[发明专利]一种基于目标跟踪的行人徘徊检测方法

权利要求书

1.一种基于目标跟踪的行人徘徊检测方法，其特征在于依次分为3个阶段：目标提取阶段，目标跟踪阶段，徘徊判断阶段；其中：

一、目标提取阶段的具体步骤为：

(1)缩放图像

对于输入图像，其分辨率小于等于1280x720时不进行缩放处理；分辨率大于1280x720时，使用双线性差值算法将图像等比例缩放至宽度为720；所用的转换公式为：

f(i+u,j+v)＝(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1)

其中，f(x,y)表示原图像中(x,y)处的像素值，i、j分别表示x、y的整数部分，u、v表示小数部分；

(2)背景差分

(a)为图像中的每一个像素点建立包含N个样本的样本集：对于每一个像素点，随机选取其相邻点像素值作为样本值对样本集进行填充；

(b)计算图像中每个像素点与对应样本集中所有样本的距离D，距离D计算公式为：

其中，r、g、b分别为该像素点红色、绿色、蓝色通道的值，r_k、g_k、b_k分别为样本点红色、绿色、蓝色通道的值；

(c)统计每个像素点样本集中，满足D>D_th的样本点个数，记为n，若n大于N_th，则标记该像素点为背景点，否则标记为前景点；其中D_th、N_th为给定阈值；

(d)对标记为背景的像素点，以的概率去更新样本集，同时以的概率去更新其相邻像素点的样本集，更新时采用随机的方法选取要替换的样本值；

(3)计算行人目标区域

(a)将图像中的所有像素点标记为未访问；初始化区域标记C为0；

(b)对于图像中的某个前景点，若其未被访问，则令C＝C+1，将前景点标记为已访问，并且属于区域C；

(c)递归访问该点周围的四个相邻点，同样标记为已访问，且属于区域C；

(d)遍历图像中所有未访问过的前景点，重复步骤(b)、步骤(c)，直到没有未访问过的前景点；

(4)合并行人目标区域

遍历所有区域，若区域中一点到另一个区域中一点的距离l小于L_th，则将这两个区域合并为一个区域；距离l计算公式为：

其中，(x₁,y₁)和(x₂,y₂)分别表示一个像素点在图像中的坐标，L_th为给定阈值；

二、目标跟踪阶段的具体步骤为：

(1)初始化粒子滤波模型

(a)将目标区域子图像从RGB色彩空间转换为HSV色彩空间，公式如下：

v＝max(r,g,b)

其中，r、g、b分别为RGB色彩空间中三个通道的值，h、s、v分别为HSV色彩空间中三个通道的值；

(b)计算行人目标区域子图像的颜色直方图Hist，其公式如下：

Hist(h，s，v)＝N×P(h，s，v)

其中，h、s、v分别为HSV色彩空间中三个通道的值，N为子图像的大小，P(h，s，v)为概率密度函数；

(c)初始化N个粒子，公式如下：

i＝1...N

其中，(x,y)为当前图像中行人区域中心点坐标，w为行人区域宽度，h为行人区域高度，Hist为行人区域(x,y,w,h)的颜色直方图；

(2)粒子转移

(a)更新所有的粒子，公式如下：

i＝1...N

其中，C由均值为0的高斯函数采样得到，Hist′为更新后当前帧图像(x_i,y_i,w_i,h_i)区域的HSV颜色直方图，*表示前一帧图像中相应的值；

(b)计算每个粒子的权重，公式如下：

其中，δ为归一化系数，λ为常数，Hist为粒子初始化时的颜色直方图；

(3)状态更新

(a)计算第k帧行人的位置，公式如下：

(b)对权重π_i从大到小进行排序，若π_i<π_th，则丢弃π_i对应的粒子，其中π_th为给定阈值；

(c)若粒子总数小于N，则缺少的粒子用最大权重π_i对应的粒子填充；

三、徘徊判断阶段的具体步骤为：

(1)计算行人运动轨迹

(a)获取行人在每一帧的轨迹点，计算其运动区域((x_min,y_min),(x_max,y_max))，计算公式为：

其中，(x^k,y^k)为行人在第k帧中的位置；

(b)对行人的轨迹点进行中值滤波，平滑轨迹点所连成的轨迹曲线，计算公式为：

(c)计算新轨迹点各点的曲率Ωⁱ；

(2)判定徘徊行为

(a)计算行人运动轨迹长度与运动区域所在矩形对角线长度的比值，该比值计算公式为：

其中，L为行人运动轨迹长度；

(b)计算行人运动区域与监控区域面积的比值，该比值计算公式为：

其中，W、H分别为监控区域的宽度和高度；

(c)若α大于α_th且β大于β_th，则判断行人行为属于徘徊，否则执行步骤(d)；其中α_th为给定的轨迹长度阈值，β_th为给定的运动区域面积阈值；

(d)计算运动轨迹的离散曲率熵E，计算公式为：

其中，H(Ωⁱ)为离散曲率的直方图，K为轨迹点的总数；

(e)若E大于给定的曲率熵阈值E_th，则判断行人行为属于徘徊行为。