本發(fā)明屬于圖像處理、視頻監(jiān)控和計(jì)算機(jī)視覺的技術(shù)領(lǐng)域，特指一種面向多攝像機(jī)的目標(biāo)匹配方法。

背景技術(shù)：

隨著智能交通、平安城市等一系列智能化概念的提出，智能視頻監(jiān)控技術(shù)成為計(jì)算機(jī)視覺領(lǐng)域一個(gè)新興的應(yīng)用方向。其中基于單攝像機(jī)的目標(biāo)檢測跟蹤在某些小范圍場景中已經(jīng)得到了良好的應(yīng)用。但是單攝像機(jī)視野范圍十分有限，無法多角度、長時(shí)間對(duì)目標(biāo)進(jìn)行處理。多個(gè)攝像機(jī)具有監(jiān)控范圍大，觀測角度廣等優(yōu)點(diǎn)，并可以利用多重信息增加系統(tǒng)的魯棒性，因此在視頻監(jiān)控領(lǐng)域的應(yīng)用越來越廣。

但是多個(gè)攝像機(jī)的使用也會(huì)帶來一系列新問題，包括多攝像機(jī)之間的目標(biāo)匹配、目標(biāo)接力跟蹤、數(shù)據(jù)融合等。其中，多攝像機(jī)之間的目標(biāo)匹配是指在不同的圖像序列中找到目標(biāo)間的對(duì)應(yīng)關(guān)系，其結(jié)果直接影響后續(xù)的處理，因此它是多攝像機(jī)應(yīng)用中最重要和基礎(chǔ)的問題之一。

近年來，各國研究人員陸續(xù)提出了一些方法來嘗試解決這個(gè)問題。這些方法一般可分為：基于區(qū)域的方法和基于點(diǎn)的方法?；趨^(qū)域的方法將目標(biāo)視為區(qū)域，利用區(qū)域的顏色相關(guān)特征在多視角中進(jìn)行匹配。但是這類特征受光線影響較大，導(dǎo)致匹配誤差較大?；邳c(diǎn)的方法是根據(jù)幾何約束對(duì)目標(biāo)的特征點(diǎn)進(jìn)行匹配，從而實(shí)現(xiàn)多攝像機(jī)的目標(biāo)匹配。但這類方法需要較多的先驗(yàn)知識(shí)進(jìn)行建模，過程比較復(fù)雜，無法滿足實(shí)際需求。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有跟蹤方法的不足，本發(fā)明其目的在于提出一種面向多攝像機(jī)的目標(biāo)匹配方法。

本發(fā)明的技術(shù)方案是：

一種面向多攝像機(jī)的目標(biāo)匹配方法，包括以下步驟：

S1通過兩個(gè)攝像機(jī)同步對(duì)目標(biāo)進(jìn)行拍攝，得到目標(biāo)的兩幅視頻圖像P1(x,y)和P2(x,y)，然后在第一幅圖像P1(x,y)對(duì)目標(biāo)區(qū)域進(jìn)行標(biāo)記，這里我們通過手工指定的方式完成。手工選擇包含目標(biāo)的一個(gè)矩形圖像，記為目標(biāo)圖像A(x,y)，矩形大小為a×b。

S2使用一個(gè)大小為a×b的窗口，在圖像P2(x,y)上進(jìn)行滑動(dòng)搜索，通過灰度匹配找到一個(gè)候選圖像塊集合；

滑動(dòng)搜索時(shí)，窗口每滑動(dòng)一次，在圖像P2(x,y)上得到的一個(gè)大小為a×b的圖像塊，記為B(x,y)，計(jì)算B(x,y)和目標(biāo)圖像A(x,y)的灰度差值SAD(B)：

SAD(B)＝∑|A(x,y)-B(x,y)| (1)

根據(jù)這個(gè)定義可以看到，灰度差值越小，說明兩者匹配程度越高。窗口滑動(dòng)搜索完畢后，對(duì)所有的灰度差值進(jìn)行排序，選擇數(shù)值最小的前100個(gè)對(duì)應(yīng)的圖像塊作為候選圖像塊集合，記為{B_i(x,y)|i＝1,…,100}。

S3對(duì)目標(biāo)圖像A(x,y)進(jìn)行基于有序比對(duì)特征描述，得到一個(gè)特征向量；

S3.1對(duì)目標(biāo)圖像A(x,y)進(jìn)行分塊，將目標(biāo)圖像A(x,y)平均分成若干個(gè)圖像小塊，每個(gè)圖像小塊大小均為3×3，那么可以得到數(shù)目為的圖像小塊，記為{k₁(x,y),k₂(x,y),…,k_sum(x,y)}。

S3.2對(duì)目標(biāo)圖像A(x,y)上的所有的3×3的圖像小塊進(jìn)行有序比對(duì)編碼；

對(duì)任一3×3的圖像小塊進(jìn)行有序比對(duì)編碼的方法是：通過度量圖像小塊與其周圍均勻分布的同等大小的八個(gè)矩形區(qū)域之間平均灰度的有序比對(duì)關(guān)系，并用二進(jìn)制編碼把這八個(gè)有序比對(duì)關(guān)系串接成一個(gè)描述子，獲得一個(gè)特征值。本發(fā)明提出的有序比對(duì)特征的編碼思想借鑒了局部二元模式描述子，但矩形區(qū)域之間的比對(duì)比像素之間的比對(duì)更加穩(wěn)定可靠，因?yàn)橛?jì)算平均灰度也即均值濾波操作，對(duì)圖像噪聲有很好的抑制作用。

a.對(duì)于目標(biāo)圖像A(x,y)上的任一圖像小塊k_j(x,y)，計(jì)算其的灰度均值其中Ω表示圖像小塊k_j(x,y)所有的像素集合。

b.以圖像小塊k_j(x,y)為中心，選擇周圍均勻分布的八個(gè)的大小為3×3的矩形區(qū)域：記k_j(x,y)的中心像素位置為(x₀,y₀)，那么其周圍八個(gè)大小為3×3的矩形區(qū)域的中心像素分別為(x₀-6,y₀)、(x₀-3,y₀+3)、(x₀,y₀+6)、(x₀+3,y₀+3)、(x₀+6,y₀)、(x₀+3,y₀-3)、(x₀,y₀-6)、(x₀-3,y₀-3)，按照順序計(jì)算這八個(gè)矩形區(qū)域的灰度均值，記為{μ₁,μ₂,…,μ₈}。

c.有序比對(duì)特征以圖像小塊k_j(x,y)的灰度均值μ為閾值，分別將周圍八個(gè)矩形區(qū)域的灰度均值{μ₁,μ₂,…,μ₈}與μ進(jìn)行比較，若大于μ，標(biāo)記為1，否則為0。這樣經(jīng)過比較會(huì)產(chǎn)生8位二進(jìn)制數(shù)，轉(zhuǎn)化為十進(jìn)制數(shù)所得的值即得到該圖像小塊k_j(x,y)的有序比對(duì)特征值YXT(k_j)。其計(jì)算公式為：

其中

d.按照步驟a至c中的方法對(duì)圖像A(x,y)上所有的圖像小塊進(jìn)行有序比對(duì)編碼，最終可以得到一個(gè)長度為sum的特征向量，記為YXT_A。

S4對(duì)候選圖像塊集合中的每個(gè)候選圖像塊進(jìn)行基于有序比對(duì)特征描述，每個(gè)候選圖像塊會(huì)得到一個(gè)特征向量；

按照步驟S3中同樣的方法對(duì)候選圖像塊集合{B_i(x,y)|i＝1,…,100}里的每個(gè)候選圖像塊進(jìn)行基于有序比對(duì)特征描述，每個(gè)候選圖像塊會(huì)得到一個(gè)長度為sum的特征向量，記為{YXT_B_i|i＝1,…,100}。

S5通過特征向量計(jì)算目標(biāo)圖像和候選圖像的距離，選擇最小的作為最佳匹配結(jié)果。

以任一候選圖像B_i(x,y)為例說明計(jì)算過程，B_i(x,y)的特征向量為YXT_B_i，目標(biāo)圖像A(x,y)的特征向量為YXT_A，采用歐式距離計(jì)算兩者的差異也即距離dist(B_i)：

對(duì)所有的候選圖像都采用上述方法計(jì)算和目標(biāo)圖像的距離后，進(jìn)行排序，找到距離最小的候選圖像作為最佳匹配結(jié)果。

本發(fā)明首先通過一個(gè)簡單的灰度匹配找到一個(gè)候選圖像塊集合，然后通過精度高的有序特征比對(duì)描述對(duì)圖像進(jìn)行特征描述并計(jì)算匹配系數(shù)，最終找到目標(biāo)匹配的結(jié)果。本發(fā)明方法同時(shí)考慮匹配準(zhǔn)確度和時(shí)間復(fù)雜度兩個(gè)要素，在不需要耗費(fèi)太多時(shí)間的基礎(chǔ)上依然可以達(dá)到很好的匹配效果，適用于各種視頻圖像處理系統(tǒng)。

附圖說明

圖1是本發(fā)明一種面向多攝像機(jī)的目標(biāo)匹配方法的流程圖；

圖2是有序比對(duì)特征的模板示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。

一種面向多攝像機(jī)的目標(biāo)匹配方法，包括以下步驟：

通過兩個(gè)攝像機(jī)同步對(duì)目標(biāo)進(jìn)行拍攝，得到目標(biāo)的兩幅視頻圖像P1(x,y)和P2(x,y)，然后在第一幅圖像P1(x,y)對(duì)目標(biāo)區(qū)域進(jìn)行標(biāo)記，這里我們通過手工指定的方式完成。手工選擇包含目標(biāo)的一個(gè)矩形圖像，記為目標(biāo)圖像A(x,y)，矩形大小為a×b。

為了提高匹配的準(zhǔn)確性，需要對(duì)圖像進(jìn)行復(fù)雜的特征描述，但是這也同時(shí)提高了匹配的時(shí)間復(fù)雜度。本發(fā)明同時(shí)考慮匹配準(zhǔn)確度和時(shí)間復(fù)雜度兩個(gè)要素，提出了一種分布式的目標(biāo)匹配方法，首先通過一個(gè)簡單的灰度匹配找到一個(gè)候選圖像塊集合，然后通過精度高的有序特征比對(duì)描述對(duì)圖像進(jìn)行特征描述并計(jì)算匹配系數(shù)，最終找到目標(biāo)匹配的結(jié)果。具體步驟如下：

(1)使用一個(gè)大小為a×b的窗口，在圖像P2(x,y)上進(jìn)行滑動(dòng)搜索，通過灰度匹配找到一個(gè)候選圖像塊集合；

窗口每滑動(dòng)一次，在圖像P2(x,y)上得到的一個(gè)大小為a×b的圖像塊，記為B(x,y)，計(jì)算B(x,y)和目標(biāo)圖像A(x,y)的灰度差值SAD(B)：

SAD(B)＝∑|A(x,y)-B(x,y)| (1)

根據(jù)這個(gè)定義可以看到，灰度差值越小，說明兩者匹配程度越高。窗口滑動(dòng)搜索完畢后，對(duì)所有的灰度差值進(jìn)行排序，選擇數(shù)值最小的前100個(gè)對(duì)應(yīng)的圖像塊作為候選圖像塊集合，記為{B_i(x,y)|i＝1,…,100}。

(2)對(duì)目標(biāo)圖像A(x,y)進(jìn)行基于有序比對(duì)特征描述，得到一個(gè)特征向量；

S2.1對(duì)目標(biāo)圖像A(x,y)進(jìn)行分塊，將目標(biāo)圖像A(x,y)平均分成若干個(gè)圖像小塊，每個(gè)圖像小塊大小均為3×3，那么可以得到數(shù)目為的圖像小塊，記為{k₁(x,y),k₂(x,y),…,k_sum(x,y)}。

S2.2對(duì)目標(biāo)圖像A(x,y)上的所有的3×3的圖像小塊進(jìn)行有序比對(duì)編碼；

對(duì)任一3×3的圖像小塊進(jìn)行有序比對(duì)編碼的方法是：通過度量圖像小塊與其周圍均勻分布的同等大小的八個(gè)矩形區(qū)域之間平均灰度的有序比對(duì)關(guān)系，并用二進(jìn)制編碼把這八個(gè)有序比對(duì)關(guān)系串接成一個(gè)描述子，獲得一個(gè)特征值。本發(fā)明提出的有序比對(duì)特征的編碼思想借鑒了局部二元模式描述子，但矩形區(qū)域之間的比對(duì)比像素之間的比對(duì)更加穩(wěn)定可靠，因?yàn)橛?jì)算平均灰度也即均值濾波操作，對(duì)圖像噪聲有很好的抑制作用。

下面任取一個(gè)圖像小塊k_j(x,y)為例進(jìn)行有序比對(duì)的編碼說明。

a.對(duì)于目標(biāo)圖像A(x,y)上的任一圖像小塊k_j(x,y)，計(jì)算其的灰度均值其中Ω表示圖像小塊k_j(x,y)所有的像素集合。

b.以圖像小塊k_j(x,y)為中心，選擇周圍均勻分布的八個(gè)的大小為3×3的矩形區(qū)域：記k_j(x,y)的中心像素位置為(x₀,y₀)，那么其周圍八個(gè)大小為3×3的矩形區(qū)域的中心像素分別為(x₀-6,y₀)、(x₀-3,y₀+3)、(x₀,y₀+6)、(x₀+3,y₀+3)、(x₀+6,y₀)、(x₀+3,y₀-3)、(x₀,y₀-6)、(x₀-3,y₀-3)，按照順序計(jì)算這八個(gè)矩形區(qū)域的灰度均值，記為{μ₁,μ₂,…,μ₈}。

c.有序比對(duì)特征以圖像小塊k_j(x,y)的灰度均值μ為閾值，分別將周圍八個(gè)矩形區(qū)域的灰度均值{μ₁,μ₂,…,μ₈}與μ進(jìn)行比較，若大于μ，標(biāo)記為1，否則為0。這樣經(jīng)過比較會(huì)產(chǎn)生8位二進(jìn)制數(shù)，轉(zhuǎn)化為十進(jìn)制數(shù)所得的值即得到該圖像小塊k_j(x,y)的有序比對(duì)特征值YXT(k_j)。其計(jì)算公式為：

其中如圖2所示，每個(gè)圖像塊大小均為3×3，標(biāo)號(hào)1～8的圖像塊即為需要和圖像小塊a_i(x,y)進(jìn)行比對(duì)的八個(gè)矩形區(qū)域。

d.按照步驟a至c中的方法對(duì)目標(biāo)圖像A(x,y)上所有的圖像小塊進(jìn)行有序比對(duì)編碼，最終可以得到一個(gè)長度為sum的特征向量，記為YXT_A。

(3)按照步驟(2)中同樣的方法對(duì)候選圖像塊集合{B_i(x,y)|i＝1,…,100}里的每個(gè)候選圖像塊進(jìn)行基于有序比對(duì)特征描述，每個(gè)候選圖像塊會(huì)得到一個(gè)長度為sum的特征向量，記為{YXT_B_i|i＝1,…,100}。

(4)通過特征向量計(jì)算目標(biāo)圖像和候選圖像的距離，選擇最小的作為最佳匹配結(jié)果。

以任一候選圖像B_i(x,y)為例說明計(jì)算過程，B_i(x,y)的特征向量為YXT_B_i，目標(biāo)圖像A(x,y)的特征向量為YXT_A，采用歐式距離計(jì)算兩者的差異也即距離dist(B_i)：

對(duì)所有的候選圖像都計(jì)算和目標(biāo)圖像的距離后，進(jìn)行排序，找到距離最小的候選圖像作為最佳匹配結(jié)果。

以上包含了本發(fā)明優(yōu)選實(shí)施例的說明，這是為了詳細(xì)說明本發(fā)明的技術(shù)特征，并不是想要將發(fā)明內(nèi)容限制在實(shí)施例所描述的具體形式中，依據(jù)本發(fā)明內(nèi)容主旨進(jìn)行的其他修改和變型也受本專利保護(hù)。本發(fā)明內(nèi)容的主旨是由權(quán)利要求書所界定，而非由實(shí)施例的具體描述所界定。