[发明专利]一种监控视频中人群小群体分割方法有效
申请号: | 201410668260.6 | 申请日: | 2014-11-21 |
公开(公告)号: | CN104392445B | 公开(公告)日: | 2017-10-31 |
发明(设计)人: | 章东平;孙敏;徐凯航;李文婷 | 申请(专利权)人: | 中国计量学院 |
主分类号: | G06T7/246 | 分类号: | G06T7/246;G06K9/00;G06K9/66 |
代理公司: | 杭州浙科专利事务所(普通合伙)33213 | 代理人: | 吴秉中 |
地址: | 315470 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 监控 视频 人群 群体 分割 方法 | ||
1.一种监控视频中人群小群体分割方法,包括如下步骤:
(一)对监控视频中每帧图像进行行人检测及跟踪,获得行人运动特征;
(二)获取视频图像中每个行人原子行为特征;
(三)构建每对行人的运动特征关联度能量函数;
(四)根据行人交互关联度计算行人隶属度值寻找人群集合,完成小群体分割;步骤(一)包括如下步骤:(1)行人检测:对视频的每一帧采用基于梯度方向直方图(HOG)特征的行人检测算法进行行人检测,使用人体对称性检测筛选出行人候选区域,再结合HOG特征和SVM分类器对候选区域进行验证;
(2)行人跟踪及轨迹提取:采用多目标跟踪方法,定义一个能量函数来奖励合理的轨迹,惩罚不合理的轨迹,由轨迹的观察一致性、速度守恒性、位置互斥性、轨迹连续性这一系列的特征,使用一个合理的优化方法来找到能量函数的最小值,从而得到行人运动的轨迹,然后,运用帧差法求得行人的速度大小和方向特征;
步骤(二)包括如下步骤:
(1)计算优化后行人行为特征
通过一个行人特征优化矩阵A来提高行人特征的鲁棒性,令Y=ATX,计算得到的Y为经过优化后的行人行为特征,通过行人检测及跟踪获得的行人速度大小、方向、轨迹特征、描述行人姿势的梯度方向直方图特征作为行人行为描述子,即单一行人行为时空特征X;
(2)训练行人特征优化矩阵A
行人特征优化矩阵A的行人行为特征函数为:
其中,α,β为常数;ω代表四个摄像头参数,ω=1是视角参数、ω=2是分辨率参数、ω=3表示可视距离,ω=4表示光照参数;使行人行为特征函数最大的矩阵即为我们所求的优化矩阵A;为相似度函数,是通过优化后行人行为特征Y计算两种行为m、n的相似度,si(m,n)是在i不同取值下的相似度函数,表示在摄像头参数ω下,具有相同的参数值i并且与m是同类行为的集合,表示在摄像头参数ω下,具有不同的参数值且与m是同类行为的集合,表示在摄像头参数ω下,与m是不同类行为的集合;
(3)获取单人原子行为特征
将优化后的行人行为特征采用分层狄利克雷混合模型获取行人单人原子行为类别数,然后根据潜在狄利克雷分布模型,计算行人单人原子行为直方图,来表征行人单人原子行为特征;
步骤(三)包括如下步骤:
(1)令相似的关联度因子中z(·)是关于F(·)的减函数,其中,表示第u个行人在t时刻的轨迹、运动方向、速度大小、原子行为四个行人特征,表示第v个行人在t+1时刻的轨迹、运动方向、速度大小、原子行为四个行人特征;
(2)计算每对行人轨迹关联度能量函数
其中lu为行人u的轨迹长度,lv为行人v的轨迹长度,为行人u在t时刻轨迹在x方向的分量,为行人u在t时刻轨迹在y方向的分量,为行人v在t时刻轨迹在x方向的分量,为行人v在t时刻轨迹在y方向的分量;
(3)计算每对行人速度大小关联度能量函数
其中Vu为行人u的速度大小,Vv为行人v的速度大小,为行人u在t时刻的速度大小,为行人u在t+1时刻的速度大小,为行人v在t时刻的速度大小,为行人v在t+1时刻的速度大小;
(4)计算每对行人速度方向关联度能量函数
其中,ωu为行人u的速度方向角度值,ωv为行人v的速度方向角度值,为行人u在t时刻的速度方向角度值,为行人u在t+1时刻的速度方向角度值,为行人v在t时刻的速度方向角度值,为行人v在t+1时刻的速度方向角度值;
(5)计算每对行人单人原子行为关联度能量函数为
其中,bu为行人u的原子行为特征,bv为行人v的原子行为特征,为行人u在t时刻的原子行为特征,为行人u在t+1时刻的原子行为特征,为行人v在t时刻的原子行为特征,为行人v在t+1时刻的原子行为特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国计量学院,未经中国计量学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410668260.6/1.html,转载请声明来源钻瓜专利网。