【摘要】 本发明公开了一种基于多摄像机无重叠视域行人匹配方法包括以下步骤：建立混合高斯背景模型；使用背景减除法获得行人目标；提取行人目标的主颜色特征；进行主颜色判别分析；对于疑似匹配目标提取空间纹理特征；使用空间纹理特征进行进一步判别。本发明突破传统的单摄像机视域限制，有效扩大了监控范围。消除大范围监控存在的摄像头盲区，并将时间和空间上分离的目标在不同摄像机中进行匹配。本发明对行人目标姿态变化，环境光照变化具有很强的鲁棒性。 ： 【专利类型】发明授权 【申请人】东南大学 【申请人类型】学校 【申请人地址】215000 江苏省苏州市工业园区林泉街399号 【申请人地区】中国 【申请人城市】苏州市 【申请人区县】姑苏区 【申请号】CN201210002873.7 【申请日】2012-01-06 【申请年份】2012 【公开公告号】CN102592144B 【公开公告日】2014-03-26 【公开公告年份】2014 【授权公告号】CN102592144B 【授权公告日】2014-03-26 【授权公告年份】2014.0 【IPC分类号】G06K9/64; G06T7/20 【发明人】林国余; 杨彪; 张为公 【主权项内容】1.一种基于多摄像机无重叠视域行人匹配方法，其特征在于，包括以下步骤： 步骤1、建立混合高斯背景模型； 步骤2、使用背景减除法获得行人目标； 步骤3、提取行人目标的主颜色特征； 步骤4、进行主颜色判别分析； 步骤5、对于疑似匹配目标提取空间纹理特征； 步骤6、使用空间纹理特征进行进一步判别； 对所述步骤3中提取行人目标的主颜色特征，需要根据人的自然比例将其分为躯干与下肢部分，并对每个部分分别使用本发明所提出的SNNC算法进行颜色聚类，最终获得各个部分的主颜色特征；所述SNNC算法提取主颜色信息的具体步骤如下： 步骤1)选择序列中第一个未标记的簇Ai, 将Ai的RGB值设为这个簇的中心并标记这个簇Ai; 步骤2)选择序列中在Ai之后的第一个未标记的簇Bj，根据颜色距离公式计算Ai与Bj的颜色距离，其中颜色距离公式如下所述； (1) 步骤3)将Ai与Bj的距离与给定阈值σ比较，如果距离大于σ，说明这两个簇的差距过大，不应该聚类；否则如果距离小于σ，说明这两个簇比较接近，应该合并为一个新簇；此时，标记Bj, 依据公式(2)重新计算簇中心，并将原先簇的像素点数目Ni加上Bj所含有的像素点数目Nj，作为新簇所包含的像素点数目，仍然用Ni表示； (2) 步骤4)检检查Bj是否是序列中最后的元素，如果不是，选择Bj之后的未标记的元素Bj+1，并重复步骤2； 步骤5)检查Ai是否是序列中最后的未标记的元素，如果不是，重复步骤1；如果是，则一次SNNC过程终止，此时按照簇中所包含像素点的数目大小重新调整序列中簇的排列，并将所有簇设为未标记状态。 2．根据权利要求1所述的基于多摄像机无重叠视域行人匹配方法，其特征在于：所述步骤5中对于疑似匹配目标，需要使用空间纹理特征进行进一步判断，首先根据经验值确定行人的纹理密集区，对纹理密集区的每一像素点求该点彩色梯度极值，然后将纹理密集区九等分，统计每一子块中彩色梯度极值大于给定阈值的像素点数目，统计出九个子块各自包含的满足条件的像素点数目后，就能反映出目标大致的纹理强度与纹理分布情况，所述纹理密集区为人物目标的上身除去头部和两臂的部分。 【当前权利人】东南大学 【当前专利权人地址】江苏省苏州市工业园区林泉街399号 【统一社会信用代码】12100000466006770Q 【被引证次数】3 【被他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】12

未经允许不得转载：http://www.zhongzhencnc.com/1790586075.html