一种适用于多对多目标识别的目标同一性识别方法技术

本发明专利技术公开了一种适用于多对多目标识别的目标同一性识别方法，将多个可见光摄像头固定安装在场景内，开机，调整多可见光摄像头的视场覆盖目标识别所需区域，调整全部可见光摄像头的焦距、视角、位姿参数并在后续的操作中维持不变，所述方法是：首先对可见光摄像头进行标定，然后对多目标进行目标同一性识别；本发明专利技术可有效对不同摄像头所观测到的目标进行同一性识别，进而判断不同摄像头所观测到的目标之间的信息是否可整合，为多对多场景下的后续目标识别与跟踪等算法实现奠定了必备基础。

A Target Identity Recognition Method for Multi-pair Multi-target Recognition

【技术实现步骤摘要】
一种适用于多对多目标识别的目标同一性识别方法
本专利技术涉及视频目标检测与识别领域，具体涉及一种适用于多对多目标识别的目标同一性识别方法。
技术介绍
随着目标识别技术的应用范围越来越广，应用场景越来越复杂，处理对象越来越多元化，利用单一摄像头的信息进行目标识别已经无法实现全场景、全时段的准确目标识别，例如：仅利用单一摄像头信息无法有效应对目标存在部分遮挡情况下的目标识别问题。另一方面，随着摄像头技术等相关技术的进步发展，图像精度/分辨率进一步提升，硬件成本进一步降低，利用多个摄像头对同一视场区域内的多个目标进行目标识别(即多对多目标识别)已经成为目标识别技术发展的必然趋势。
技术实现思路
本专利技术拟提出一种适用于多对多目标识别的目标同一性识别方法，判断不同摄像头所观测到的目标是否为同一目标，在确定为同一目标后，将确定为同一目标的视频/图像信息进行整合，进而得到对于同一目标在不同观测角度下、由不同的可见光摄像头所采集到的图像观测整合信息，利用该信息进行目标识别。为了实现上述目的，本专利技术的技术方案是：一种适用于多对多目标识别的目标同一性识别方法，将多个可见光摄像头固定安装在场景内，开机，调整多可见光摄像头的视场覆盖目标识别所需区域，调整全部可见光摄像头的焦距、视角、位姿参数并在后续的操作中维持不变，所述方法是：首先对可见光摄像头进行标定，然后对多目标进行目标同一性识别；所述对可见光摄像头进行标定是：将棋盘格标识物放置在场景中，利用所述标识物对全部可见光摄像头进行标定，获得在当前摄像头安装与参数设置状态下的自身图像坐标系与统一世界坐标系的坐标转换关系；所述对多目标进行目标同一性识别是：第一步：多个可见光摄像头获取无被识别目标存在条件下的场景内图像，使用GMM算法确定GMM算法背景图像训练模型；第二步：多个可见光摄像头获取含有多目标的场景内图像，使用GMM算法背景图像训练模型将不符合背景图像信息的图像信息分隔出来形成对多目标的图像信息分割；第三步：确定多个可见光摄像头的多目标的图像信息中各个目标的中心坐标；第四步：对多个可见光摄像头各自的各个目标的中心坐标，利用所述坐标转换关系转换为统一世界坐标系；第五步：对得到的多目标世界坐标信息进行聚类匹配，得到目标的同一性识别结果。方案进一步是：所述GMM算法是高斯混合背景模型基础公式：其中：Xt：t帧的当前像素的RGB色彩向量；K：高斯模型的总数，设为3；μi,t：t帧的第i个高斯分布的均值向量；t帧的第i个高斯分布的协方差矩阵，I3代表3×3的单位矩阵，σi,t代表方差；ωi,t：t帧的第i个高斯分布的权重，且满足条件方案进一步是：所述使用GMM算法确定GMM算法背景图像训练模型的步骤包括：第一步：模型初始化，将视频序列中的第一帧图像的每一个像素点的彩色向量值初始化确定该像素的K个高斯分布的平均取值；第二步：模型排序，将每个像素的所有高斯分布排序，由大到小，排序规则按照ωi,t/σi,t的比值，并根据下述公式：计算出分布排序B值，根据上述排序取出B值，作为背景像素的高斯分布结果，得到GMM算法背景图像训练模型。方案进一步是：所述使用GMM算法背景图像训练模型将不符合背景图像信息的图像信息分隔出来形成对多目标的图像信息分割，是利用模型更新对多目标的图像信息中的多目标分割，具体的执行步骤是：对获取的含有多目标的场景内图像判断匹配性，当获得每一帧的图像时，将这帧图像的每个像素点与该像素已存在的K个高斯分布一一进行匹配，对于不匹配的像素点进行更新，否则不予更新，匹配成功的判断准则是：对匹配的第i个高斯分布的参数更新公式如下：μi，t＝(1-ρi，t)μi，-1+ρi，tXt；其中，ρi,t＝0.005/ωi,t，ρi,t为参数学习速率；如果没有与Xt互相搭配的高斯分布，那么此时确定的该像素的高斯分布就要以Xt作为平均值分配给最小权重的高斯分布，接下来改高斯分布再次分配较小的权重和较大的方差。同时按照下式更新权重：ωi,t＝(1-α)ωi,t-1+αMi,t上式中：其中：所述不匹配的像素点是多目标分割信息。方案进一步是：所述聚类匹配使用的是密度聚类算法(Density-BasedSpatialClusteringofApplicationswithNoise，DBSCAN)，应用DBSCAN算法后，可坐标聚为几类，而被划为一类的坐标则被认为是同一目标，从而完成了目标同一性识别。本专利技术的有益效果是：(1)本专利技术提出了一种适用于多对多场景下的目标同一性识别的解决方案，可有效对不同摄像头所观测到的目标进行同一性识别，进而判断不同摄像头所观测到的目标之间的信息是否可整合，为多对多场景下的后续目标识别与跟踪等算法实现奠定了必备基础。(2)本专利技术所设计的目标同一性识别算法，仅在设备布置阶段需要辅助设备参与，利用辅助设备完成可见光摄像头的标定，而在后续的实施阶段并不需要任何辅助设备即可以完成全部运算。(3)在本专利技术所设计的目标同一性识别算法中，并不直接需要用到各个可见光摄像头所拍摄到的图像信息，而是仅需要转换后得到的目标坐标信息，极大的缩减了算法的计算量和传输的数据量，保证了算法可以在线实现。下面结合附图和实施例对本专利技术进行详细描述。附图说明图1是方法整体运行流程；图2是标定流程示意图；图3是标定结果示意图；图4是目标信息与背景区分结果示意图。具体实施方式本实施例是解决多个摄像头对多个目标进行目标识别的场景下，判断不同摄像头所观测到的目标是否为同一目标的问题。该方法首先对已经安放完毕的全部摄像头进行标定，标定完成后的摄像头具有将所观测到目标信息在图像坐标系下的坐标转换至世界坐标系下的坐标的能力，在此基础上，进一步执行同一性识别算法：首先各个摄像头利用自身视频信息结合目标分割算法对目标进行独立提取分割，得到自身所观测到的目标在自身图像坐标系下的坐标，进而将不同摄像头所观测到的目标在各自图像坐标系下的坐标转换至统一的世界坐标系下，对转换至统一世界坐标系下的目标坐标利用聚类算法进行聚类分析，将聚类结果为同一类的结果认为是同一目标，从而完成多对多场景下的目标的同一性识别，为后续的信息处理奠定基础。识别原理是：首先，完成相关场景的布控与安装；其次使用棋盘格图像利用张正友标定算法完成对全部摄像头的标定工作，获取全部可见光摄像头相关参数和坐标转换关系；在此基础上，每个可见光摄像头仅利用自身信息完成目标的分割(即将目标信息从背景信息中分割出来)，分割完成后，则可以获得目标在各自图像坐标系下的坐标；进而利用图像坐标系下坐标结合各可见光摄像头标定结果进行坐标转换，得到目标在统一的世界坐标系下的坐标信息，进而利用世界坐标系下的坐标信息进行聚类分析，从而得到同一性识别结果。整体运行流程如图1所示。将上述描述可以归纳为：一种适用于多对多目标识别的目标同一性识别方法，将多个可见光摄像头固定安装在场景内，确保多可见光摄像头的视场可以充分覆盖目标识别所需区域，开机，调整多可见光摄像头的视场覆盖目标识别所需区域，调整全部可见光摄像头的焦距、视角、位姿参数并在后续的操作中维持不变，所述方法是：首先对可见光摄像头进行标定，标定流程如图2所示，然后对多目标进行目标同一性识别；所述对可见光摄像头进行标定是：标定采用的张正友标定本文档来自技高网...

【技术保护点】
1.一种适用于多对多目标识别的目标同一性识别方法，将多个可见光摄像头固定安装在场景内，开机，调整多可见光摄像头的视场覆盖目标识别所需区域，调整全部可见光摄像头的焦距、视角、位姿参数并在后续的操作中维持不变，其特征在于，首先对可见光摄像头进行标定，然后对多目标进行目标同一性识别；所述对可见光摄像头进行标定是：将棋盘格标识物放置在场景中，利用所述标识物对全部可见光摄像头进行标定，获得在当前摄像头安装与参数设置状态下的自身图像坐标系与统一世界坐标系的坐标转换关系；所述对多目标进行目标同一性识别是：第一步：多个可见光摄像头获取无被识别目标存在条件下的场景内图像，使用GMM算法确定GMM算法背景图像训练模型；第二步：多个可见光摄像头获取含有多目标的场景内图像，使用GMM算法背景图像训练模型将不符合背景图像信息的图像信息分隔出来形成对多目标的图像信息分割；第三步：确定多个可见光摄像头的多目标的图像信息中各个目标的中心坐标；第四步：对多个可见光摄像头各自的各个目标的中心坐标，利用所述坐标转换关系转换为统一世界坐标系；第五步：对得到的多目标世界坐标信息进行聚类匹配，得到目标的同一性识别结果。

【技术特征摘要】
1.一种适用于多对多目标识别的目标同一性识别方法，将多个可见光摄像头固定安装在场景内，开机，调整多可见光摄像头的视场覆盖目标识别所需区域，调整全部可见光摄像头的焦距、视角、位姿参数并在后续的操作中维持不变，其特征在于，首先对可见光摄像头进行标定，然后对多目标进行目标同一性识别；所述对可见光摄像头进行标定是：将棋盘格标识物放置在场景中，利用所述标识物对全部可见光摄像头进行标定，获得在当前摄像头安装与参数设置状态下的自身图像坐标系与统一世界坐标系的坐标转换关系；所述对多目标进行目标同一性识别是：第一步：多个可见光摄像头获取无被识别目标存在条件下的场景内图像，使用GMM算法确定GMM算法背景图像训练模型；第二步：多个可见光摄像头获取含有多目标的场景内图像，使用GMM算法背景图像训练模型将不符合背景图像信息的图像信息分隔出来形成对多目标的图像信息分割；第三步：确定多个可见光摄像头的多目标的图像信息中各个目标的中心坐标；第四步：对多个可见光摄像头各自的各个目标的中心坐标，利用所述坐标转换关系转换为统一世界坐标系；第五步：对得到的多目标世界坐标信息进行聚类匹配，得到目标的同一性识别结果。2.根据权利要求1所述的目标同一性识别方法，其特征在于，所述GMM算法是高斯混合背景模型基础公式：其中：Xt：t帧的当前像素的RGB色彩向量；K：高斯模型的总数，设为3；μi,t：t帧的第i个高斯分布的均值向量；t帧的第i个高斯分布的协方差矩阵，I3代表3×3的单位矩阵，σi,t代表方差；ωi,t：t帧的第i个高斯分布的权重，且满足条件3.根据权利要求2所述的目标同一性识别方法，其特征在于，所述使用GMM算法确定GMM算法背景图像训练模型的步骤包括：第一步：模型初始化，将视频序...

【专利技术属性】
技术研发人员：梁源，徐兵，
申请(专利权)人：北京壹氢科技有限公司，
类型：发明
国别省市：北京,11