一种基于多摄像头的行人目标移动轨迹获取方法及系统技术方案

本发明专利技术公开了一种基于多摄像头的行人目标移动轨迹获取方法及系统，包括通过标定后的摄像头采集视频，预处理视频得到训练样本集和测试样本集；构建、训练、测试深度卷积神经网络模型；匹配模型输出的行人目标的特征向量和图像坐标，将图像坐标转换为空间坐标，根据时序列表串联行人目标的空间坐标得到单摄像头下行人目标的移动轨迹；结合标定外参，通过特征匹配和重叠区域位置信息实现行人目标跨摄像头关联，串联多摄像头下多行人目标的空间坐标形成多行人目标移动轨迹；本发明专利技术通过将行人目标的二维图像坐标转换为实际场景下的空间坐标，可以准确获取行人目标的位置和轨迹；通过使用多角度视频融合分析提高行人目标识别及轨迹获取的准确率。

A method and system of pedestrian moving track acquisition based on multi camera

【技术实现步骤摘要】
一种基于多摄像头的行人目标移动轨迹获取方法及系统
本专利技术涉及视频监控分析领域，具体地，涉及一种基于多摄像头的行人目标移动轨迹获取方法及系统。
技术介绍
目前视频监控技术非常普及，已应用于安全防控、工作巡查、违规监测等。常见的应用场景包括街道、商场、学校、零售店、办公场所、网吧等。随着计算机硬件设备不断升级带来运算速度的极大提升，视频监控摄像头价格越来越低，视频图像质量越来越高，目标检测、识别等算法在视频监控领域更加适用，该应用可极大程度地降低人工筛查成本、缩短目标监控时间，大幅提升检测效率。现有的多摄像头行人目标跟踪方法主要是通过深度学习方法分析图像，计算行人目标的图像坐标，关联其他摄像头下的行人图像坐标并判断是否属于同一人，串联同一人的坐标实现轨迹跟踪。这种跟踪方法仅适用于简单的室内场景，且计算分析效率低，无法应用于更为复杂的空间场景。
技术实现思路
本专利技术针对真实复杂场景下行人目标移动轨迹分析，提供了一种基于多摄像头的行人目标移动轨迹获取方法及系统，可以解决当前行人目标跟踪计算分析效率低、且无法定位行人目标实际位置的问题。所述方法包括：标定摄像头参数，获取复杂场景下摄像头的空本文档来自技高网...

【技术保护点】
1.一种基于多摄像头的行人目标移动轨迹获取方法，其特征在于，所述方法包括：标定摄像头参数，获取复杂场景下摄像头的空间布局信息；通过若干个摄像头采集一段时间内行人目标的移动视频，预处理采集的视频得到若干帧图像，标注帧图像得到训练样本集及测试样本集；构建深度卷积神经网络模型，用于行人目标特征提取和行人目标检测，利用训练样本集多次迭代训练深度卷积神经网络模型，输出训练后的深度卷积神经网络模型；将测试样本集输入训练后的深度卷积神经网络模型，输出行人目标的图像坐标及特征向量；匹配行人目标特征向量和图像坐标，计算单摄像头覆盖区域内视频中的行人目标特征向量的余弦相似度；重复上述匹配和计算过程，根据时序列表依...

【技术特征摘要】
1.一种基于多摄像头的行人目标移动轨迹获取方法，其特征在于，所述方法包括：标定摄像头参数，获取复杂场景下摄像头的空间布局信息；通过若干个摄像头采集一段时间内行人目标的移动视频，预处理采集的视频得到若干帧图像，标注帧图像得到训练样本集及测试样本集；构建深度卷积神经网络模型，用于行人目标特征提取和行人目标检测，利用训练样本集多次迭代训练深度卷积神经网络模型，输出训练后的深度卷积神经网络模型；将测试样本集输入训练后的深度卷积神经网络模型，输出行人目标的图像坐标及特征向量；匹配行人目标特征向量和图像坐标，计算单摄像头覆盖区域内视频中的行人目标特征向量的余弦相似度；重复上述匹配和计算过程，根据时序列表依次计算帧图像中行人目标间的坐标偏移，以坐标偏移最小为准则，实现单摄像头下的行人目标跟踪；建立行人目标丢失队列，当行人目标特征向量无法匹配时，则将当前帧的行人目标特征入队目标丢失队列保存一定时间，用于行人目标再出现时进行匹配；以初始摄像头坐标为原点建立空间坐标系，利用透视投影矩阵变换将二维图像坐标转换为三维空间坐标，并根据时序列表串联行人目标的空间坐标得到单摄像头下行人目标的移动轨迹；针对两个相邻摄像头交叉覆盖区域内重叠的行人目标，根据摄像头的标定外参，建立关联矩阵，利用关联矩阵映射关联重叠行人目标的空间坐标，判断是否为同一行人目标；对于未交叉覆盖的摄像头，结合行人目标的特征向量及空间坐标，取余弦相似度大于设定值且空间坐标最接近的一组视为同一行人目标；根据时序列表重复上述是否为同一行人目标的判断过程，串联同一行人目标在多摄像头下的轨迹，形成多摄像头下单个行人目标的移动轨迹。2.根据权利要求1所述的一种基于多摄像头的行人目标移动轨迹获取方法，其特征在于，利用上述方法还可以获取多个行人目标的移动轨迹；所述方法还包括模型评估步骤：根据图像坐标计算MAP指标，若深度卷积神经网络模型精度小于预设阈值则继续迭代优化深度卷积神经网络模型，直到精度达到预设阈值即获得最终的深度卷积神经网络模型。3.根据权利要求1所述的一种基于多摄像头的行人目标移动轨迹获取方法，其特征在于，标定摄像头参数包括内参和外参，标定摄像头参数包括：摄像头焦距、视角角度、分辨率、高度、空间坐标，通过摄像头拍摄标定板得到标定数据，结合摄像头外参计算畸变系数，根据畸变系数优化视觉精度。4.根据权利要求1所述的一种基于多摄像头的行人目标移动轨迹获取方法，其特征在于，预处理采集的视频获得训练样本集、测试样本集，具体包括：在线或离线获取当前场景下每个摄像头一段时间内拍摄的视频，利用取帧脚本将视频逐帧转换为若干帧图像，使用标注软件标记帧图像中每个行人目标所在区域，标注图像作为模型的训练样本集，同时持续标注训练样本数量预设百分比的图像作为测试样本集。5.根据权利要求1所述的一种基于多摄像头的行人目标移动轨迹获取方法，其特征在于，所述深度卷积神经网络模型具有如下特征：A、采用交叉熵损失函数优...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川,51