[发明专利]视频结构化描述中的行人定位方法及其装置

说明书

本发明公开了一种视频结构化描述中的行人定位方法及其装置，所述方法包括：训练行人识别器，以及依据摄像机投影模型建立图像坐标系与世界坐标系之间的映射关系；基于多高斯模型的背景建模得到运动的前景块，并对每一个运动目标进行跟踪；对具有跟踪稳定的目标的前景块提取每个行人的头部顶点坐标；依据所述映射关系计算所述每个行人的头部顶点坐标在图像坐标系下的行人识别窗口大小；对于每一个行人识别窗口，依据所述行人识别器进行基于局部梯度直方图HOG特征的adaboost行人检测处理，以此定位行人的位置。采用本发明，能够实现在有阴影等干扰或者多个目标粘连的情形下的对视频结构化描述中的行人精确定位，有效地提高了视频结构化描述的质量。

技术领域

本发明涉及视频监控技术领域，具体而言，涉及一种视频结构化描述中的行人定位方法及其装置。

背景技术

当前，在视频监控领域，监控摄像头已越来越多地遍布在大小城市的每个街头，昼夜不停地监控和录像。其在改善社会治安的同时，也产生了大量的视频信息，对于这些视频信息的处理便意味着将耗费大量的人力、物力、时间和成本，从而使目前的视频监控面临着深度应用的巨大挑战。

其中，其深度应用瓶颈之一便在于视频信息如何高效率的提取，以及如何同其他信息系统进行标准数据交换、互联互通及语义互操作。基于此，现有技术中提出的用以解决这一问题的核心技术即为视频结构化描述技术。其用视频结构化描述技术改造传统的视频监控系统，使之形成新一代的、智慧化的、语义化的视频监控系统。

目前视频结构化处理流程主要包括：

步骤1、建立背景模型，检测出运动目标前景；

步骤2、去除阴影等干扰；

步骤3、多目标跟踪；

步骤4、目标分类(例如，人或车)；

步骤5、提取人和车的一些结构化描述信息。

理论上，采用这类算法流程进行视频结构化处理也不会产生问题。但在实际应用当中，当目标粘连在一起时，比如两个人粘连在一起时，此时基于该算法流程则无法提取关于人的描述信息。又或者，在某些情形之下，由于强阴影很难去除干净，当阴影等干扰没有去除干净时，采用该算法流程会导致目标的描述产生偏差。

发明内容

基于此，本发明实施例的目的在于提供一种视频结构化描述中的行人定位方法及其装置。

为了达到本发明的目的，本发明采用以下技术方案实现：

一种视频结构化描述中的行人定位方法，其包括：

训练行人识别器，以及依据摄像机投影模型建立图像坐标系与世界坐标系之间的映射关系；

基于多高斯模型的背景建模得到运动的前景块，并对每一个运动目标进行跟踪；

对具有跟踪稳定的目标的前景块提取每个行人的头部顶点坐标；

依据所述映射关系计算所述每个行人的头部顶点坐标在图像坐标系下的行人识别窗口大小；

对于每一个行人识别窗口，依据所述行人识别器进行基于局部梯度直方图HOG特征的adaboost行人检测处理，以此定位行人的位置。

优选地，训练行人识别器的步骤包括：

采集大量的各种背景和光照条件下的行人和非行人样本；

计算每一个样本的局部梯度直方图特征；

依据计算出的样本的局部梯度直方图特征，采用基于开源发行的跨平台计算机视觉库opencv自带的adaboost训练器训练出行人识别器。

优选地，依据摄像机投影模型建立图像坐标系与世界坐标系之间的映射关系的方法为：