基于超像素和圖模型的粘連人群分割與跟蹤方法技術

本發明專利技術實施例公開了一種基于超像素和圖模型的粘連人群分割與跟蹤方法，用于擁擠人群的目標分割和跟蹤，魯棒性好，適應性強，能夠精準地提取每個目標的輪廓，能為后續數據處理提供干凈的數據。其包括以下步驟：對原始輸入視頻圖像進行目標檢測和跟蹤得到各個目標的頭部位置信息，其中包括運動前景；對運動前景進行超像素預分割獲取前景超像素分割圖；根據人體先驗形狀信息和顏色信息在前景超像素分割圖上構建一個加權圖模型，通過尋找最優路徑的方法找到粘連目標之間的最佳分割邊界。

【技術實現步驟摘要】

本專利技術屬于圖像數字處理
，特別地涉及一種。
技術介紹
近年來，隨著國民經濟的快速增長、社會的迅速進步和綜合國力的不斷增強，銀行、電力、交通、安檢以及軍事設施等領域對安全防范和現場記錄報警系統的需求與日俱增，要求越來越高，視頻監控在生產生活各方面得到了非常廣泛的應用。需要人工值守的視頻監控系統在許多方面已經顯示出它的不適應性，如果想要在海量的視頻數據中快速找出想要的內容，需要浪費大量的人力資源，而且當操作人員連續監視屏幕超過20分鐘時，他的注意力將會下降到一個很低的水平，容易遺漏大部分的視頻信息。因此，視頻監控的“智能化”就顯得尤為重要。智能視頻監控是在數字化、網絡化基礎上發展起來的一種更高端的監控技術，它利用計算機視覺技術對視頻信號進行處理、分析和理解，在不需要人為干預的情況下，通過對序列圖像自動分析對監控場景中的變化進行定位、識別和跟蹤，并在此基礎上分析和判斷目標的行為，實現內容分析、事件偵測，能在異常情況發生時及時產生警報或控制信號，同時系統也能記錄視頻數據，并對記錄進行智能搜索，生成結果分析報告。例如對于一個監控行人的智能系統，其任務是分析被監控對象的行為信息或是身份信息。通常該類系統采用的方案是:首先將目標從背景中提取出來；然后根據目標的四肢、軀干、紋理等特征綜合地分析人的行為。將目標從背景中提取出來就是一個分割的過程。視頻對象分割是圖像處理技術的難題之一，也是圖像分析、模式識別和計算機視覺等高級圖像操作的關鍵步驟，圖像分割的結果在很大程度上影響著后期圖像處理效果和質量。在實際場景中，由于拍攝角度、陰影、以及人體目標之間的相互接觸，會造成一個運動塊對應多個人，這對于單個目標的準確分割是一個嚴峻的挑戰。近年來，學者們對此進行了大量的研究并提出許多可行的方法，但都存在著一些弊端。常見的粘連人群分割方法有以下幾種:(I)基于投影的分割方法該方法將運動前景向垂直方向投影，根據人體的形狀特征，分割人體目標，但該方法將人體當成一個矩形來分割，無法有效獲得目標的完整輪廓，而且當多個人處在同一垂直線上時，由于投影的峰谷特征不明顯，難以實現準確分割。(2)基于人體模型的分割方法該方法一般要先構造多個人體姿態模型模擬人的行走姿態，通過對身體部分進行分級匹配獲得較精確的目標姿態模型。該方法設計的目標模型個數多，導致模型匹配的計算量大，算法復雜。而且僅能依據所匹配的目標姿態模型對人體目標進行粗略的分割，無法提取精確的目標輪廓。(3)基于多攝像機協作拍攝的分割方法該方法使用多個相互遠離的同步監控攝像機，采用寬基線區域立體視覺算法和區域特征匹配算法，從多個二維圖像中恢復出目標的姿態信息。這種方法在實際應用中存在費用高、安裝調試繁瑣等缺點。故，針對目前現有技術中存在的上述缺陷，實有必要進行研究，以提供一種方案，解決現有技術中存在的缺陷，避免造成人體目標無法準確分割，對后續數據處理提供的數據不準確。
技術實現思路
為解決上述問題，本專利技術的目的在于提供一種，該方法用于擁擠人群的目標分割和跟蹤，魯棒性好，適應性強，能夠精準地提取每個目標的輪廓，能為后續數據處理提供干凈的數據。為實現上述目的，本專利技術的技術方案為:一種，包括以下步驟:S11，對原始輸入視頻圖像進行目標檢測和跟蹤得到各個目標的頭部位置信息，其中包括運動前景；S12，對運動前景進行超像素預分割獲取前景超像素分割圖；S13，根據人體先驗形狀信息和顏色信息在前景超像素分割圖上構建一個加權圖模型，通過尋找最優路徑的方法找到粘連目標之間的最佳分割邊界，具體步驟為:S131，構建一個人體形狀模型，并對人體目標進行模板匹配；S132，根據前景超像素分割圖上的邊與目標模型的形狀差異性構建邊界的形狀權重；S133，根據前景超像素分割圖上每條邊相鄰區域像素塊之間的顏色差異構建邊界的顏色權重；S134，確定一個分割起始點和結束點，在加權圖上找到代價最小的路徑，即為粘連人體的最佳分割邊界。優選地，步驟Sll具體包括以下步驟:S111，對原始輸入視頻序列圖像進行背景建模，通過背景差分法，獲得運動目標，此時得到目標前景為I背景為O的二值圖像，對二值圖像進行區域投影，并對投影進行平滑處理，篩選出符合條件的波峰點，并將這些波峰點與前一幀的目標頭頂預測點的位置進行匹配，獲得當前圖像新出現的頭頂候選點；S112，對新出現的頭頂候選點周圍區域進行頭部檢測，剔除誤檢測點，獲得真實的頭頂點；S113，對目標頭部進行跟蹤，并對目標頭部頂點在下一幀的位置進行預測。優選地，步驟S132，根據前景超像素分割圖上的邊與目標模型的形狀差異性構建邊界的形狀權重具體包括以下步驟:S1321，根據頭頂點的位置，尋找目標的腳底點的位置，當腳底點被遮擋時，對目標的身高進行估計，從而獲得目標腳底點的估計位置，通過腳底點的位置估計目標間的前后位置關系；S1322，對目標進行模板匹配；S1323，計算超像素分割圖上的每條邊和目標先驗形狀的差異程度，具體算法實現采用了基于形狀上下文方法對兩段曲線進行差異性度量，并加入歐氏距離算法對分割圖上的邊和目標先驗形狀的空間距離進行衡量。優選地，步驟S133，根據前景超像素分割圖上每條邊相鄰區域像素塊之間的顏色差異構建邊界的顏色權重具體包括以下步驟:S1331，將RGB三個顏色通道的每個顏色通道均勻量化為η個等級，三個通道總共可以量化為η3個區間；S1332，計算每個區間的直方圖；S1333，采用巴氏系數測量相鄰區域的相似度。與現有技術相比，本專利技術的有益效果如下:(I)本專利技術實施例將檢測和跟蹤聯合起來，可以避免漏檢、錯檢等情況，提高頭部檢測的準確性，可以檢測出每個目標的頭部區域，實現目標的精確定位；(2)本專利技術實施例利用人體先驗形狀和相鄰區域的顏色信息，在超像素分割圖上找到粘連目標的最優分割邊界，在超像素分割圖上每一條邊都有兩塊與之相鄰的像素塊，這兩塊區域的顏色越相似那么它們之間的共同邊界越不可能成為分割邊界，同時，邊的形狀和人體先驗模型越接近越有可能成為分割邊界。根據上述的顏色信息和形狀信息對每條邊進行權重計算，構建一個加權圖模型，通過最短路徑算法，得到粘連目標的最佳分割邊界。使用該方法找到的分割線貼合人體輪廓，具有較好的分割結果，能為后續處理提供干凈的數據。附圖說明圖1為本專利技術實施例的的流程圖；圖2為本專利技術實施例的的S13的子流程圖；圖3為一具體應用實例中的原始圖像；圖4為圖3經檢測后得到的運動前景圖像；圖5為圖4所示的目標頭部檢測的結果圖；圖6為運動前景超像素分割結果圖；圖7為人體模型圖；圖8為目標頭頂點、分割起始點以及結束點的位置示意圖；圖9為模板匹配的結果圖；圖10為圖4所示的粘連人體分割線的結果圖；圖11為圖4的最終分割結果圖；圖12a為現有技術中的投影法的分割效果圖；圖12b為現有技術中的基于人體模型的分割效果圖；圖12c為利用本專利技術實施例的方法的分割效果圖。具體實施例方式為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本專利技術，并不用于限定本專利技術。相反，本專利技術涵蓋任何由權利要求定義的在本專利技術的精髓和范圍上做的替代、修改、等效方法以及方案。進一步，為了使公眾對本專利技術有更好的了解，本文檔來自技高網...

【技術保護點】
一種基于超像素和圖模型的粘連人群分割與跟蹤方法，其特征在于，包括以下步驟：S11，對原始輸入視頻圖像進行目標檢測和跟蹤得到各個目標的頭部位置信息，其中包括運動前景；S12，對運動前景進行超像素預分割獲取前景超像素分割圖；S13，根據人體先驗形狀信息和顏色信息在前景超像素分割圖上構建一個加權圖模型，通過尋找最優路徑的方法找到粘連目標之間的最佳分割邊界，具體步驟為：S131，構建一個人體形狀模型，并對人體目標進行模板匹配；S132，根據前景超像素分割圖上的邊與目標模型的形狀差異性構建邊界的形狀權重；S133，根據前景超像素分割圖上每條邊相鄰區域像素塊之間的顏色差異構建邊界的顏色權重；S134，確定一個分割起始點和結束點，在加權圖上找到代價最小的路徑，即為粘連人體的最佳分割邊界。

【技術特征摘要】
1.一種基于超像素和圖模型的粘連人群分割與跟蹤方法，其特征在于，包括以下步驟: S11，對原始輸入視頻圖像進行目標檢測和跟蹤得到各個目標的頭部位置信息，其中包括運動前景； S12，對運動前景進行超像素預分割獲取前景超像素分割圖； S13，根據人體先驗形狀信息和顏色信息在前景超像素分割圖上構建一個加權圖模型，通過尋找最優路徑的方法找到粘連目標之間的最佳分割邊界，具體步驟為:S131，構建一個人體形狀模型，并對人體目標進行模板匹配；S132，根據前景超像素分割圖上的邊與目標模型的形狀差異性構建邊界的形狀權重；S133，根據前景超像素分割圖上每條邊相鄰區域像素塊之間的顏色差異構建邊界的顏色權重；S134，確定一個分割起始點和結束點，在加權圖上找到代價最小的路徑，即為粘連人體的最佳分割邊界。2.根據權利要求1所述的基于超像素和圖模型的粘連人群分割與跟蹤方法，其特征在于，步驟Sll具體包括以下步驟:S111，對原始輸入視頻序列圖像進行背景建模，通過背景差分法，獲得運動目標，此時得到目標前景為I背景為O的二值圖像，對二值圖像進行區域投影，并對投影進行平滑處理，篩選出符合條件的波峰點，并將這些波峰點與前一幀的目標頭頂預測點的位置進行匹配，獲得當前圖像新出現的頭頂候選點；S1...

【專利技術屬性】
技術研發人員：于慧敏，蔡丹平，
申請(專利權)人：浙江大學，
類型：發明
國別省市：