[發(fā)明專利]基于橢圓傅立葉分解的行人時(shí)空輪廓表示方法

有效

• 申請?zhí)枺?/td>: 201010113829.4
• 申請日: 2010-02-25
• 公開（公告）號: CN101799865A
• 公開（公告）日: 2010-08-11
• 發(fā)明（設(shè)計(jì)）人: 王紹宇;楊松紹;廖小勇;羅友軍;張茵;盛秀梅
• 申請（專利權(quán)）人: 上海復(fù)控華龍微系統(tǒng)技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/64
• 代理公司: 上海天翔知識產(chǎn)權(quán)代理有限公司 31224
• 代理人: 孫景宜

技術(shù)領(lǐng)域：

本發(fā)明涉及計(jì)算機(jī)圖像信號處理和統(tǒng)計(jì)分析領(lǐng)域，特別涉及一種基于 elliptic-fourier(橢圓傅里葉)分解的行人時(shí)空輪廓表示方法。

背景技術(shù)：

目前，視頻監(jiān)控正處在從模擬監(jiān)控向全I(xiàn)P網(wǎng)絡(luò)智能化數(shù)字監(jiān)控的方向發(fā) 展。數(shù)字監(jiān)控中的一個(gè)重要方面是利用計(jì)算機(jī)對人的活動(dòng)進(jìn)行分析，這也是計(jì) 算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向。在面向行人的智能監(jiān)控系統(tǒng)中，除了判斷 行人的位置，還需要對人的輪廓進(jìn)行提取，從而進(jìn)一步分析場景中行人的3D 姿態(tài)。輪廓的抽取方法對于后續(xù)的步態(tài)識別和異常行為檢測致關(guān)重要。

通過攝像機(jī)捕捉行人輪廓的方法具有無侵害性和遠(yuǎn)距離有效性，把行人從 背景中分割出來后，所需要提取的一個(gè)重要的特征就是形狀信息。形狀的有效 表達(dá)是智能視頻監(jiān)控中人的3D姿態(tài)重建的的核心問題之一。形狀可以定義為： 與位置、縮放和旋轉(zhuǎn)等幾何變換無關(guān)的描述物體的幾何信息，經(jīng)過歐幾里德變 換，幾何信息的特征都會(huì)一直保持不變。最簡單和直接描述形狀的方法是在物 體的輪廓上標(biāo)志一系列的點(diǎn)，這些點(diǎn)在同一物體不同的輪廓上都有唯一的對應(yīng) 點(diǎn)。

視頻監(jiān)控中行人的圖像會(huì)隨著時(shí)間變化有不同形式的變形，比如：人行走、 跳躍和奔跑等。這樣的物體都可以呈現(xiàn)出多種不同的可能發(fā)生的形狀，同時(shí)還 會(huì)因?yàn)閭€(gè)體的不同而呈現(xiàn)出不同或者相似的形狀。對于監(jiān)控場景中的行人，我 們建立的模型必須可以描述同一物體各種形狀的典型變化。

為了收集關(guān)于形狀變化的信息，需要圖像中相應(yīng)點(diǎn)的位置信息。因此可以 使用一系列的標(biāo)志點(diǎn)來完成，這些點(diǎn)可呈現(xiàn)圖像所代表的各個(gè)形狀。標(biāo)志點(diǎn)不 但能夠呈現(xiàn)整個(gè)形狀的全貌，而且還能夠?qū)π枰憩F(xiàn)的細(xì)節(jié)給予全面的刻畫， 標(biāo)志點(diǎn)的數(shù)量取決于對象的復(fù)雜程度和形狀細(xì)節(jié)需要表現(xiàn)的程度。用標(biāo)志點(diǎn)的 笛卡爾坐標(biāo)值所表征的一維向量在數(shù)據(jù)的表示上與視覺所感知的形狀有某種 程度上的差異，很難具有對二維整體形狀的描述力，它對隱含而且近乎抽象的 形狀特征分析能力不足。此外由于標(biāo)志點(diǎn)數(shù)量過大，在特征提取和匹配方面將 導(dǎo)致較大的計(jì)算量。

因此國內(nèi)外的不少學(xué)者，針對不同的目的對輪廓的形狀分析做了深入的研 究。1972年，美國斯坦福大學(xué)的Charles?T.Zahn首先使用傅立葉描述子來描述 和識別物體的形狀特征。1995年芬蘭奧盧大學(xué)的Hannu?Kauppinen比較了各種 典型形狀識別方法的能力，指出基于物體輪廓坐標(biāo)序列的傅立葉描述子簡單、 高效，具備較好的形狀識別性能。因此，傅里葉描述子目前已經(jīng)發(fā)展成為識別 物體形狀的重要方法之一。但是傳統(tǒng)的傅立葉在形狀的描述上采用以預(yù)估半徑 和周期的方式來構(gòu)造相似形狀來逼近目標(biāo)輪廓，它的基函數(shù)為正弦和余弦函 數(shù)，在形狀邊界的快速傅立葉變換，尋找保留模與相位特性具有旋轉(zhuǎn)、平移和 尺度不變性并且魯棒的歸一化傅立葉描述子，以及去掉邊界起始點(diǎn)位置在傅立 葉描述子中的相位影響和反應(yīng)局部形狀和灰度分布信息等方面仍存在一定的 問題。

發(fā)明內(nèi)容：

基于以上現(xiàn)有技術(shù)存在的局限，本發(fā)明提出了一種基于橢圓傅立葉分解的 行人時(shí)空輪廓表示方法，該方法能夠自動(dòng)提取監(jiān)控視頻中行人的輪廓，并且解 決輪廓上標(biāo)志點(diǎn)的自動(dòng)對應(yīng)問題，并將高維的2D+time笛卡兒輪廓向量壓縮成 低維的橢圓傅立葉向量，適用于步態(tài)分析和異常行人檢測等場合。

上述本發(fā)明方法的主要核心是提出了使用橢圓傅立葉分析來把以笛卡爾 坐標(biāo)表示的形狀表示轉(zhuǎn)換成基于橢圓傅立葉分析的形狀表示。具體方案步驟如 下：

(1)輪廓壓縮前的預(yù)處理，預(yù)處理操作包括：(a)建立多分布的背景分 布模型；(b)二值化行人輪廓圖像；(c)形態(tài)學(xué)算子過濾噪聲；(d)8連通區(qū) 域跟蹤法提取原始行人高維時(shí)空輪廓。

(2)使用procrustes分析的方法，計(jì)算各個(gè)形狀之間的Procrustes距 離，通過最小化每個(gè)輪廓與平均形狀之間的誤差平方和來對齊各個(gè)輪廓。首先 選取第一個(gè)形狀作為初始樣本，使其他所有的形狀都與之對齊；然后，對計(jì)算 得到的對齊后的平均形狀進(jìn)行規(guī)一化處理，并將規(guī)一化后的平均形狀作為初始 樣本；最后，將其他在此之前對齊好的形狀與新的初始樣本對齊。重復(fù)這一對 齊過程，直到相鄰兩次的平均形狀差別小于一閾值。

(3)輪廓PCA處理：通過主分量分析(PCA)把訓(xùn)練樣本從原始的笛卡爾坐 標(biāo)空間轉(zhuǎn)換到特征空間，得到一系列相互正交的特征向量，這些特征向量張成 一個(gè)(t-1)維的形狀空間。