顾工作和家庭，而摄像机和网络设备成本的降低使普及网络摄像机成为可能。近年来，网络摄像机已具备夜视、视频聊天和基本动作检测等功能；同时，网络摄像机能够对白天和夜间的动作异常保存至云端方便查看，并通过短信或电话告知用户，从而方便人们的生活并且缓和监控对企业的影响。行人检测在计算机视觉领域的研究历史悠久。根据检测行人的特征主要包括图像整体或局部模板、特征点、梯度直方图和基于区域的卷积神经网络等方法。根据跟踪行人轨迹的方法包括卡尔曼滤波、扩展卡尔曼滤波、粒子滤波和跟踪学习检测等。根据采用的摄像机类型包括单目视觉、立体视觉、RGBD摄像机等。行人定位涉及计算机视觉领域和传感器领域。计算机视觉领域主要研究基于多视几何的行人精确定位，传感器领域主要依赖惯性传感器计算行人的航迹。行人定位的精度主要取决于行人检测的准确度和行人在地图坐标系中的转换精度等。在本专利技术实现中，专利技术人主要发现以下技术问题：方向梯度直方图的特征基于灰度图像，室内背景单调的情况下可以加入颜色信息丰富室内行人的特征来提高检测准确率；图像分辨率比较高时在图像金字塔上搜索行人特征计算速度慢，行人尺寸变化幅度大时存在漏检现象；头部是行人最明显的特征，定位头部会使该方法有很强的鲁棒性，但行人身高的差异会使得室内行人定位的精度降低；基于多视几何的行人定位问题基于多个摄像机的重叠区域和约束关系来优化精度，而分布式视觉所架设的摄像机不存在重叠区域，大范围室内各摄像机间的位置关系难以确定，移动机器人标定后能够把摄像机的坐标系统一到同一地图坐标系中，从而能够实现大范围室内的行人定位。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于分布式视觉的行人定位方法。此外，还提供一种基于分布式视觉的行人定位系统。为了解决上述问题，根据本专利技术的一个方面，提供了一种基于分布式视觉的行人定位方法。该方法包括：获取包括行人的图像；利用形态学运算，获取行人前景子图像；将所述行人前景子图像的长和宽等比缩放至可行尺度行人前景子图像；归一化所述可行尺度行人前景子图像的颜色空间；利用滑动窗口遍历所述归一化可行尺度行人前景子图像，来计算颜色方向梯度直方图；归一化所述颜色方向梯度直方图；将所述归一化后的颜色方向梯度直方图送至已训练的行人检测分类器，并在检测到行人的情况下提取所述滑动窗口的有效区域特征；将所述有效区域特征恢复至图像坐标系中，并确定单个行人图像位置特征；利用所述图像坐标系和地图坐标系的转换关系，恢复单个行人地图位置特征；将所述单个行人地图位置特征映射至所述地图坐标系下的静态地图，实现分布式视觉的行人定位。根据本专利技术的另一个方面，还提供了一种基于分布式视觉的行人定位系统。该系统包括：第一获取单元，用于获取包括行人的图像；第二获取单元，用于利用形态学运算，获取行人前景子图像；缩放单元，用于将所述行人前景子图像的长和宽等比缩放至可行尺度行人前景子图像；第一归一化单元，用于归一化所述可行尺度行人前景子图像的颜色空间；计算单元，用于利用滑动窗口遍历所述归一化可行尺度行人前景子图像，来计算颜色方向梯度直方图；第二归一化单元，用于归一化所述颜色方向梯度直方图；检测单元，用于将所述归一化后的颜色方向梯度直方图送至已训练的行人检测分类器，并在检测到行人的情况下提取所述滑动窗口的有效区域特征；确定单元，用于将所述有效区域特征恢复至图像坐标系中，并确定单个行人图像位置特征；恢复单元，用于利用所述图像坐标系和地图坐标系的转换关系，恢复单个行人地图位置特征；映射单元，用于将所述单个行人地图位置特征映射至所述地图坐标系下的静态地图，实现分布式视觉的行人定位。与现有技术相比，上述技术方案至少具有以下有益效果：本专利技术实施例提供一种基于分布式视觉的行人定位方法和系统，可以实时地检测多个网络摄像机下行人的图像位置特征：同时考虑颜色和纹理特征对行人检测的影响，减小颜色方向梯度直方图计算前的滑动窗口搜索空间，缩放滑动窗口大小至有限范围内的同时，限制了分类器的检测尺度，缓和了分类器多尺度识别目标时对行人的误检测。通过恢复单个行人图像位置特征至地图坐标系中，实现分布式视觉下的行人定位，同时为移动机器人提供行人地图位置特征，有效优化移动机器人仅根据静态地图规划的全局路径，提高了移动机器人执行具体任务的移动效率和安全性。附图说明附图作为本专利技术的一部分，用来提供对本专利技术的进一步的理解，本专利技术的示意性实施例及其说明用于解释本专利技术，但不构成对本专利技术的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：图1为根据一示例性实施例示出的本专利技术实施例应用环境的示意图；图2为根据一示例性实施例示出的基于分布式视觉的行人定位方法的流程示意图；图3为根据一示例性实施例示出的前景灰度图像的示意图；图4为根据一示例性实施例示出的大小为5*5的结构元素轻微开运算的结果示意图和大小为50*50或100*100的结构元素过度闭运算的结果示意图；图5为根据一示例性实施例示出的室内行人检测结果示意图；图6为根据一示例性实施例示出的将单个行人地图位置特征映射至地图坐标系下的静态地图实现分布式视觉的行人定位的结果示意图；图7为根据一示例性实施例示出的室外行人检测结果示意图；图8为根据一示例性实施例示出的基于分布式视觉的行人定位系统的结构示意图。这些附图和文字描述并不旨在以任何方式限制本专利技术的构思范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。具体实施方式下面结合附图以及具体实施例对本专利技术实施例解决的技术问题、所采用的技术方案以及实现的技术效果进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请的一部分实施例，并不是全部实施例。基于本申请中的实施例，本领域普通技术人员在不付出创造性劳动的前提下，所获的所有其它等同或明显变型的实施例均落在本专利技术的保护范围内。本专利技术实施例可以按照权利要求中限定和涵盖的多种不同方式来具体化。需要说明的是，在下面的描述中，为了方便理解，给出了许多具体细节。但是很明显，本专利技术的实现可以没有这些具体细节。需要说明的是，在没有明确限定或不冲突的情况下，本专利技术中的各个实施例及其中的技术特征可以相互组合而形成技术方案。本专利技术实施例的基本思路是：移动机器人用本体传感器在无行人流动的室内环境中构建静态平面地图。图1示意性地示出了本专利技术实施例的应用环境。其中包括服务器和摄像机以及机器人，人工标志设置在机器人的顶部。优选地，摄像机为网络摄像机，且采用分布式方式来布置。图像中检测到的行人所在的矩形框底部对应其在地图坐标系中的地面高度，所以网络摄像机在室内安装的位置和姿态必须保持不变。如本文档来自技高网...

【技术保护点】
一种基于分布式视觉的行人定位方法，其特征在于，所述方法至少包括：获取包括行人的图像；利用形态学运算，获取行人前景子图像；将所述行人前景子图像的长和宽等比缩放至可行尺度行人前景子图像；归一化所述可行尺度行人前景子图像的颜色空间；利用滑动窗口遍历所述归一化可行尺度行人前景子图像，来计算颜色方向梯度直方图；归一化所述颜色方向梯度直方图；将所述归一化后的颜色方向梯度直方图送至已训练的行人检测分类器，并在检测到行人的情况下提取所述滑动窗口的有效区域特征；将所述有效区域特征恢复至图像坐标系中，并确定单个行人图像位置特征；利用所述图像坐标系和地图坐标系的转换关系，恢复单个行人地图位置特征；将所述单个行人地图位置特征映射至所述地图坐标系下的静态地图，实现分布式视觉的行人定位。

【技术特征摘要】
1.一种基于分布式视觉的行人定位方法，其特征在于，所述方法至少包括：获取包括行人的图像；利用形态学运算，获取行人前景子图像；将所述行人前景子图像的长和宽等比缩放至可行尺度行人前景子图像；归一化所述可行尺度行人前景子图像的颜色空间；利用滑动窗口遍历所述归一化可行尺度行人前景子图像，来计算颜色方向梯度直方图，所述颜色方向梯度直方图是指该直方图的输入为180度划分后的相角，同一相角范围内分为3种不同颜色通道的相角；归一化所述颜色方向梯度直方图；将所述归一化后的颜色方向梯度直方图送至已训练的行人检测分类器，并在检测到行人的情况下提取所述滑动窗口的有效区域特征；将所述有效区域特征恢复至图像坐标系中，并确定单个行人图像位置特征；利用所述图像坐标系和地图坐标系的转换关系，恢复单个行人地图位置特征；将所述单个行人地图位置特征映射至所述地图坐标系下的静态地图，实现分布式视觉的行人定位。2.根据权利要求1所述的方法，其特征在于，所述利用形态学运算，获取行人前景子图像，具体包括：计算所述包括行人的图像的灰度图像和背景图像；将所述灰度图像与所述背景图像进行差分，得到前景灰度图像；计算所述前景灰度图像掩码；判断所述前景灰度图像中的每个灰度像素是否大于灰度阈值；若是，则将所述前景灰度图像掩码中相同位置的灰度像素设为255；否则，将所述前景灰度图像掩码中相同位置的所述灰度像素设为0；利用所述形态学运算中的轻微开运算去掉所述前景灰度图像掩码中的噪声点；利用所述形态学运算中的过度闭运算将可能属于行人的像素集合和周围像素合并；矩形拟合所述前景灰度图像掩码中的白色颜色块的外围，并以255的灰度值填满矩形区域，以获得前景灰度图像子掩码；保留所述矩形区域在当前图像中的中心点横坐标、纵坐标、宽度和高度作为有效区域特征；根据所述有效区域特征寻找并裁剪图像中的矩形作为行人前景子图像。3.根据权利要求1所述的方法，其特征在于，所述将所述行人前景子图像的长和宽等比缩放至可行尺度行人前景子图像，具体包括：同时在水平和垂直方向上缩放所述行人前景子图像，直至其高度不小于所述滑动窗口步长乘以单位缩放倍数且宽度不小于所述滑动窗口步长乘以单位缩放倍数后的一半；其中，所述单位缩放倍数是指检查尺度要求过程中每次不满足时缩放的倍数。4.根据权利要求1所述的方法，其特征在于，所述利用滑动窗口遍历所述归一化可行尺度行人前景子图像，来计算颜色方向梯度直方图，具体包括：计算所述归一化可行尺度行人前景子图像中每一像素点的水平和垂直梯度，并计算所述每一像素点在每个颜色通道中的幅值和相角；剪裁所述归一化可行尺度行人前景子图像与所述滑动窗口重叠部分的所述每个颜色通道的所述幅值和所述相角；计算所述剪裁部分的颜色方向梯度直方图。5.根据权利要求1所述的方法，其特征在于，所述利用所述图像坐标系和地图坐标系的转换关系，恢复单个行人地图位置特征，具体包括：恢复所述滑动窗口在所述行人前景子图像中的左下方和右下方坐标；恢复所述滑动窗口在所述包括行人的图像中的左下方和右下方坐标。6.根据权利要求1所述的方法，所述方法应用于具有网络摄像机和移动机器人的系统；其特征在于，在所述利用形态学运算，获取行人前景子图像步骤之前...

【专利技术属性】
技术研发人员：温丰，郭跃，原魁，贺一家，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11