[發明專利]大范圍優先的跨攝像機視覺目標再識別方法

有效

• 申請號: 201480000159.1
• 申請日: 2014-04-30
• 公開（公告）號: CN104094279B
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 黃凱奇;曹黎俊;陳威華
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京慧誠智道知識產權代理事務所(特殊普通合伙)11539
• 代理人: 李楠

技術領域

本發明涉及視頻監控與模式識別領域，尤其涉及一種大范圍優先的跨攝像機視覺目標再識別方法。

背景技術

隨著社會現代化建設的快速發展，人們對社會安全的關注也越來越高，特別是對于一些公共場所，如學校，醫院和政府機關等的監控。如今數以千計的攝像機被用于公共場所的日常監控，這些攝像機每天產生著大量的視頻數據。但是，作為傳統的視頻監控系統由于需要人為的監視，因而存在著很多難以克服的問題。

首先，現有的視頻監控都需要有人在視頻前實時監視，沒法實現自動監控報警，很容易長時間監視而造成人員的過度疲勞。同時，由于監控范圍的原因，通常需要監控人員同時進行多路監控，往往會應接不暇。這就需要智能化視頻監控。

而智能視頻監控的核心技術，大范圍監控場景下的視覺目標再識別技術也一直是計算機視覺領域的研究熱點之一，基于多場景目標跟蹤的視覺目標再識別也是吸引了很多學者的研究。多場景下的目標跟蹤不僅能實現對公共場所行人的監控跟蹤，同時，也為進一步的高級處理(如行為識別)提供了更有用的價值信息。傳統的多場景目標跟蹤算法主要分兩步：第一步是先完成單場景下多目標的跟蹤，得到每個單場景下各個目標的完整軌跡；第二步跨場景目標接力，通過場景間的時空信息實現場景間的軌跡連接，完成目標接力。從這兩步可以看出，跨場景目標接力是以單場景的目標跟蹤為基礎的，其輸入來源于單場景跟蹤的結果。也就是說，當單場景跟蹤結果達不到一定 標準時，跨場景接力效果直接會受到很大的影響。而現今的單場景目標跟蹤算法在實際應用中都會長生大量的斷裂的零碎軌跡和錯誤的干擾軌跡，都還沒有達到可以用于跨場景接力的標準。這就使得跨場景接力算法的效果無法得到保證，最終導致實際場景中的多場景的目標跟蹤難以實現。傳統的跨場景接力算法都是假設單場景跟蹤效果已經足夠理想，以此作為算法輸入，因而其在實際應用中接力效果相對較差。那么如何在單場景目標跟蹤效果不好的情況下，提高跨場景接力準確率，從而完成基本的多場景目標跟蹤以實現目標的再識別成為了一個急需解決的問題。

發明內容

本發明的目的是針對現有技術的缺陷，提供一種大范圍優先的跨攝像機視覺目標再識別方法，解決大范圍監控場景下的目標再識別問題，識別正確率高。

為實現上述目的，本發明提供了一種大范圍優先的跨攝像機視覺目標再識別方法，所述方法包括：

步驟S1，獲得單場景目標的初始軌跡；

步驟S2，計算每條軌跡的分段主顏色譜直方圖特征，得到軌跡特征表達；

步驟S3，利用最小化不確定度的方法得到任意兩條軌跡間匹配度的計算公式，從而得到任意兩條軌跡間匹配度；

步驟S4，對所有軌跡采用最大后驗概率的方法進行全局數據融合得到跨場景的跟蹤結果。

進一步的，所述步驟S1中，對每一軌跡，所有幀的置信度的平均值被用來表示該軌跡的軌跡準確度：

其中，置信度α表示對于每一幀的跟蹤結果，α<0.2表示跟蹤目標丟失， t_s和t_e分別為該軌跡的起始幀和結束幀；

最后形成的所有目標軌跡的集合為L＝{l₁,l₂,...,l_N}，N為軌跡綜述，每一條軌跡l_i＝[x_i,c_i,s_i,t_i,a_i]，分別表示軌跡的位置，準確度，所屬場景，時間和表觀特征。

進一步的，所述步驟S2具體包括：

計算每幀中目標的顏色直方圖，然后根據其H和S值，將顏色分為16*2個顏色，從中選取前n個顏色值作為該目標該幀的特征：

h＝{C₁,C₂,..,C_n}(2)

其中，C_i為前n種像素數之和占總像素數比例的90％以上的顏色，每一條軌跡的總特征為：

其中，m_k為軌跡k的長度；

對總特征H中的所有特征hi，利用計算相互間的相似度Λ＝Sim(h_i,h_j)，通過其軌跡中每幀間的相似度信息找到運動周期，利用周期對原來軌跡特征H進行重新分段，通過下式得到總特征H中可能存在的周期性信息p：

利用周期性信息p對將軌跡重新進行均勻分段，至此得到軌跡的分段主顏色譜直方圖特征：