本發明涉及交通視頻監測領域，尤其是指一種應用無人機監測的目標人員識別追蹤方法。

背景技術：

對于視頻監控系統，在行人檢測技術的基礎上，分析某個特定的人是否在監控視頻中出現過，利用已經存在的人體目標圖像庫，當場景或者時間變化的時候，首先檢測出監控視頻中的行人，搜索圖庫，將檢測到的行人與目標圖像庫進行匹配，再次識別和確認當前查找的行人的身份。我們將這種技術成為智能視頻監控系統中行人再識別技術。

而以上方法僅適用于大區域的多攝像頭視頻監控，對于一些無攝像頭的的區域卻無能為力。而如今，無人機航拍已經得到廣泛應用。利用無人機進行拍攝獲得圖像可以很好的解決這一難題。無人機監測的目標人員識別追蹤法是在行人檢測的基礎上，利用無人機對特定的人群進行航拍，并將拍攝的圖像進行再次識別，適用于無攝像頭大的區域或存在攝像頭盲區的區域，對區域內進行大面積無差別拍攝，從而獲得目標人物圖像。對于搜尋犯罪嫌疑人以及找尋走失人員具有很好的幫助。從此可見，此方法具有一定的可行性和實際推廣價值。

技術實現要素：

本發明的目的在于克服現有技術的缺點和不足，提供一種行之有效、科學合理的應用無人機監測的目標人員識別追蹤方法。

為實現上述目的，本發明所提供的技術方案為：一種應用無人機監測的目標人員識別追蹤方法，包括以下步驟：

1)獲取目標人員基準特征向量X⁰

輸入目標人員單個或多個圖像，去掉背景，圖像預處理后，提取特征向量，作為基準特征向量；

2)利用無人機獲取目標可能存在區域視頻圖像

利用帶有GPS和高清攝像頭的無人機在目標可能出現的區域進行拍攝，要求合適的拍攝距離，以合適的速度飛行，以保證圖像清晰；

3)圖像加載時間戳和空間戳

利用無人機自帶GPS定位及GPS時鐘，給圖像加載空間戳和時間戳；

4)對圖像進行預處理，獲得行人樣本圖像

對圖像進行預處理，將人從人群中分離，并獲得行人樣本圖像；

5)接收無人機發回行人樣本圖像

6)提取接收行人樣本圖像特征向量Xⁱ，并與目標人員的基準特征向量X⁰比較計算相似性度量Dⁱ，其中，對接收行人樣本圖像提取特征向量Xⁱ，利用歐式距離計算與基準特征向量間的相似性度量Dⁱ；

7)根據Dⁱ值判斷目標人員最可能出現時間和地點

對計算得到的多個相似性度量Dⁱ進行比較，得到最小相似性度量，利用GPS和時鐘信息，得到目標人員最可能出現時間和地點。

在步驟1)中，所述基準特征向量X⁰是通過將輸入的目標人員圖像預處理后轉換為HSV格式，統計所述格式的圖像內的各種顏色的像素數量獲得。

在步驟2)中，所述合適的距離和速度以能夠拍攝出與輸入的目標人員圖像像素相差不大的人物圖像為標準。

在步驟3)中，所述時間戳和空間戳通過GPS時鐘和GPS定位獲得。

在步驟4)中，所述圖片預處理包括以下內容：

4.1)采用領域平均法來減少噪聲；

4.2)采用Hough變換檢測出行人是否傾斜，然后對圖像進行水平校正；

4.3)采用基于HSV色彩空間的去陰影法和基于LBP算子的去陰影方相結合的方法，去除運動目標的陰影；

4.4)采用平均值法對圖像進行灰度化處理；

4.5)采用直方圖修正法使圖像具有期望的灰度分布。

在步驟4)中，所述獲得行人樣本圖像是通過Hough圓檢測方法檢測目標的頭部進行分割得到多個行人圖像，對相同行人圖像選取一個最大最清晰的作為樣本圖像，要求樣本圖像像素大于100×100。

在步驟5)中，所述接收無人機發回行人樣本圖像的方式有兩種：利用無線網絡實時傳輸或存儲設備后期接收。

在步驟6)中，所述相似性度量Dⁱ采用歐式距離公式運算獲得；

其中Dⁱ為第i個圖像的特征向量與基準特征向量的相似性度量，Xⁱ為第i個圖像的特征向量，X⁰為基準特征向量，k表示特征向量或基準向量的位數，n為特征向量或基準向量的維數。

在步驟7)中，所述根據Dⁱ值判斷目標人員最可能出現時間和地點是通過比較計算得到的多個相似性度量Dⁱ，找到相似性度量最小的人物圖像以及拍攝此人物圖像的GPS和時間信息，從而得到目標人員最可能出現時間和地點。

本發明與現有技術相比，具有如下優點與有益效果：

1、本發明提供的目標人員識別追蹤法是在行人檢測的基礎上，利用無人機對特定的人群進行航拍，并將拍攝的圖像進行再次識別，適用于無攝像頭大的區域或存在攝像頭盲區的區域，對區域內進行大面積無差別拍攝，從而獲得目標人物圖像。這對于搜尋犯罪嫌疑人以及找尋走失人員具有很好的幫助，從此可見，本發明方法具有一定的可行性和很大的實際推廣價值。

2、本發明方法簡單易行，可對未安裝攝像頭的區域或安裝有攝像頭卻存在盲區的區域進行目標人員搜尋。

附圖說明

圖1為本發明的步驟框架圖。

圖2為本發明的圖片預處理流程圖。

具體實施方式

下面結合具體實施例對本發明做進一步的說明。

如圖1所示，本實施例所述的目標人員識別追蹤方法，包括以下步驟：

1)獲取目標人員基準特征向量X⁰

輸入目標人員單個或多個圖像，去掉背景，圖像預處理后，提取特征向量，作為基準特征向量；其中所述基準特征向量X⁰是通過將輸入的目標人員圖像預處理后轉換為HSV格式，統計所述格式的圖像內的各種顏色的像素數量獲得。

2)利用無人機獲取目標可能存在區域視頻圖像

利用帶有GPS和高清攝像頭的無人機在目標可能出現的區域進行拍攝，要求合適的拍攝距離，以合適的速度飛行，以保證圖像清晰；其中所述合適的距離和速度以能夠拍攝出與輸入的目標人員圖像像素相差不大的人物圖像為標準。

3)圖像加載時間戳和空間戳

利用無人機自帶GPS定位及GPS時鐘，給圖像加載空間戳和時間戳；其中所述時間戳和空間戳通過GPS時鐘和GPS定位獲得。

4)對圖像進行預處理，獲得行人樣本圖像

對圖像進行預處理，將人從人群中分離，并獲得行人樣本圖像；其中，如圖2所示，所述圖片預處理包括以下內容：

4.1)采用領域平均法來減少噪聲；

4.2)采用Hough變換檢測出行人是否傾斜，然后對圖像進行水平校正；

4.3)采用基于HSV色彩空間的去陰影法和基于LBP算子的去陰影方相結合的方法，去除運動目標的陰影；

4.4)采用平均值法對圖像進行灰度化處理；

4.5)采用直方圖修正法使圖像具有期望的灰度分布。

所述獲得行人樣本圖像是通過Hough圓檢測方法檢測目標的頭部進行分割得到多個行人圖像，對相同行人圖像選取一個最大最清晰的作為樣本圖像，要求樣本圖像像素大于100×100。

5)接收無人機發回行人樣本圖像

所述接收無人機發回行人樣本圖像的方式有兩種：利用無線網絡實時傳輸或存儲設備后期接收。

6)提取接收行人樣本圖像特征向量Xⁱ，并與目標人員的基準特征向量X⁰比較計算相似性度量Dⁱ，其中，對接收行人樣本圖像提取特征向量Xⁱ，利用歐式距離計算與基準特征向量間的相似性度量Dⁱ；

所述相似性度量Dⁱ采用歐式距離公式運算獲得；

其中Dⁱ為第i個圖像的特征向量與基準特征向量的相似性度量，Xⁱ為第i個圖像的特征向量，X⁰為基準特征向量，k表示特征向量或基準向量的位數，n為特征向量或基準向量的維數。

7)根據Dⁱ值判斷目標人員最可能出現時間和地點

對計算得到的多個相似性度量Dⁱ進行比較，得到最小相似性度量，利用GPS和時鐘信息，得到目標人員最可能出現時間和地點。其具體是：通過比較計算得到的多個相似性度量Di，找到相似性度量最小的人物圖像以及拍攝此人物圖像的GPS和時間信息，從而得到目標人員最可能出現時間和地點。

本發明方法的工作原理，如下：

本發明方法可對未安裝攝像頭的區域，也可以對安裝有攝像頭卻存在盲區的區域進行目標人員搜尋。

輸入目標人員當天拍攝的單個或多個圖像，通過將輸入的目標人員圖像預處理后轉換為HSV格式，統計所述格式的圖像內的各種顏色的像素數量獲得特征向量X⁰＝(X⁰₁,X⁰₂,…,X⁰_n)，作為基準特征向量；

利用帶有GPS的無人機在目標可能出現的區域進行拍攝，并利用無人機自帶GPS定位及GPS時鐘，給圖像加載空間戳和時間戳；

對圖像進行預處理：采用領域平均法來減少噪聲；采用Hough變換檢測出行人是否傾斜，然后對圖像進行水平校正；采用基于HSV色彩空間的去陰影方法和基于LBP算子的去陰影方法相結合，去除運動目標的陰影；采用平均值法對圖像進行灰度化處理；采用直方圖修正法使圖像具有期望的灰度分布。

采用Hough圓檢測方法，利用該方法對目標的頭部進行檢測，從而將人從人群中分割出來，并對相同行人的圖像選取一個最大最清晰的作為樣本圖像。

接收無人機發回行人樣本圖像，并將樣本圖像轉換為HSV格式，統計所述格式的圖像內的各種顏色的像素數量獲得人物特征向量Xⁱ＝(xⁱ₁,xⁱ₂,…,xⁱ_n).

通過歐式距離公式計算相似性度量，即

其中Dⁱ為第i個圖像的特征向量與基準特征向量的相似性度量，Xⁱ為第i個圖像的特征向量，X⁰為基準特征向量，k表示特征向量或基準向量的位數，n為特征向量或基準向量的維數。

最后找到相似性度量為D_min＝min(D¹,D²,…,Dⁱ,…)的人物圖像，并同過拍攝此人物圖像的GPS和時間信息，判斷出目標人員最可能出現時間和地點。

下面結合具體案例對本發明方法進行進一步說明，如下：

對城市某個廣場某個走失兒童進行搜尋測試，其實施步驟如附圖1所示，首先獲取該兒童在當天被某一攝像頭拍攝的圖像，對圖像進行預處理，將圖像轉換為HSV格式，統計所述格式的圖像內的各種顏色的像素數量獲得特征向量X⁰＝(X⁰₁,X⁰₂,…,X⁰_n)，作為基準特征向量；利用帶有GPS的無人機在該廣場內進行航拍，并給拍攝的圖像加載空間戳和時間戳；對拍攝的圖像進行預處理，并將人物分割出來，并對相同行人的圖像選取一個最大最清晰的作為樣本圖像；接收無人機發回行人樣本圖像，將樣本圖像轉換為HSV格式，統計所述格式的圖像內的各種顏色的像素數量，獲得大量人物特征向量Xⁱ＝(xⁱ₁,xⁱ₂,…,xⁱ_n)；分別計算這些人物特征向量與基準特征向量之間的歐式距離比較得到相似性度量最小的樣本圖像，通過此樣本圖像的GPS和時間信息，判斷出該兒童最可能出現時間和地點。

以上所述實施例只為本發明之較佳實施例，并非以此限制本發明的實施范圍，故凡依本發明之形狀、原理所作的變化，均應涵蓋在本發明的保護范圍內。