行人运动轨迹确定方法、系统、装置和介质制造方法及图纸

本发明专利技术涉及轨迹追踪技术领域，具体提供一种行人运动轨迹确定方法、系统、装置和介质，旨在如何在不保证行人的人体外貌特征始终有效的条件下，仍然能够实现准确、有效地将位于不同图像采集范围内的行人运动轨迹进行关联，获得行人的完整的运动轨迹的问题。为此目的，本发明专利技术能够通过不同图像采集设备获取行人运动轨迹各自对应的人体特征信息，根据图像采集设备之间的关系特征以及人体特征信息，将属于同一行人的行人运动轨迹关联。本发明专利技术综合考虑了图像采集设备之间的关系特征以及人体特征信息对行人运动轨迹关联的影响，能够使得生成的对应各行人最终的行人运动轨迹更为准确。对应各行人最终的行人运动轨迹更为准确。对应各行人最终的行人运动轨迹更为准确。

【技术实现步骤摘要】
行人运动轨迹确定方法、系统、装置和介质


[0001]本专利技术涉及轨迹追踪
，具体提供一种行人运动轨迹确定方法、系统、装置和介质。

技术介绍

[0002]多目标轨迹聚合是指通过多个相机获取多个目标的运动轨迹，以确定每个目标各自的整体运动轨迹。多目标轨迹聚合在商场、园区、机场、安防等场景都有着广泛的应用。现有技术中的多目标轨迹聚合方法往往使用单镜跟踪算法获取目标在单个相机内的运动轨迹，再通过目标的人体外貌特征进行多个相机之间的运动轨迹之间的关联，从而获取目标在多个相机下的完整行动轨迹。然而，人体外貌特征并不会始终有效，如会存在人体外貌特征被遮挡、模糊、着装类似等情况，从而导致现有的多目标轨迹聚合方法获取的目标的整体运动轨迹的效果较差。
[0003]本领域需要一种新的行人运动轨迹确定方案来解决上述问题。

技术实现思路

[0004]本专利技术旨在解决上述技术问题，即，解决或者部分解决如何在不保证行人的人体外貌特征始终有效的条件下，仍然能够实现准确、有效地将位于图像采集范围内的行人运动轨迹进行关联，获得行人的完整的运动轨迹的问题，本专利技术提供了一种行人运动轨迹确定方法、系统、装置和介质，包括：
[0005]在第一方面，本专利技术提供一种行人运动轨迹确定方法，所述方法包括：
[0006]获取位于不同图像采集设备的图像采集范围内的行人运动轨迹；
[0007]获取不同图像采集设备之间的关系特征；
[0008]获取每个行人运动轨迹各自对应的人体特征信息；
[0009]根据所述人体特征信息和所述关系特征，对属于同一行人的行人运动轨迹进行关联，生成对应各行人最终的行人运动轨迹。
[0010]在上述行人运动轨迹确定方法的一个技术方案中，“根据所述人体特征信息和所述关系特征，对属于同一行人的行人运动轨迹进行关联，生成对应各行人最终的行人运动轨迹”的步骤具体包括：
[0011]根据所述人体特征信息确定不同行人运动轨迹之间的特征相似度；
[0012]根据所述特征相似度和所述关系特征，计算不同行人运动轨迹之间的关联分；
[0013]若两个行人运动轨迹之间的关联分大于预设的分数阈值，则判定所述两个行人运动轨迹属于同一行人的行人运动轨迹；
[0014]对属于同一行人的行人运动轨迹进行关联生成对应各行人最终的行人运动轨迹；和/或，
[0015]所述关系特征包括不同图像采集设备之间的空间关系特征和不同图像采集设备之间的时间关系特征，其中，两个图像采集设备之间的空间关系特征用于表示在所有图像
采集设备相互关联形成的拓扑结构中所述两个图像采集设备之间的关联权重，两个图像采集设备之间的时间关系特征用于表示行人花费不同时长由一个图像采集设备的图像采集范围运动至另一个图像采集设备的图像采集范围的概率。
[0016]在上述行人运动轨迹确定方法的一个技术方案中，“根据所述特征相似度和所述关系特征，计算不同行人运动轨迹之间的关联分”的步骤具体包括通过下式计算所述关联分：
[0017]z
ij＝
e
ij
‑
decay+decay
×
s
ij
[0018]其中，所述z
ij
表示两个行人运动轨迹之间的关联分，所述e
ij
表示两个行人运动轨迹之间的特征相似度，所述s
ij
表示两个行人运动轨迹各自对应的图像采集设备之间的关系特征的关系特征，所述decay表示预设的衰减因子；
[0019]当所述关系特征包括所述关系特征包括不同图像采集设备之间的空间关系特征和不同图像采集设备之间的时间关系特征时，所述s
ij
表示两个行人运动轨迹各自对应的图像采集设备之间的空间关系特征与时间关系特征的乘积。
[0020]在上述行人运动轨迹确定方法的一个技术方案中，所述方法还包括通过下式计算两个行人运动轨迹之间的特征相似度e
ij
：
[0021]e
ij
＝e
iT
·
e
j
[0022]其中，所述e
i
表示一个行人运动轨迹的中心向量，所述e
j
表示另一个行人运动轨迹的中心向量，所述T表示中心向量e
i
的向量转置；
[0023]所述x
i
表示由第i个人体特征信息确定的特征向量，所述c(x
i
)表示第i个人体特征信息所属的行人运动轨迹，“{x|c(x)＝c(x
i
)}”表示所述行人运动轨迹c(x
i
)对应的所有人体特征信息的特征向量集合，所述norm表示归一化操作；
[0024]所述x
j
表示由第j个人体特征信息确定的特征向量，所述c(x
j
)表示第j个人体特征信息所属的行人运动轨迹，“{x|c(x)＝c(x
j
)}”表示所述行人运动轨迹c(x
j
)对应的所有人体特征信息的特征向量集合。
[0025]在上述行人运动轨迹确定方法的一个技术方案中，所述关系特征包括不同图像采集设备之间的空间关系特征和不同图像采集设备之间的时间关系特征，其中，两个图像采集设备之间的空间关系特征用于表示在所有图像采集设备相互关联形成的拓扑结构中所述两个图像采集设备之间的关联权重，两个图像采集设备之间的时间关系特征用于表示行人花费不同时长由一个图像采集设备的图像采集范围运动至另一个图像采集设备的图像采集范围的概率，“获取不同图像采集设备之间的空间关系特征和时间关系特征”的步骤具体包括：
[0026]获取通过每个图像采集设备采集到的行人图像得到的人体特征样本，其中，所述人体特征样本包括根据所述行人图像提取到的人体特征，采集所述行人图像的图像采集设备的设备编号；
[0027]针对每个人体特征样本，从所有人体特征样本中获取与当前人体特征样本的人体特征相似的相似人体特征样本，并将当前人体特征样本分别与每个相似人体特征样本组成
一个匹配样本对；
[0028]针对每个匹配样本对，获取当前匹配样本对中的两个人体特征样本x
i
和x
j
各自对应的图像采集设备的设备编号c
i
和c
j
，根据所述设备编号c
i
和c
j
建立图像采集设备对(c
i
，c
j
)；获取当前匹配样本对(c
i
，c
j
)中的两个人体特征样本x
i
和x
j
各自对应的行人图像的采集时刻ts
i
与ts
j
，确定两个采集时刻ts
i
与ts
j
之间的时间间隔|ts
i
‑
ts
j
|本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人运动轨迹确定方法，其特征在于，所述方法包括：获取位于不同图像采集设备的图像采集范围内的行人运动轨迹；获取不同图像采集设备之间的关系特征；获取每个行人运动轨迹各自对应的人体特征信息；根据所述人体特征信息和所述关系特征，对属于同一行人的行人运动轨迹进行关联，生成对应各行人最终的行人运动轨迹。2.根据权利要求1所述的行人运动轨迹确定方法，其特征在于，“根据所述人体特征信息和所述关系特征，对属于同一行人的行人运动轨迹进行关联，生成对应各行人最终的行人运动轨迹”的步骤具体包括：根据所述人体特征信息确定不同行人运动轨迹之间的特征相似度；根据所述特征相似度和所述关系特征，计算不同行人运动轨迹之间的关联分；若两个行人运动轨迹之间的关联分大于预设的分数阈值，则判定所述两个行人运动轨迹属于同一行人的行人运动轨迹；对属于同一行人的行人运动轨迹进行关联生对应各行人成最终的行人运动轨迹；和/或，所述关系特征包括不同图像采集设备之间的空间关系特征和不同图像采集设备之间的时间关系特征，其中，两个图像采集设备之间的空间关系特征用于表示在所有图像采集设备相互关联形成的拓扑结构中所述两个图像采集设备之间的关联权重，两个图像采集设备之间的时间关系特征用于表示行人花费不同时长由一个图像采集设备的图像采集范围运动至另一个图像采集设备的图像采集范围的概率。3.根据权利要求2所述的行人运动轨迹确定方法，其特征在于，“根据所述特征相似度和所述关系特征，计算不同行人运动轨迹之间的关联分”的步骤具体包括通过下式计算所述关联分：z
ij
＝e
ij
‑
decay+decay
×
s
ij
其中，所述z
ij
表示两个行人运动轨迹之间的关联分，所述e
ij
表示两个行人运动轨迹之间的特征相似度，所述s
ij
表示两个行人运动轨迹各自对应的图像采集设备之间的关系特征，所述decay表示预设的衰减因子；当所述关系特征包括所述关系特征包括不同图像采集设备之间的空间关系特征和不同图像采集设备之间的时间关系特征时，所述s
ij
表示两个行人运动轨迹各自对应的图像采集设备之间的空间关系特征与时间关系特征的乘积。4.根据权利要求3所述的行人运动轨迹确定方法，其特征在于，所述方法还包括通过下式计算两个行人运动轨迹之间的特征相似度e
ij
：e
ij
＝e
iT
·
e
j
其中，所述e
i
表示一个行人运动轨迹的中心向量，所述e
j
表示另一个行人运动轨迹的中心向量，所述T表示中心向量e
i
的向量转置；所述x
i
表示由第i个人体特征信息确定的特征向量，所述c(x
i
)表示第i个人体特征信息所属的行人运动轨迹，“{x|c(x)＝c(x
i
)}”表示所述行人运动轨迹c(x
i
)对应的所有人体特征信息的特征向量集合，所述norm表示归一化操
作；所述x
j
表示由第j个人体特征信息确定的特征向量，所述c(x
j
)表示第j个人体特征信息所属的行人运动轨迹，“{x|c(x)＝c(x
j
)}”表示所述行人运动轨迹c(x
j
)对应的所有人体特征信息的特征向量集合。5.根据权利要求1所述的行人运动轨迹确定方法，其特征在于，所述关系特征包括不同图像采集设备之间的空间关系特征和不同图像采集设备之间的时间关系特征，其中，两个图像采集设备之间的空间关系特征用于表示在所有图像采集设备相互关联形成的拓扑结构中所述两个图像采集设备之间的关联权重，两个图像采集设备之间的时间关系特征用于表示行人花费不同时长由一个图像采集设备的图像采集范围运动至另一个图像采集设备的图像采集范围的概率，“获取不同图像采集设备之间的关系特征”的步骤具体包括：获取通过每个图像采集设备采集到的行人图像得到的人体特征样本，其中，所述人体特征样本包括根据所述行人图像提取到的人体特征，采集所述行人图像的图像采集设备的设备编号；针对每个人体特征样本，从所有人体特征样本中获取与当前人体特征样本的人体特征相似的相似人体特征样本，并将当前人体特征样本分别与每个相似人体特征样本组成一个匹配样本对；针对每个匹配样本对，获取当前匹配样本对中的两个人体特征样本x
i
和x
j
各自对应的图像采集设备的设备编号c
i
和c
j
，根据所述设备编号c
i
和c
j
建立图像采集设备对(c
i
,c
j
)；获取当前匹配样本对(c
i
,c
j
)中的两个人体特征样本x
i
和x
j
各自对应的行人图像的采集时刻ts
i
与ts
j
，确定两个采集时刻ts
i
与ts
j
之间的时间间隔|ts
i
‑
ts
j
|，将所述时间间隔|ts
i
‑
ts
j
|添加到当前图像采集设备对(c
i
,c
j
)的时间间隔列表中；针对每个图像采集设备对，根据预设的分箱数对当前图像采集设备对(c
i
,c
j
)...

【专利技术属性】
技术研发人员：凌英剑，田国栋，
申请(专利权)人：重庆中科云从科技有限公司，
类型：发明
国别省市：