【技术实现步骤摘要】
一种融合深度信息的低功耗实时行人轨迹提取方法及装置
本专利技术涉及计算机视觉研究领域，尤其是图像目标检测跟踪领域，具体涉及一种融合深度信息的低功耗实时行人轨迹提取方法及装置。
技术介绍
行人检测及跟踪是计算机视觉研究的一个热点细分领域，并得到广泛应用；在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：行人检测跟踪一般采用了复杂的模型，运算量相当大，在低功耗场景下难以达到实时的要求，一般需要大量的优化。同时在很多应用场景中，行人非常密集，存在严重的遮挡，我们只能看到人体的一部分，这对检测跟踪算法带来了严重的挑战。
技术实现思路
为了克服现有技术的不足，本公开实施例提供了一种融合深度信息的低功耗实时行人轨迹提取方法及装置，该方法通过有效融合深度信息，对行人位置预测值进行修正，提高了行人轨迹检测跟踪的准确率，满足在低功耗场景下实现实时的目的。技术方案如下：第一方面，提供了一种融合深度信息的低功耗实时行人轨迹提取方法，包括如下步骤：连续采集RGBD视频帧序列,记做f1，…fn
【技术保护点】
1.一种融合深度信息的低功耗实时行人轨迹提取方法，其特征在于，包括如下步骤：/n连续采集RGBD视频帧序列,记做f
【技术特征摘要】
1.一种融合深度信息的低功耗实时行人轨迹提取方法，其特征在于，包括如下步骤：
连续采集RGBD视频帧序列,记做f1，…fn
通过行人检测器获取行人在视频序列中的初始位置：行人检测器在f1的RGB信息上获得行人的初始位置B1，行人位置用矩形框表示，记做Bi＝(xi,yi,wi,hi)，其中x,y为矩形框左上角坐标，w,h为矩形框的宽和高，单位为像素；
在RGB信息上通过相关滤波跟踪器预测行人在下一帧的位置Bi+1；
获取行人的深度信息：在每个视频序列fi上获得行人所在位置的区域深度图Di，并从深度图Di上得到行人在fi帧上的深度di；
根据行人在连续两帧的位置变化情况、及深度变化情况，对行人位置预测值Bi+1进行修正，得到修正位置B′i+1；
保存行人轨迹：保存行人的位置B1，Bi+1或B′i+1，将B1，Bi+1或B′i+1的中心点连线即可得到行人的轨迹，其中，i＝1、2、3、……、n-1。
2.根据权利要求1所述的一种融合深度信息的低功耗实时行人轨迹提取方法，其特征在于，所述在RGB信息上通过相关滤波跟踪器预测行人在下一帧的位置Bi+1，具体为：在当前帧fi使用在行人位置Bi周围区域的循环矩阵采集正负样本，利用核空间的脊回归训练相关滤波跟踪器，在行人位置区域进行特征提取，提取的特征经过cosine窗函数之后，做FFT快速傅里叶变换变换，然后与相关滤波器相乘，将结果做IFFT逆向快速傅里叶变换之后，最大响应点所在的区域即为下一帧行人的位置Bi+1。
3.根据权利要求2所述的一种融合深度信息的低功耗实时行人轨迹提取方法，其特征在于，所述在每个视频序列fi上获得行人所在位置的区域深度图Di，对于第1帧，采用初始位置B1作为输入，非第1帧用跟踪的位置Bi+1或B′i+1作为输入。
4.根据权利要求3所述的一种融合深度信息的低功耗实时行人轨迹提取方法，其特征在于，所述从深度图Di上得到行人在fi帧上的深度di，具体为：计算区域深度图Di的直方图Hi，对于Hi上的局部极值进行高斯混合模型的最大期望聚类，得到区域内像素点的深度分布，计算每个类范围内的像素点的深度均值，选取最大均值作为行人在这一帧上的深度di。
5.根据权利要求1-4任一项所述的一种融合深度信息的低功耗实时行人轨迹提取方法，其特征在于，所述根据行人在连续两帧的位置变化情况、及深度变化情况，对行人位置预测值Bi+1进行修正，得到修正位置B′i+1，具体为，通过尺度检测评估：当满足A(Bi+1)＜A(Bi)*(di/di+1)*γ时，行人尺度发生重大变化，将下一帧进行缩放fi+1*(di+1/di)＝f′i+1,用相关滤波跟踪器在f′i+1上重新预测位置B′i+1，其中γ∈[0.75,0.88]、A(Bi)指行人位置Bi所在区域的像素面积。
6.根据权利要求1-5任一项所述的一种融合深度信息的低功耗实时行人轨迹提取方法，其特征在于，所述根据行人在连续两帧的位置变化情况、及深度变化情况，对行人位置预测值Bi+1进行修正，得到修正位置B′i+1，具体为，通过遮挡检测评估：当满足A(Bi+1)＜A(Bi)*(di/di+1)*γ时，行人发生严重遮挡，将fi+1帧在BiUBi+1*(di/di+1)位置上用相关滤波跟踪器进行预测位置B′i+1，其中γ∈[0.30,0.40]，...
【专利技术属性】
技术研发人员：朱旭光，周金明，
申请(专利权)人：南京行者易智能交通科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。