[发明专利]基于平面单应矩阵约束的多摄像机高密度人群分割方法

说明书

技术领域

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

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。

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，研究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

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割，从而获取场景高密度人群中所有单个人体的分割结果。

为实现上述目的，本发明的技术方案为：

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。

优选地，所述S10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l层，对应分层平面分别为Π_j(j＝1，2，3，...，l)；

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I₁之间，对应第j个分层Π_j的单应矩阵其中i＝2，3，...，n，n为摄像机个数。

优选地，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I_i(t)，其中i＝1，2，3，...，n，n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X_i；

S202，针对某一个分层平面Π_j，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I₁(x)、以及其所有对应点的灰度值取出，共同构成x的Π_j平面对应点灰度值向量