基于集合与拓扑空间的运动目标检索方法技术

本发明专利技术公开了一种基于集合与拓扑空间的运动目标检索方法，包括以下步骤：步骤1、建立摄像机

【技术实现步骤摘要】
基于集合与拓扑空间的运动目标检索方法


[0001]本专利技术涉及运动目标检测方法领域，具体是一种基于集合与拓扑空间的运动目标检索方法。

技术介绍

[0002]随着计算机和图像传感器技术的发展，以摄像机为核心的视频监控在社会安全和保障方面起着重要作用。在视频监控系统中，运动目标的检索和跟踪是计算机视觉研究的主要问题之一，它融合了自动控制、图像处理、模式识别、计算机及人工智能等领域技术，在智能交通、视频监控、医疗救治、犯罪侦查等方面起着至关重要的作用。运动目标检索是指将图像序列或视频中发生空间位置变化的物体作为前景提取并标示的过程。基于集合与拓扑空间的运动目标检索方法是以集合论、拓扑学和视频GIS的相关理论和方法为基础，通过路网结构的拓扑化表达，构建摄像机
‑
路网集合拓扑空间，将运动目标的定位、追踪及轨迹表达以集合拓扑为基础进行运算和求解。
[0003]近年来，运动目标的识别与追踪作为当今智能监控领域的热点问题之一，在道路交通网络产生的海量视频检索场景中，运动目标的检索需要同时满足准确率和效率两方面的要求。当前，运动目标的检索的大都基于Tracking
‑
by
‑
Detection策略，即基于目标检测的结果进行目标跟踪，方法主要包括卡尔曼滤波、粒子滤波、拓扑估计方法等。然而，无论是基于Tracking
‑
by
‑
Detection策略，还是基于拓扑理论开展的目标检索效率和效果提升的方法，仍存在一些问题：
[0004](1)轨迹预测仅针对目标的下一时刻位置，对目标检索效率的提升贡献有限。
[0005]卡尔曼滤波是一种利用线性系统状态方程对目标的位置进行预测。该方法仅计算了目标离开监控视频的下一时刻的位置，未利用预测出的信息缩小视频检索范围，对检索效率的提升较为有限。
[0006](2)对运动目标在其所处空间中的位置及状态考虑较少。
[0007]传统的运动目标检索方法，如基于特征向量的运动目标检索方法，未顾及运动目标在其所处摄像机网络中的位置及状态，忽略了关键帧的时空属性，从而无法实现对运动目标轨迹的准确表达。
[0008](3)海量视频场景下的目标检索效率欠佳。
[0009]运动目标的检索忽略了道路交通网络和摄像机网络本身具有的拓扑结构，各摄像机拍摄视频缺少关联，无法对运动目标趋势进行准确估计，导致海量视频场景中的目标检索效率欠佳。

技术实现思路

[0010]本专利技术的目的是提供一种基于集合与拓扑空间的运动目标检索方法，以解决现有技术运动目标检测方法存在的检索范围大、检索效率低、运动目标轨迹表达不准确的问题。
[0011]为了达到上述目的，本专利技术所采用的技术方案为：
[0012]基于集合与拓扑空间的运动目标检索方法，包括以下步骤：
[0013]步骤1、根据运动目标所在的路网区域及路网中交叉路口的摄像机分布，建立摄像机
‑
路网拓扑关系；
[0014]步骤2、获取摄像机采集的当前运动目标所在路网区域的视频集合，并基于视频集合得到当前运动目标在摄像机坐标系中的时空属性信息，所述时空属性信息包含时间属性信息和位置属性信息；
[0015]步骤3、建立摄像机坐标系与世界坐标系的转换关系，根据步骤2得到的当前运动目标在摄像机坐标系中的时空属性信息并结合所述转换关系，计算得到当前运动目标在世界坐标系中的时空属性；
[0016]步骤4、根据步骤3得到的当前运动目标在世界坐标系中的时空属性，构建描述运动目标当前位置和姿态的状态向量；然后基于所述状态向量，结合步骤1得到的摄像机
‑
路网拓扑关系，得到运动目标后续可能到达的位置；接着基于运动目标后续可能到达的位置确定对应的摄像机，并以确定的摄像机的集合作为待检测摄像机集合；
[0017]步骤5、计算步骤4得到的待检测摄像机集合中每个摄像机的视野分界线，并基于所述视野分界线确定后续对运动目标具有最佳视角的摄像机，然后以确定的具有最佳视角的摄像机采集的后续视频的集合作为待检测视频集；
[0018]步骤6、从待检测视频集中所有后续视频中，获取后续到达的运动目标及其对应的视频；
[0019]步骤7、根据摄像机坐标系与世界坐标系的转换关系，计算步骤6得到的视频中后续到达的运动目标在世界坐标系中的时空属性，并确定后续到达的运动目标的姿态；将步骤6得到的视频中后续到达的运动目标在世界坐标系中的时空属性、姿态结合至所述路网网络空间，得到所述运动目标的轨迹。
[0020]进一步的，步骤1中，根据运动目标所在的路网区域构建基于有向图的路网网络空间，然后根据路网中交叉路口的摄像机分布情况构建摄像机网络，并将路网网络空间反映的路网拓扑关系映射至摄像机网络空间，由此得到摄像机
‑
路网拓扑关系。
[0021]进一步的，步骤2中，获取摄像机采集的当前运动目标所在路网区域的视频集合，从视频集合中提取当前运动目标所在的帧作为关键帧以构建关键帧集合，基于关键帧集合中各个关键帧在摄像机坐标系统中的时空信息，得到当前运动目标在摄像机坐标系中的时空属性信息。
[0022]进一步的，基于HSV设置的阈值通道对视频集合进行计算得到所述关键帧。
[0023]进一步的，步骤4中，以当前运动目标状态向量中的姿态角作为当前运动目标的状态角，在摄像机
‑
路网拓扑关系中对比当前运动目标所在路段夹角、当前运动目标的状态角，以路段夹角与运动目标状态角差值最小的路段判定为运动目标即将驶入的路段，由此得到运动目标后续可能到达的位置。
[0024]进一步的，步骤5中，利用Harris
‑
Sift算法，在交叉路口第一个摄像机Ca采集的图像和第二个摄像机Cb采集的图像中找到互相对应且不共面的四个点，根据不共面的四个点的对应关系，即可通过投影不变量方法，计算出第一个摄像机Ca采集的图像中第5个点在第二个摄像机Cb采集的图像中的对应关系；
[0025]在第一个摄像机Ca、第二个摄像机Cb重叠视野内找到互相对应的四个点，建立它
们之间的投影关系，选取两个边界点进行投影变换，找到两个边界点的对应点，将对应点连接即可得到第一个摄像机Ca的视野分界线L1、、第二个摄像机Cb的视野分界线L2；接着将运动目标最开始出现的点坐标代入视野分界线，并进行如下判定：
[0026]设所追踪的运动目标最开始出现在第一个摄像机Ca采集的图像中质心位置，坐标为Q(X
f
,Y
f
)，第二个摄像机Cb采集的图像中的视野分界线L2直线方程为Ax+By+C＝0，其中A为二次项系数，B为一次项系数，C为常数项；将运动目标最开始出现的点坐标代入视野分界线L2直线方程中，如果结果大于0，说明运动目标在第二个摄像机Cb的视域范围中；如果小于0，表明运动目标不在第二个摄像机Cb的视域范围中；如果等于0，说明运动目标刚好在第二个摄像机Cb的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于集合与拓扑空间的运动目标检索方法，其特征在于，包括以下步骤：步骤1、根据运动目标所在的路网区域及路网中交叉路口的摄像机分布，建立摄像机
‑
路网拓扑关系；步骤2、获取摄像机采集的当前运动目标所在路网区域的视频集合，并基于视频集合得到当前运动目标在摄像机坐标系中的时空属性信息，所述时空属性信息包含时间属性信息和位置属性信息；步骤3、建立摄像机坐标系与世界坐标系的转换关系，根据步骤2得到的当前运动目标在摄像机坐标系中的时空属性信息并结合所述转换关系，计算得到当前运动目标在世界坐标系中的时空属性；步骤4、根据步骤3得到的当前运动目标在世界坐标系中的时空属性，构建描述运动目标当前位置和姿态的状态向量；然后基于所述状态向量，结合步骤1得到的摄像机
‑
路网拓扑关系，得到运动目标后续可能到达的位置；接着基于运动目标后续可能到达的位置确定对应的摄像机，并以确定的摄像机的集合作为待检测摄像机集合；步骤5、计算步骤4得到的待检测摄像机集合中每个摄像机的视野分界线，并基于所述视野分界线确定后续对运动目标具有最佳视角的摄像机，然后以确定的具有最佳视角的摄像机采集的后续视频的集合作为待检测视频集；步骤6、从待检测视频集中所有后续视频中，获取后续到达的运动目标及其对应的视频；步骤7、根据摄像机坐标系与世界坐标系的转换关系，计算步骤6得到的视频中后续到达的运动目标在世界坐标系中的时空属性，并确定后续到达的运动目标的姿态；将步骤6得到的视频中后续到达的运动目标在世界坐标系中的时空属性、姿态结合至所述路网网络空间，得到所述运动目标的轨迹。2.根据权利要求1所述的基于集合与拓扑空间的运动目标检索方法，其特征在于，步骤1中，根据运动目标所在的路网区域构建基于有向图的路网网络空间，然后根据路网中交叉路口的摄像机分布情况构建摄像机网络空间，并将路网网络空间反映的路网拓扑关系映射至摄像机网络空间，由此得到摄像机
‑
路网拓扑关系。3.根据权利要求1所述的基于集合与拓扑空间的运动目标检索方法，其特征在于，步骤2中，获取摄像机采集的当前运动目标所在路网区域的视频集合，从视频集合中提取当前运动目标所在的帧作为关键帧以构建关键帧集合，基于关键帧集合中各个关键帧在摄像机坐标系统中的时空信息，得到当前运动目标在摄...

【专利技术属性】
技术研发人员：曾微波，闵歆然，赵星悦，邓秋燕，梅晓龙，张雯荟，
申请(专利权)人：滁州学院，
类型：发明
国别省市：