本发明专利技术公开了一种基于多摄像机监控网络的行人识别与跟踪方法,包括:划分若干个视频包围圈;对目标行人特征提取并存储;初始化视频包围圈;利用跟踪算法获得多张待识别行人图像,对每张待识别行人图像进行特征提取;利用光照监控算法检测获得各摄像机在每帧所对应的监控画面亮度指数;计算得到待识别行人与目标行人相似度;根据计算所得相似度判断是否为目标行人,生成用于目标行人识别成功的报警信号,且根据设置的视频包围圈切换准则进行视频包围圈切换;重复执行上述步骤,以实现对目标行人进行连续识别与跟踪。本发明专利技术可完成监控任务下的联动切换,可利用多特征方式进行实时、鲁棒的目标识别与跟踪,提高识别的准确性和可靠性。
【技术实现步骤摘要】
本专利技术涉及一种基于多摄像机监控网络的行人识别与跟踪方法,属于视频监控网络的
技术介绍
随着智慧城市建设的推进和智能安防技术的革新,在视频监控系统中引入智能视频分析技术,成为节省人力物力、提高监控安全等级的有效手段。其中,行人目标是监控系统的重点关注目标,对其进行检测、识别、跟踪是智能视频分析技术的重要任务。监控系统中的摄像机视频质量参差不齐,拍摄角度和光照条件各异,出现在其中的行人有姿态、遮挡程度多变等特点。因此,对行人目标的跨摄像机连续、长期的识别和跟踪是智能视频监控领域的一大难题。目前的多摄像机联合监控技术中,主要有两大着眼点。一是行人再识别技术,致力于解决摄像机非重叠场景下目标的识别问题,致力于使用鲁棒性特征、距离度量学习等手段提高在数据集上的识别率。一方面,目前流行的深度学习技术在这方面的成功应用甚少;另一方面,实际场景中常常能获取到可疑行人目标的图像、视频、外观特征的描述等多种线索,而现有方法大多难以同时有效利用这些信息。二是多摄像机网络的时空信息运用,致力于从多摄像机网络的拓扑结构、场景关联中提取出时空信息,提高目标跨摄像机识别与跟踪的准确率。目前这一研究集中在时空信息的自动学习、跨摄像机的数据关联算法等方面,然而对计算资源有限的情况下,如何将不同摄像机组织起来,利用时空信息对视频分析任务进行连续而有效切换的研究甚少。因此,现有的多摄像机监控网络下,无法智能化地对目标进行识别和持续跟踪,及在跟踪过程中实现高效的监控切换,降低监控效率。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术的不足,提供一种基于多摄像机监控网络的行人识别与跟踪方法,解决现有的多摄像机监控网络下无法智能化地对目标进行识别和持续跟踪,及在跟踪过程中实现高效的监控切换的问题。本专利技术具体采用以下技术方案解决上述技术问题:基于多摄像机监控网络的行人识别与跟踪方法,包括以下步骤:步骤1、根据设置的视频包围圈标定准则将多摄像机监控网络中摄像机划分至若干个视频包围圈中;步骤2、对目标行人的特征进行特征提取并存储至目标行人特征库;步骤3设置其中一个视频包围圈为初始视频包围圈,及对该视频包围圈下启动行人跟踪与识别任务;步骤4、调取步骤3的视频包围圈中各摄像机的监控画面,利用多目标跟踪算法对所有监控画面中每帧的行人进行跟踪获得多张待识别行人图像,对每张待识别行人图像进行特征提取;步骤5、利用光照监控算法检测步骤4所调取视频包围圈中各个摄像机在每帧的监控画面亮度,计算获得各摄像机在每帧所对应的监控画面亮度指数;步骤6、根据所提取每张待识别行人图像中特征与所得目标行人特征、及所得各摄像机在每帧的监控画面亮度指数计算得到待识别行人与目标行人的相似度;根据所得相似度判断待识别行人是否为目标行人,当判断待识别行人为目标行人时,生成用于目标行人识别成功的报警信号,且根据设置的视频包围圈切换准则进行视频包围圈切换,以实现在视频包围圈中对该目标行人进行锁定和跟踪;步骤7、重复执行所述步骤4至6,以实现对目标行人进行连续识别与跟踪。进一步地,作为本专利技术的一种优选技术方案:所述步骤1中每个视频包围圈由一个中心摄像机和若干个边缘摄像机组成。进一步地,作为本专利技术的一种优选技术方案:所述步骤2采用基于卷积神经网络的特征提取算法提取获得目标行人特征。进一步地,作为本专利技术的一种优选技术方案:所述步骤2中目标行人特征包括目标行人脸部特征或上下半身颜色特征或上下半身纹理特征。进一步地,作为本专利技术的一种优选技术方案:所述步骤2中目标行人特征由输入的视频或图像提取,或根据直接输入的特征得到。进一步地,作为本专利技术的一种优选技术方案:所述步骤4中所利用的多目标跟踪算法,包括:步骤41、针对视频包围圈中各摄像机在每帧的监控画面采用基于积分通道特征的行人检测器对行人进行实时检测;步骤42、利用卡尔曼滤波器对所检测到的每个行人进行实时跟踪;步骤43、利用JPDA联合概率数据互联算法对每个行人进行前后时刻的数据关联;步骤44、返回执行步骤41至步骤43,以达成对视频包围圈中各摄像机在每帧的监控画面中行人连续跟踪。进一步地,作为本专利技术的一种优选技术方案:所述步骤5中所利用的光照监控算法,包括:步骤51、将视频包围圈中各个摄像机在每帧的监控画面转换至HSV颜色空间图像;步骤52、计算所转换HSV颜色空间图像的V通道归一化平均亮度值;步骤53、将步骤52所得平均亮度值作为该摄像机在每帧所对应的监控画面亮度指数。进一步地,作为本专利技术的一种优选技术方案:所以步骤6还包括设置权重以计算获得待识别行人与目标行人的相似度。进一步地,作为本专利技术的一种优选技术方案:所述步骤6还包括设置用于控制生成报警信号和用于控制视频包围圈切换的阈值。本专利技术采用上述技术方案,能产生如下技术效果:本专利技术所提供的一种基于多摄像机监控网络的行人识别与跟踪方法,该方法在多摄像机监控网络基础上设置多个视频包围圈,用以组织多摄像机网络中的摄像机,完成算法分析任务的联动切换,实现了在计算资源有限的情况下,有效利用时空信息辅助跟踪和识别任务,具有良好的实际应用价值。采用所述方法能够有效利用可疑行人的图片、视频、外观特征描述等多种输入线索,进行实时、鲁棒的目标识别与跟踪,符合实际应用中处理多种输入信息的需求。所述的方法中融合了基于深度学习的图像识别技术,避免了手动设计特征的盲目性和复杂性。附图说明图1为本专利技术基于多摄像机监控网络的行人识别与跟踪方法的流程图。图2为本专利技术中卷积神经网络结构的示意图。图3为本专利技术中视频包围圈的结构示意图。具体实施方式下面结合说明书附图对本专利技术的实施方式进行描述。如图1所示,本专利技术设计了基于多摄像机监控网络的行人识别与跟踪方法,该方法结合多摄像机监控网络,以组织多摄像机网络中的摄像机完成算法分析任务的联动切换,具体包括以下步骤:步骤1、根据设置的视频包围圈标定准则将多摄像机监控网络中摄像机划分至若干个视频包围圈中;其中,用户根据需要设置多摄像机监控网络下监控现场的摄像机位置和角度,及根据设置视频包围圈的标定准则,将多摄像机网络中的摄像机划分到多个视频包围圈中,各视频包围圈之间的摄像机可以重叠,且标定每个摄像机存在对应的监控分析区域。步骤2、对目标行人的特征进行特征提取并存储至目标行人特征库。步骤3、设置其中一个视频包围圈为初始视频包围圈,及对该视频包围圈下启动行人跟踪与识别任务;通常可以将视频包围圈所在场景的初始位置设置摄像机,以该摄像机设置为所在视频包围圈的初始位置。步骤4、调取步骤3的视频包围圈中各摄像机的监控画面,利用多目标跟踪算法对所有监控画面中每帧的行人进行跟踪获得多张待识别行人图像,对每张待识别行人图像进行特征提取。步骤5、利用光照监控算法检测步骤4所调取视频包围圈中各个摄像机在每帧的监控画面亮度,计算获得各摄像机在每帧所对应的监控画面亮度指数。步骤6、根据所提取每张待识别行人图像中特征与所得目标行人特征、及所得各摄像机在每帧的监控画面亮度指数计算得到待识别行人与目标行人的相似度;根据所得相似度判断待识别行人是否为目标行人,当判断待识别行人为目标行人时,生成用于目标行人识别成功的报警信号,且根据设置的视频包围圈切换准则进行视频包围圈切换,以实现在视频包围圈中对该目标行人进本文档来自技高网...
【技术保护点】
基于多摄像机监控网络的行人识别与跟踪方法,其特征在于,包括以下步骤:步骤1、根据设置的视频包围圈标定准则将多摄像机监控网络中摄像机划分至若干个视频包围圈中;步骤2、对目标行人的特征进行特征提取并存储至目标行人特征库;步骤3、设置其中一个视频包围圈为初始视频包围圈,及对该视频包围圈下启动行人跟踪与识别任务;步骤4、调取步骤3的视频包围圈中各摄像机的监控画面,利用多目标跟踪算法对所有监控画面中每帧的行人进行跟踪获得多张待识别行人图像,对每张待识别行人图像进行特征提取;步骤5、利用光照监控算法检测步骤4所调取视频包围圈中各个摄像机在每帧的监控画面亮度,计算获得各摄像机在每帧所对应的监控画面亮度指数;步骤6、根据所提取每张待识别行人图像中特征与所得目标行人特征、及所得各摄像机在每帧的监控画面亮度指数计算得到待识别行人与目标行人的相似度;根据所得相似度判断待识别行人是否为目标行人,当判断待识别行人为目标行人时,生成用于目标行人识别成功的报警信号,且根据设置的视频包围圈切换准则进行视频包围圈切换,以实现在视频包围圈中对该目标行人进行锁定和跟踪;步骤7、重复执行所述步骤4至6,以实现对目标行人进行连续识别与跟踪。...
【技术特征摘要】
1.基于多摄像机监控网络的行人识别与跟踪方法,其特征在于,包括以下步骤:步骤1、根据设置的视频包围圈标定准则将多摄像机监控网络中摄像机划分至若干个视频包围圈中;步骤2、对目标行人的特征进行特征提取并存储至目标行人特征库;步骤3、设置其中一个视频包围圈为初始视频包围圈,及对该视频包围圈下启动行人跟踪与识别任务;步骤4、调取步骤3的视频包围圈中各摄像机的监控画面,利用多目标跟踪算法对所有监控画面中每帧的行人进行跟踪获得多张待识别行人图像,对每张待识别行人图像进行特征提取;步骤5、利用光照监控算法检测步骤4所调取视频包围圈中各个摄像机在每帧的监控画面亮度,计算获得各摄像机在每帧所对应的监控画面亮度指数;步骤6、根据所提取每张待识别行人图像中特征与所得目标行人特征、及所得各摄像机在每帧的监控画面亮度指数计算得到待识别行人与目标行人的相似度;根据所得相似度判断待识别行人是否为目标行人,当判断待识别行人为目标行人时,生成用于目标行人识别成功的报警信号,且根据设置的视频包围圈切换准则进行视频包围圈切换,以实现在视频包围圈中对该目标行人进行锁定和跟踪;步骤7、重复执行所述步骤4至6,以实现对目标行人进行连续识别与跟踪。2.根据权利要求1所述基于多摄像机监控网络的行人识别与跟踪方法,其特征在于:所述步骤1中每个视频包围圈由一个中心摄像机和若干个边缘摄像机组成。3.根据权利要求1所述基于多摄像机监控网络的行人识别与跟踪方法,其特征在于:所述步骤2采用基于卷积神经网络的特征提取算法提取获得目标行人特征。4.根据权利要求1所述基于多摄像机监控网...
【专利技术属性】
技术研发人员:李晓飞,袁步洲,韩光,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。