一种非特征匹配的运动轨迹优化方法及系统技术方案

本发明专利技术公开了一种非特征匹配的运动轨迹优化方法及系统，所述方法包括如下步骤：步骤S1，根据相机视场角和工作距离，计算横向视场宽度，根据人类移动距离占屏比、人类经典步行速度和移动轨迹的匹配帧率，计算轨迹窗口N，对运动轨迹序列集合，以N帧为计算宽度计算运动轨迹序列各个点的移动速度和移动方向，并进一步计算序列的移动方向变化率；步骤S2，根据运动轨迹序列的移动速度和移动方向变化率，确定轨迹中的异常拐点，根据异常拐点将运动轨迹序列切断为多段运动轨迹序列,并从新组合成新的运动轨迹序列集合；步骤S3，根据新的运动轨迹序列集合对运动轨迹进行断连判断、重合判断以及分离判断，得到修复后的运动轨迹序列集合。

【技术实现步骤摘要】
一种非特征匹配的运动轨迹优化方法及系统
本专利技术涉及视频图像处理中的人流统计
，特别是涉及一种用于人流统计的非特征匹配的运动轨迹优化方法及系统。
技术介绍
目前视频图像处理中，目标跟踪方法主要有：基于目标静态特征的匹配方法以及基于目标距离和几何特征的匹配方法。由于基于目标静态特征匹配的方法需要计算所有目标在整个视频序列里面的特征信息，并需要和所有特征数据进行循环匹配，所以具有匹配性强，不因局部时间因目标丢失而导致追踪失败，在多目标跟踪的情况下可有效区分各个目标的特点，同时，这样全局强匹配的方法也导致了计算量巨大的问题；而基于距离和几何特征的匹配方法具有匹配速度快，但在多目标跟踪的情况下，由于缺乏不同目标的特征信息，导致匹配准确率低的问题。目前在人流统计领域，一般采用计算终端前置化，导致计算终端的计算能力较弱，所以只能采用距离和几何特征的匹配方法进行跟踪和计数，所有准确率不高。
技术实现思路
为克服上述现有技术存在的不足，本专利技术之目的在于提供一种非特征匹配的运动轨迹优化方法及系统，以在得到采用距离和几何特征匹配的运动轨迹后，引入人类的行为匹配模型对运动轨迹进行优化，提高追踪轨迹的准确率。为达上述及其它目的，本专利技术提出一种非特征匹配的运动轨迹优化方法，包括如下步骤：步骤S1，根据相机视场角FOV和工作距离WD，计算横向视场宽度FW，根据人类移动距离占屏比SL、人类经典步行速度VR和移动轨迹的匹配帧率FPS，计算轨迹窗口N，对运动轨迹序列集合TR，以N帧为计算宽度计算运动轨迹序列各个点的移动速度和移动方向，并进一步计算序列的移动方向变化率ΔDp；步骤S2，根据运动轨迹序列的移动速度和移动方向变化率，确定轨迹中的异常拐点，根据异常拐点将运动轨迹序列切断为多段运动轨迹序列,并从新组合成新的运动轨迹序列集合TB；步骤S3，根据新的运动轨迹序列集合TB对运动轨迹进行断连判断、重合判断以及分离判断，得到修复后的运动轨迹序列集合。优选地，于步骤S1中，所述横向视场宽度FW和轨迹窗口N计算方法如下：FW＝2×WD×tan(FOV)其中FOV为相机视场角，WD为工作距离，SL为窗口占屏比，VR为人类经典步行速度，FPS为移动轨迹的匹配帧率。优选地，于步骤S1中，对于某条运动轨迹序列Tr∈TR，Tr＝{{xi,yi,ti},∈(0～M)}，其中xi和yi为运动轨迹点的坐标，ti为该运动轨迹点的时间，M为序列长度，移动速度vi和移动方向di和移动方向变化率Δdi的计算方法如下：Δdi＝|da-db|其中下标a和b分别为：优选地，步骤S2中，所述异常拐点的判断条件为：Δdi>DLvi>VL如符合以上条件，则将运动轨迹序列以拐点为分界点，分别单列为新的运动轨迹序列，所有新的运动轨迹序列组合成一个新的运动轨迹序列集合TB，上述DL为最大变化角，VL为非静止速度。优选地，所述轨迹断连判断的方法如下：对比轨迹Tb1的结束点Pb1和轨迹Tb2的起始点Pb2，若时间tb2大于tb1且有tb2和tb1的差小于tL则认为两段轨迹有时间上的连续性，其中tL为目标丢失的最大容忍时间；若移动方向db1和db2的差值小于DL，认为两段轨迹具有方向一致性，其中DL为目标的最大容忍拐弯限制，即最大变化角，为可设参数，通常为计算轨迹Tb1的结束点Pb1和轨迹Tb2的起始点Pb2的距离，如果Pb1和Pb2的距离小于Pb1按照vb2在tL时间移动的距离，则认为两段曲线具有空间的连续性，若同时满足以上三个条件，则认为该两条轨迹为同一条轨迹。优选地，所述重合判断的方法如下：第一步，对于某段轨迹Tb1，根据其结束点Pb1的移动趋势，即vb1和db1,计算其在tL后的位置，即Pb′1，tL为目标丢失的最大容忍时间；第二步，对比另外一段轨迹Tb2中的所有点，若轨迹Tb1的延长部分与Tb2相交，则认为Tb1和Tb2具有空间上的连续性；若比Tb2的交点时间tb2和tb1的时间差小于tL，则认为Tb1和Tb2具有时间上的连续性；若比Tb2的交点方向db2和db1的角度差小于DL，则认为Tb1和Tb2具有方向上的一致性；第三步，若满足第二步中所有条件，测认为Tb2中交点后的部分也属于Tb1，合并后得到新的Tb′1。优选地，所述分离判断的方法为：第一，对于某段轨迹Tb1,根据其开始点Pb1的移动趋势，即vb1和db1，反向计算其在tL前的位置，即Pb′1，tL为目标丢失的最大容忍时间；第二步，对比另外一段轨迹Tb2中的所有点，若轨迹Tb1的反向延长部分与Tb2相交，则认为Tb1和Tb2具有空间上的连续性；若比Tb2的交点时间tb2和tb1的时间差小于tL，则认为Tb1和Tb2具有时间上的连续性；若比Tb2的交点方向db2和db1的角度差小于DL，则认为Tb1和Tb2具有方向上的一致性；第三步，若满足第二步中所有条件，则认为Tb2中交点前的部分也属于Tb1，合并后得到新的T′b1。为达到上述目的，本专利技术还提供一种非特征匹配的运动轨迹优化系统，包括：窗口计算单元，用于根据相机视场角FOV和工作距离WD，计算横向视场宽度FW，根据人类移动距离占屏比SL、人类经典步行速度VR和移动轨迹的匹配帧率FPS，计算轨迹窗口N，对运动轨迹序列集合TR，以N帧为计算宽度计算运动轨迹序列各个点的移动速度和移动方向，并进一步计算序列的移动方向变化率ΔDp；拐点识别处理单元，用于根据运动轨迹序列的移动速度和移动方向变化率，确定轨迹中的异常拐点，根据异常拐点将运动轨迹序列切断为多段运动轨迹序列,并从新组合成新的运动轨迹序列集合TB；轨迹修复单元，用于根据新的运动轨迹序列集合TB对运动轨迹进行断连判断、重合判断以及分离判断，得到修复后的运动轨迹序列集合。优选地，所述横向视场宽度FW和轨迹窗口N计算方法如下：FW＝2×WD×tan(FOV)其中FOV为相机视场角，WD为工作距离，SL为窗口占屏比，VR为人类经典步行速度，FPS为移动轨迹的匹配帧率优选地，对于某条运动轨迹序列Tr∈TR，Tr＝{{xi,yi,ti},i∈(0～M)}，其中xi和yi为运动轨迹点的坐标，ti为该运动轨迹点的时间，M为序列长度，移动速度vi和移动方向di和移动方向变化率Δdi的计算方法如下：Δdi＝|da-db|其中下标a和b分别为：与现有技术相比，本专利技术一种非特征匹配的运动轨迹优化方法及系统根据相机视场角和工作距离确定视场宽度，并通过人流常规速度和匹配帧率得到轨迹计算窗口宽度，进而计算轨迹的速度、方向以及方向变化率，以判断轨迹是否具有不合理的拐点，然后通过断线判断，重合判断和分离判断三个模块对轨迹集合进行修复，得到符合人流移动规律的轨迹集合，本专利技术在非特征匹配的结果后进行修复，无需进行大量的计算即可修复部分符合人流移动规律的结果，对运动轨迹进行了优化。附图说明图1为本专利技术一种非特征匹配的运动轨迹优化方法的步骤流程图；图2为本专利技术一种非特征匹配的运动轨迹优化系统的系统架构图；图3为本专利技术具体实施例之非特征匹配的运动轨迹优化系统的系统结构图；图4为本专利技术具体实施例中断连判断模块的轨迹断连修复示意图。图5为本专利技术具体实施例中重合判断模块的重合轨迹修复示意图。图6为本专利技术具体实施例中分离判断模块的分离轨迹修复示意图。本文档来自技高网...

【技术保护点】
1.一种非特征匹配的运动轨迹优化方法，包括如下步骤：步骤S1，根据相机视场角FOV和工作距离WD，计算横向视场宽度FW，根据人类移动距离占屏比SL、人类经典步行速度VR和移动轨迹的匹配帧率FPS，计算轨迹窗口N，对运动轨迹序列集合TR，以N帧为计算宽度计算运动轨迹序列各个点的移动速度和移动方向，并进一步计算序列的移动方向变化率ΔDp；步骤S2，根据运动轨迹序列的移动速度和移动方向变化率，确定轨迹中的异常拐点，根据异常拐点将运动轨迹序列切断为多段运动轨迹序列，并从新组合成新的运动轨迹序列集合TB；步骤S3，根据新的运动轨迹序列集合TB对运动轨迹进行断连判断、重合判断以及分离判断，得到修复后的运动轨迹序列集合。

【技术特征摘要】
1.一种非特征匹配的运动轨迹优化方法，包括如下步骤：步骤S1，根据相机视场角FOV和工作距离WD，计算横向视场宽度FW，根据人类移动距离占屏比SL、人类经典步行速度VR和移动轨迹的匹配帧率FPS，计算轨迹窗口N，对运动轨迹序列集合TR，以N帧为计算宽度计算运动轨迹序列各个点的移动速度和移动方向，并进一步计算序列的移动方向变化率ΔDp；步骤S2，根据运动轨迹序列的移动速度和移动方向变化率，确定轨迹中的异常拐点，根据异常拐点将运动轨迹序列切断为多段运动轨迹序列，并从新组合成新的运动轨迹序列集合TB；步骤S3，根据新的运动轨迹序列集合TB对运动轨迹进行断连判断、重合判断以及分离判断，得到修复后的运动轨迹序列集合。2.如权利要求1所述的一种非特征匹配的运动轨迹优化方法，其特征在于，于步骤S1中，所述横向视场宽度FW和轨迹窗口N计算方法如下：FW＝2×WD×tan(FOV)其中FOV为相机视场角，WD为工作距离，SL为窗口占屏比，VR为人类经典步行速度，FPS为移动轨迹的匹配帧率。3.如权利要求2所述的一种非特征匹配的运动轨迹优化方法，其特征在于，于步骤S1中，对于某条运动轨迹序列Tr∈TR，Tr＝{{xi，yi，ti}，i∈(0～M)}，其中xi和yi为运动轨迹点的坐标，ti为该运动轨迹点的时间，M为序列长度，移动速度vi和移动方向di和移动方向变化率Δdi的计算方法如下：Δdi＝|da-db|其中下标a和b分别为：4.如权利要求3所述的一种非特征匹配的运动轨迹优化方法，其特征在，于，步骤S2中，所述异常拐点的判断条件为：Δdi＞DLvi＞VL如符合以上条件，则将运动轨迹序列以拐点为分界点，分别单列为新的运动轨迹序列，所有新的运动轨迹序列组合成一个新的运动轨迹序列集合TB，上述DL为最大变化角，VL为非静止速度。5.如权利要求4所述的一种非特征匹配的运动轨迹优化方法，其特征在，于，于步骤S3中，所述轨迹断连判断的方法如下：(1)对比轨迹Tb1的结束点Pb1和轨迹Tb2的起始点Pb2，若时间tb2大于tb1且有tb2和tb1的差小于tL则认为两段轨迹有时间上的连续性，其中tL为目标丢失的最大容忍时间；(2)若移动方向db1和db2的差值小于DL，认为两段轨迹具有方向一致性，其中DL为目标的最大容忍拐弯限制，即最大变化角，为可设参数，通常为(3)计算轨迹Tb1的结束点Pb1和轨迹Tb2的起始点Pb2的距离，如果Pb1和Pb2的距离小于Pb1按照vb2在tL时间移动的距离，则认为两段曲线具有空间的连续性，若同时满足以上三个条件，则认为该两条轨迹为同一条轨迹。6.如权利要求4所述的一种非特征匹配的运动轨迹优化方法，其特征在，于，所述重合判断的方法如下：第一步，对于某段轨迹Tb1，根据其结束点Pb1的移动趋势，即...

【专利技术属性】
技术研发人员：晏细兰，
申请(专利权)人：广州番禺职业技术学院，
类型：发明
国别省市：广东,44