[发明专利]基于视觉slam的监控视频人员定位跟踪方法及系统

说明书

本发明公开了一种基于视觉slam的监控视频人员定位跟踪方法及系统，使用深度摄像头对环境进行三维重建，得到环境的点云地图；将外参标定结合到监控摄像头的场景下，通过标定板对监控摄像头进行外参标定，得到监控摄像头的位置和姿态信息；通过监控摄像头对人员进行跟踪，利用深度神经网络识别出监控图像中的人物，基于先前标定出的位置和姿态，采用逆透视变换的原理依据监控中出现的行人在地面上的先验计算出人物的三维位置，实现在已构建的点云地图中对人员轨迹进行绘制，并使其呈现在点云地图中。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种基于视觉slam的监控视频人员定位跟踪方法及系统。

背景技术

近年来，国内外视频监控市场爆发式增长，监控发展不断趋向高清化、智能化，然而传统二维监控系统需要频繁切换监控画面，存在多种弊端。随着人工智能的发展，将有越来越多的工作能够通过机器自动完成，使得人们能够从枯燥的工作中解放出来，且提高了工作的效率。

现有技术中，对场景下的人员位置判断一般通过Wi-Fi等来进行定位。Wi-Fi定位一般采用“近邻法”判断，即最靠近哪个热点或基站，即认为处在什么位置，如附近有多个信源，则可以通过交叉定位(三角定位)，提高定位精度。用户在使用智能手机时开启过Wi-Fi、移动蜂窝网络，就可能成为数据源，需要事先记录巨量的确定位置点的信号强度，通过用新加入的设备的信号强度对比拥有巨量数据的数据库，来确定位置。

相较于Wi-fi定位的方法，被监控人员需要主动携带手持设备接收无线信号，现有的标定方法均需要移动摄像头，然而实际环境中大多数监控摄像头已经被固定到某一位置，没法采用视觉SLAM中常用的移动摄像头的标定方法来对其做标定，也就是没办法准确得到其在环境的位置在计算机中的具体表示。基于此问题，本发明采用依托于监控系统的视觉定位方法，把外参标定结合到监控摄像头的场景下，不需要移动摄像头即可对其进行外参标定，同时被定位人员不需要携带设备，只是通过摄像头拍摄到的视频图像信息，进行自动化处理，准确定位人员位置。

发明内容

本发明针对现有技术二维监控操作繁琐、不直观、效率低以及人员定位跟踪依赖手持设备等的问题，提出一种基于视觉slam的监控视频人员定位跟踪方法及系统。

为了实现上述目的，本发明提供如下技术方案：

一方面，本发明提供的一种基于视觉slam的监控视频人员定位跟踪方法，使用深度摄像头对环境进行三维重建，得到环境的点云地图；将外参标定结合到监控摄像头的场景下，通过标定板对监控摄像头进行外参标定，得到监控摄像头的位置和姿态信息；通过监控摄像头对人员进行跟踪，利用深度神经网络识别出监控图像中的人物，基于先前标定出的位置和姿态，采用逆透视变换的原理依据监控中出现的行人在地面上的先验计算出人物的三维位置，实现在已构建的点云地图中对人员轨迹进行绘制，并使其呈现在点云地图中。

进一步地，上述的基于视觉slam的监控视频人员定位跟踪方法，其特征在于，包括以下步骤：

S1、基于视觉slam的三维重建：构建场景的三维点云地图和记录外参标定所需的数据，将深度摄像头提供的RGBD图片流和惯性传感器数据，依据视觉里程计构建场景的三维点云地图并保存至文件中；在三维重建过程中，拍摄棋盘格标定板并记录此时相机的位置姿态；

S2、标定：监控摄像头拍摄一张棋盘格标定板的监控画面照片，结合步骤S1三维重建时提供的标定数据，计算出监控摄像头在三维点云地图中的位置与姿态；

S3、监控摄像头中行人的位置跟踪与计算：对人员进行跟踪，依据步骤S2得出的位置与姿态数据和监控摄像头提供的监控视频流，识别出图像中人物的位置并给出该人物在三维点云地图中的位置；

监控摄像头中行人的位置跟踪与计算方流程为：

S31、依据自身监控摄像头的种类和是否发生过移动选择是否进入姿态校正流程，是则进入步骤S32，否则进入步骤S33；