[發(fā)明專利]一種基于深度信息的ATM自助營業(yè)廳行為分析方法

在審

• 申請?zhí)枺?/td>: 201410452648.2
• 申請日: 2014-09-05
• 公開（公告）號: CN104268851A
• 公開（公告）日: 2015-01-07
• 發(fā)明（設(shè)計）人: 尚凌輝;高勇;王弘玥;劉家佳;余天明;施展
• 申請（專利權(quán)）人: 浙江捷尚視覺科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/20;H04N7/18
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 杜軍

1.一種基于深度信息的ATM自助營業(yè)廳行為分析方法，以多個吸頂安裝、垂直朝地面拍攝的雙目相機(jī)為采集硬件，在深度信息和彩色信息的基礎(chǔ)上，采用了背景建模，目標(biāo)分割，運(yùn)動分析，實現(xiàn)對監(jiān)控區(qū)域內(nèi)人體行為的分析，其特征在于該方法具體包括以下步驟：

步驟1：采用雙目相機(jī)作為深度信息的獲取設(shè)備，輸出為幀率25FPS的CIF分辨率的深度圖，深度圖中，每個像素的取值范圍為0-255，值越大表示該像素所代表的目標(biāo)距離鏡頭越近；

步驟2：對深度圖進(jìn)行背景建模，并隨著場景的變化，學(xué)習(xí)更新每個像素的混合高斯模型，確定背景分布，具體是：

首先對深度圖進(jìn)行背景建模，用由K個高斯成分組成的混合高斯模型表示像素在時間域上的概率分布模型，即深度圖中像素j在t時刻取值為x_j的概率為:

P(xj)=Σi=1Kωj,ti·η(xj;μj,ti,Σj,ti)]]>

其中表示在t時刻像素j的混合高斯模型中的第i個高斯成分的權(quán)重，表示第i個高斯成分的均值，表示第i個高斯成分的協(xié)方差，η表示高斯概率密度函數(shù)：

η(xj;μj,ti,Σj,ti)=1(2π)d/2|Σj,ti|1/2exp[-12(xj-μj,ti)T(Σj,ti)-1(xj-μj,ti)]]]>

其中d為x_j的維數(shù)；

然后隨著場景的變化，學(xué)習(xí)更新每個像素的混合高斯模型；

最后像素j的混合高斯模型描述了其特征值x_j在時間域上的概率分布，為了確定像素的混合高斯模型里哪些高斯成分是由背景產(chǎn)生的，根據(jù)每個高斯成分的權(quán)重與其標(biāo)準(zhǔn)差之比排序后，取前B_j個高斯成分作為背景的分布，B_j根據(jù)下式計算

Bj=argminb(Σi=1bωj,t+1i>M)]]>

閾值M度量了背景高斯成分在像素的整個概率分布中所占得最小比例；

步驟3：利用深度圖背景模型，進(jìn)行前景目標(biāo)檢測，即對每幀新深度圖中的每個像素，求其在每個背景混合高斯模型中的概率值：

P(xj)=Σi=1Kωj,ti·η(xj;μj,ti,Σj,ti)]]>

若概率最大值小于閾值，則認(rèn)為當(dāng)前像素為前景點，說明可能有人體；

步驟4：對前景深度圖，利用DENCLUE算法進(jìn)行聚類分割，將原本聯(lián)通的深度圖分割成若干個區(qū)域，每個區(qū)域代表一個目標(biāo)；

步驟5：對每個相機(jī)中的每個人體區(qū)域中的像素，利用其深度信息進(jìn)行到地面上的投影，然后利用多相機(jī)偏移標(biāo)定，進(jìn)行投影后目標(biāo)的關(guān)聯(lián)，從而在全局坐標(biāo)系上實現(xiàn)多相機(jī)下的目標(biāo)檢測；

步驟6：對于每個相機(jī)每幀深度圖，重復(fù)步驟2-5的處理，每幀都會得到一組全局坐標(biāo)系下的目標(biāo)檢測結(jié)果，再利用光流預(yù)測和面積匹配的方法進(jìn)行幀間關(guān)聯(lián)，從而得到每個目標(biāo)在全局坐標(biāo)系的跟蹤軌跡；

步驟7：結(jié)合ATM區(qū)域和跟蹤軌跡，實現(xiàn)“取款尾隨”、“徘徊”或“駐留”的行為分析；

步驟8：對每個目標(biāo)進(jìn)行光流場的計算，評價其光流場的混亂程度和速度，實現(xiàn)“打斗”和“打砸ATM”的行為分析；

步驟9：對每個目標(biāo)的歷史高度進(jìn)行統(tǒng)計，形成以時間為x軸，以高度為y軸的波形，在對其進(jìn)行濾波后，檢測波形中是否存在一個下降沿，實現(xiàn)對“倒地”的行為分析。