基于平面单应矩阵约束的多摄像机高密度人群分割方法
【专利摘要】本发明实施例公开了一种基于平面单应矩阵约束的多摄像机高密度人群分割方法，包括以下按先后顺序进行的两个步骤：S10，借助标定工具，在实际应用场景中进行多摄像机的标定，完成人体头部区域所在空间的分层，以及多摄像机间针对每个分层的单应矩阵的获取；S20，输入多个摄像机针对同一场景拍摄的人群视频序列中的对应同一时刻的多帧灰度图像，完成基于空间任意平面单应矩阵约束的多人体头部分割，输出场景人群中每个人体头部区域的分割结果。本发明提出的方法进行多人体分割时，分割的歧义性将大幅降低，进而使得人体分割算法的性能得到显著提升。
【专利说明】基于平面单应矩阵约束的多摄像机高密度人群分割方法
【技术领域】
[0001] 本发明属于图像处理与模式识别【技术领域】，特别地涉及一种基于平面单应矩阵约 束的多摄像机高密度人群分割方法。
【背景技术】
[0002] 随着计算机技术和视频/图像处理技术的不断发展，视频监控技术在日常生活和 工作中的应用越来越广泛。同时，智能视频监控系统在多个军事、工业以及民用领域中的重 要性也日益体现出来。而在大多数视频监控的应用领域中，人都是场景中的活动主体，因而 如何从场景中识别出运动人体，并实现对同一运动人体的跟踪，进而完成对运动人体的运 动分析和行为理解等就成为大多数视频监控系统的主要任务。为完成该任务，涉及多项关 键技术，包括摄像机标定、人体运动建模、模式识别、人体检测、人体跟踪、行为识别与描述 等。其中，由于人体分割的结果将对后续的各种高级处理，如人体跟踪、姿态估计、行为分析 以及行为理解等产生直接影响，因此，人体分割算法在以人为监控目标的视频监控系统中 的地位非常重要，其完成质量直接决定了该视频监控系统的性能。
[0003] 在视觉人体分割领域，由于待分割的多个人体随时可能出现自遮挡、相互遮挡，以 及被背景物体所遮挡等复杂情况，因而人群中多个人体的分割一直是个难点。近些年来，针 对多个人体目标的检测与分割问题，研宄工作主要集中于单摄像机分割和多摄像机分割两 类方法之中。其中，基于单摄像机的人体分割方法由于应对遮挡能力有限，通常情况下仅适 用于多个人体分布较为分散，仅存在部分遮挡的应用场合，对于长时间处于相互遮挡的高 密度人群中的人体分割问题，该类方法难以胜任。与单摄像机系统相比，使用多摄像机进行 人体分割时，可在扩大视野有效范围的同时提供多个不同的视角以利于各类遮挡问题的解 决，因此基于多摄像机的人体分割方法通常具有更好的分割效果，然而现有多摄像机方法 由于多摄像机间标定要求高、模型简单以及特征区分度不明显等原因，仅在应对中等密度 人群的人体分割问题时具有较好的结果，而在处理高密度人群的人体分割问题时，由于遮 挡情况加剧，分割效果不佳。
【发明内容】
[0004] 为解决上述问题，本发明的目的在于提供一种基于平面单应矩阵约束的多摄像机 高密度人群分割方法，该方法首先借助标定算法获得多摄像机之间针对不同分层平面的单 应矩阵，然后利用成像点在多摄像机之间的单应矩阵对应关系实现多个人体头部区域的分 害J，从而获取场景高密度人群中所有单个人体的分割结果。
[0005] 为实现上述目的，本发明的技术方案为：
[0006] 一种基于平面单应矩阵约束的多摄像机高密度人群分割方法，包括以下按先后顺 序进行的两个步骤：
[0007] S10,借助标定工具，在实际应用场景中进行多摄像机的标定，完成人体头部区域 所在空间的分层，以及多摄像机间针对每个分层的单应矩阵的获取；
[0008] S20，输入多个摄像机针对同一场景拍摄的人群视频序列中的对应同一时刻的多 帧灰度图像，完成基于空间任意平面单应矩阵约束的多人体头部分割，输出场景人群中每 个人体头部区域的分割结果。
[0009] 优选地，所述SlO进一步包括以下步骤：
[0010] S101，通过试验方式获得对分割结果影响最小的身高分辨率和身高范围，并在该 分辨率和范围内对人体头部区域所在空间进行分层，设最终头部区域共分为1层，对应分 层平面分别为II jU = 1，2,3, . . .，1);
[0011] S102,选定某视角图像作为参考图像I1，对应摄像机为参考摄像机，借助标定工 具，通过标定算法获取第i个摄像机获取的图像I i与参考图像I i之间，对应第j个分层Π 」 的单应矩阵#/a，其中i = 2, 3, . . .，η，η为摄像机个数。
[0012] 优选地，所述S20进一步包括以下步骤：
[0013] S201，设某一时刻t输入的所有视角图像为IJt)，其中i = 1，2,3，...，11，11为摄 像机个数，对所有视角图像进行混合高斯背景建模，借助背景减法去除背景像素，获得所有 可能的前景像素点集合Xi;
[0014] S202,针对某一个分层平面Πρ扫描参考图像I1的所有前景像素点X1，若某前景 点X在其他各视角图像中的对应点不全为前景点，则X将直接被分割为非头部区域 点；反之，将X的灰度值I 1 (X)、以及其所有对应点的灰度值取出，共同构成X的IIj 平面对应点灰度值向量
[0015]
【权利要求】
1. 一种基于平面单应矩阵约束的多摄像机高密度人群分割方法，其特征在于，包括以 下按先后顺序进行的两个步骤： S10,借助标定工具，在实际应用场景中进行多摄像机的标定，完成人体头部区域所在 空间的分层，以及多摄像机间针对每个分层的单应矩阵的获取； S20,输入多个摄像机针对同一场景拍摄的人群视频序列中的对应同一时刻的多帧灰 度图像，完成基于空间任意平面单应矩阵约束的多人体头部分割，输出场景人群中每个人 体头部区域的分割结果。
2. 根据权利要求1所述的基于平面单应矩阵约束的多摄像机高密度人群分割方法，其 特征在于， 所述SlO进一步包括以下步骤： S101，通过试验方式获得对分割结果影响最小的身高分辨率和身高范围，并在该分辨 率和范围内对人体头部区域所在空间进行分层，设最终头部区域共分为1层，对应分层平 面分别为Π j (j = 1，2,3，...，1); S102,选定某视角图像作为参考图像I1，对应摄像机为参考摄像机，借助标定工具，通 过标定算法获取第i个摄像机获取的图像Ii与参考图像I i之间，对应第j个分层Π j勺单 应矩阵其中i = 2,3, . . .，η，η为摄像机个数。
3. 根据权利要求2所述的基于平面单应矩阵约束的多摄像机高密度人群分割方法，其 特征在于，所述S20进一步包括以下步骤： S201，设某一时刻t输入的所有视角图像为IJt)，其中i = 1，2,3，...，η，η为摄像机 个数，对所有视角图像进行混合高斯背景建模，借助背景减法去除背景像素，获得所有可能 的前景像素点集合Xi; S202,针对某一个分层平面1^_，扫描参考图像I1的所有前景像素点X1，若某前景点X在 其他各视角图像中的对应点巧'不全为前景点，则X将直接被分割为非头部区域点；反之， 将X的灰度值I1 (X)、以及其所有对应点的灰度值取出，共同构成X的Π 」平面对应 点灰度值向量
同时给定相关性阈值T。，并借助灰度相关性算法计算内各灰度值之间的相关性， 若元_(幻的灰度相关性高于Τ。，则X被分割为头部区域点，否则X被分割为非头部区域点； S203,11中的所有前景像素点X i分割完成后，借助聚类算法获得分层平面Π ^内的所有 头部区域Ψ』； S204,针对下一分层平面重复步骤S202和S203,直至所有分层平面处理完毕，获得场 景中所有人体头部区域的分割结果。
【文档编号】G06T7/00GK104517292SQ201410820519
【公开日】2015年4月15日 申请日期:2014年12月25日 优先权日:2014年12月25日
【发明者】于海滨, 张莉, 顾梅园 申请人:杭州电子科技大学