[发明专利]一种跨摄像头的行人轨迹匹配方法

说明书

本发明涉及一种跨摄像头的行人轨迹匹配方法，包括以下步骤：S1.提取目标摄像头的一条行人轨迹作为目标轨迹，然后将其余摄像头在该时间段内出现的所有行人轨迹作为候选轨迹；S2.使用中国连锁餐厅过程训练分层狄利克雷过程，提取所有轨迹的全局运动模式特征，同时获得目标轨迹和各条候选轨迹在全局运动模式特征上的特征权重；S3.分别计算目标轨迹特征权重与各条候选轨迹特征权重之间的余弦距离作为相似性度量，然后将余弦距离最小的候选轨迹作为目标轨迹的匹配轨迹。

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种跨摄像头的行人轨迹匹配方法。

背景技术

随着计算机技术和图像处理技术的发展，基于视频的智能监控系统得到广泛的应用，其中行人追踪技术在商业客流分析、社会公共安全监控等领域发挥着巨大的作用。由于单个摄像机的视野有限，为了扩展视野，实现行人的长距离追踪，基于多摄像头的行人追踪技术备受关注。实现多摄像头行人跟踪的一个关键技术难题是对不同摄像头视域内的行人进行匹配关联。

传统的行人追踪技术主要依靠视频中行人的表观特征进行追踪，如基于梯度直方图(HOG)特征向量的追踪方法，基于加权颜色直方图模型的粒子滤波追踪方法等。但是在多摄像头环境下，由于不同摄像机的视角差异问题，在交叠视域中观察到的行人表观特征具有很大差别，很可能一个摄像头拍到某位行人的正面，但是另外一个摄像头拍摄到的却是该行人的背面。这导致传统方法难以准确地在两个摄像头之间追踪行人。

为了解决以上问题，现有技术提供了以下几种跨摄像头的轨迹匹配方法：

1)通过欧氏距离的最大最小值判断相似性。首先将候选轨迹分为n段，目标轨迹分别计算其对应点与n段轨迹的最短距离，然后再将其与n段轨迹的最短距离中取最大距离当做候选轨迹、目标轨迹间的距离；

2)通过疑似移动对象匹配数判断相似性。获取目标轨迹的匹配基准轨迹点列表，对列表中的每个轨迹点分别获取疑似移动对象列表，统计对象列表中的匹配数，将匹配数最大的疑似移动对象当做匹配对象。

上述方案中，一方面，传统的行人追踪技术依靠视频中行人的表观特征进行追踪，但是在多摄像头环境下由于视角差异，追踪准确率有较大下降。另一方面，传统的轨迹匹配方法通过计算不同轨迹间轨迹点的欧氏距离来判断相似性，由于不同轨迹的长度经常不同(轨迹点数量不相同)，需要采取插值等手段增加虚拟轨迹点，这会引入度量误差。

发明内容

本发明为解决以上方法在进行跨摄像头追踪时由于存在视角差异导致的追踪准确率低或引入度量误差的缺陷，提供了一种跨摄像头的行人轨迹匹配方法，该方法不使用行人的视觉表观特征进行跨摄像头匹配，而是通过匹配不同摄像头的最相似轨迹来确定是否属于同一行人，解决了跨摄像头的行人追踪问题；且由于全局运动模式特征是共享的，每条轨迹在全局运动模式特征上的权重可以直接用于计算相似度，从而解决了轨迹点对齐问题。

为实现以上发明目的，采用的技术方案是：

一种跨摄像头的行人轨迹匹配方法，包括以下步骤：

S1.提取目标摄像头的一条行人轨迹作为目标轨迹，然后将其余摄像头在该时间段内存在的所有轨迹作为候选轨迹；

S2.使用中国连锁餐厅过程训练分层狄利克雷过程，提取所有轨迹的全局运动模式特征，同时获得目标轨迹和各条候选轨迹在全局运动模式特征上的特征权重；

S3.分别计算目标轨迹特征权重与各条候选轨迹特征权重之间的余弦距离作为相似性度量，然后将余弦距离最小的候选轨迹作为目标轨迹的匹配轨迹。

优选地，所述中国连锁餐厅过程训练分层狄利克雷过程，提取所有轨迹的全局运动模式特征并获得特征权重的具体过程如下：