基于阵列相机的大场景行人轨迹跟踪方法技术

本发明专利技术提供一种基于阵列相机的大场景行人轨迹跟踪方法，其包括如下步骤：根据阵列相机的小镜头分布，确定小镜头编号以及各相邻小镜头采集的图像数据之间相互重叠的重叠区域；通过行人检测模型，分别对采集的图像数据做行人检测，获得N组行人检测框Box的集合Q

【技术实现步骤摘要】
基于阵列相机的大场景行人轨迹跟踪方法


[0001]本专利技术涉及行人轨迹跟踪方法
，特别涉及一种基于阵列相机的大场景行人轨迹跟踪方法。

技术介绍

[0002]目标跟踪是计算机视觉领域的热点问题，行人轨迹跟踪是其中最常见的技术，广泛应用于视频监控、安防等重要领域。行人轨迹追踪算法可以对监控内指定目标进行实时追踪，通过目标检测、位置预测、数据关联的方式获取行人的移动轨迹。公安人员可以案件发生之后，对监控视频进行分析，利用跟踪算法，找出某个嫌疑人的轨迹。
[0003]目标跟踪的一个难点在于跨境头的跟踪。当行人目标从一个镜头移动到另一个镜头的时候，需要根据行人的外观特征、步态特征、行为特征等因素来判断两个镜头中的行人是否为同一个人。根据特征来判断同一个人的这些技术，目前还不够成熟，特别是在一个大的场景中，行人目标跨越多个镜头移动的时候，想要准确跟踪每一个人的轨迹变得非常困难。
[0004]中国专利公开号第CN111476827A号揭露了一种目标跟踪方法、系统、电子装置及存储介质，该目标跟踪方法利用世界坐标的工作原理进行跟踪。同一个目标在不同相机的检测边界框的位置和大小，即使采用世界坐标，也会有所差别，所以确定每个目标的唯一世界坐标是有误差的，特别是在两个目标离得很近的情况下。
[0005]中国专利公开号第CN108051777A号揭露了一种目标的追踪方法、装置及电子设备，该目标的追踪方法利用传感器的工作原理进行跟踪，那么对硬件要求较高，但通过传感器对目标追踪精度差。
[0006]由于因此，有必要提供一种基于阵列相机的大场景行人轨迹跟踪方法来克服上述问题。

技术实现思路

[0007]本专利技术的目的是提供一种基于阵列相机的大场景行人轨迹跟踪方法，利用了相机本身的构造特点出发，结合行人的位置信息和特征向量来确定不同相机中的两个目标是同一个，从而提高目标追踪的精准度。
[0008]为实现上述目的，本专利技术采用的一个技术方案是：一种基于阵列相机的大场景行人轨迹跟踪方法，其包括如下步骤：第一步骤，根据阵列相机的小镜头分布，确定小镜头编号以及各相邻小镜头采集的图像数据之间相互重叠的重叠区域；第二步骤，通过行人检测模型，使用小镜头分别对采集的图像数据做行人检测，获得N组行人检测框Box(x,y,w,h,c,n,t,cn,pn,P)的集合Q
cur
，同时对行人检测框Box进行存储；第三步骤，通过所述检测框Box获取行人的运动信息与行人对应的特征向量，并存储；第四步骤，对所述检测框Box获取的运动信息与特征向量进行跟踪，获得行人跟踪序列HashMap，其中，跟踪序列HashMap是指同一行人编号为n值的多个检测框Box的序列；第五步骤，用上一帧相邻小镜头传过来的检测
框序列Q
near
中检测框Box的n值更新跟踪序列HashMap中位于重叠区域的检测框Box中的行人编号pn值，根据pn值和n值串联起多个小镜头的跟踪序列HashMap，获得相邻两个小镜头之间的行人轨迹；其中，检测框Box(x,y,w,h,c,n,t,cn,pn,P)中，x,y,w,h分别表示检测边界框BBox左上角点的横坐标、纵坐标、边界框的宽度和高度；c表示小镜头编号；n表示行人编号，初始化为0；t表示视频帧的时间戳；cn表示相邻的小镜头编号，根据BBox的位置确定，当检测边界框BBox不在重叠区域时，该值为0，当检测边界框BBox在重叠区域时，该值为相邻的小镜头编号；pn表示进入至相邻小镜头中的行人编号，初始为0；P表示该行人检测边界框BBox对应的特征向量。
[0009]与现有技术相比，本专利技术一种基于阵列相机的大场景行人轨迹跟踪方法的有益效果为：利用了相机本身的构造特点出发，结合行人的位置信息和特征向量来确定不同相机中的两个目标是同一个，从而提高目标追踪的精准度。
附图说明
[0010]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，其中：
[0011]图1是本专利技术一种基于阵列相机的大场景行人轨迹跟踪方法的流程图；
[0012]图2是本专利技术阵列相机中各小镜头采集图像时形成重叠区域的结构示意图。
具体实施方式
[0013]下面结合附图对本专利技术作详细的描述，但是应该强调的是，下面的实施方式只是示例性的，而不是为了限制本专利技术的范围及应用。
[0014]请参看图1，本专利技术为一种基于阵列相机的大场景行人轨迹跟踪方法，其包括如下步骤：
[0015]第一步骤，根据阵列相机的小镜头分布，确定小镜头编号以及各相邻小镜头之间采集图像数据相互重叠的重叠区域。
[0016]具体的，若干个小镜头阵列形成一个阵列相机，本实施例，以12个小镜头为例，其他实施例，可以是3
‑
100个中的任意一个。依照秩序对小镜头编号，相邻的两个小镜头所获取的图像均有叠加，形成一个重叠区域。该重叠区域的宽度根据实际使用状况而定，一般在对小镜头宽度的10％以内。
[0017]如图2所示，为阵列相机中各小镜头采集图像时形成重叠区域的结构示意图。列举的12个小镜头阵列的示意图，小镜头A1的相邻小镜头为A2、A5；小镜头A2的相邻小镜头为A1、A3、A6；小镜头A6的相邻小镜头为A2、A5、A7、A10。重叠区域部分既可以被小镜头1看到，也可以被小镜头2看到。每两个小镜头之间的重叠区域不尽相同。
[0018]第二步骤，通过行人检测模型，使用阵列相机的N个小镜头分别对采集的图像数据做行人检测，获得N组检测框Box(x,y,w,h,c,n,t,cn,pn,P)的集合Q
cur
，同时对行人检测框Box进行存储。
[0019]具体地，在小镜头前端对采集的图像数据做行人检测，基于SSD算法形成行人检测模型，针对行人目标采用卷积神经网络(CNN)模型进行优化，其中，x,y,w,h分别表示检测边界框BBox左上角点的横坐标、纵坐标、边界框的宽度和高度；c表示小镜头编号；n表示行人
编号，初始化为0；t表示视频帧的时间戳；cn表示相邻的小镜头编号，根据BBox的位置确定，当检测边界框BBox不在重叠区域时，该值为0，当检测边界框BBox在重叠区域时，该值为相邻的小镜头编号；pn表示进入至相邻小镜头中的行人编号，初始为0。P表示该行人检测边界框BBox对应的特征向量。
[0020]第三步骤，通过多个检测边界框BBox获取行人的运动信息，并存储。其中，运动信息包括运动速度和运动方向；
[0021]第四步骤，利用行人的运动信息和外观信息，对检测框Box进行跟踪，获得行人跟踪序列HashMap；
[0022]具体的，利用跟踪算法S，结合当前小镜头的检测框Box的集合Q
cur
、跟踪序列HashMap，获得当前小镜头的检测框Box的集合Q
cur
和跟踪序列HashMap所匹配的检测框序列Q
match
、新出现的行人检测框序列Q本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于阵列相机的大场景行人轨迹跟踪方法，其特征在于，其包括如下步骤：第一步骤，根据阵列相机的小镜头分布，确定小镜头编号以及各相邻小镜头采集的图像数据之间相互重叠的重叠区域；第二步骤，通过行人检测模型，分别对采集的图像数据做行人检测，获得N组行人检测框Box(x,y,w,h,c,n,t,cn,pn,P)的集合Q
cur
，同时对行人检测框Box进行存储；第三步骤，通过所述检测框Box获取行人的运动信息与行人对应的特征向量，并存储；第四步骤，对所述检测框Box获取的运动信息与特征向量进行跟踪，获得行人跟踪序列HashMap，其中，跟踪序列HashMap是指同一行人编号为n值的多个检测框Box的序列；第五步骤，用上一帧相邻小镜头传过来的检测框序列Q
near
中检测框Box的n值更新跟踪序列HashMap中位于重叠区域的检测框Box中的行人编号pn值，根据pn值和n值串联起多个小镜头的跟踪序列HashMap，获得相邻两个小镜头之间的行人轨迹；其中，检测框Box(x,y,w,h,c,n,t,cn,pn,P)中，x,y,w,h分别表示检测边界框BBox左上角点的横坐标、纵坐标、边界框的宽度和高度；c表示小镜头编号；n表示行人编号，初始化为0；t表示视频帧的时间戳；cn表示相邻的小镜头编号，根据BBox的位置确定，当检测边界框BBox不在重叠区域时，该值为0，当检测边界框BBox在重叠区域时，该值为相邻的小镜头编号；pn表示进入至相邻小镜头中的行人编号，初始为0；P表示该行人检测边界框BBox对应的特征向量。2.如权利要求1所述的基于阵列相机的大场景行人轨迹跟踪方法，其特征在于，上述第四步骤中，结合当前小镜头的检测框Box的集合Q
cur
、跟踪序列HashMap，获得当前小镜头的检测框Box的集合Q
cur
和跟踪序列HashMap所匹配的检测框序列Q
match
、新出现的行人检测框序列Q
new
；并更新当前小镜头中匹配的检测框序列Q
match
中的检测框Box的n值，n值为跟踪序列HashMap对应的行人编号；Q
new
中检测框Box的n值依次加1。3.如权利要求2所述的基于阵列相机的大场景行人轨迹跟踪方法，其特征在于，所述跟踪序列HashMap中包含了行人编号key和n值相同的...

【专利技术属性】
技术研发人员：张华，赵利林，
申请(专利权)人：江苏爱科赛尔云数据科技有限公司，
类型：发明
国别省市：