基于相機投影矩陣的三維人流運動分析方法
【技術領域】
[0001]本發明涉及人流運動分析技術領域，特別涉及一種基于相機投影矩陣的三維人流運動分析方法。
【背景技術】
[0002]隨著經濟的飛速發展，人口的城市化程度越來越高。城市的人口密度越來越大，場景監控下的人群密度估計成為公共安全管理中的面臨的一項重要工作。
[0003]由于大場景的人群監控都是多鏡頭的監控，傳統的基于單畫面的監控存在很大的弊端。一方面，傳統的基于手工標定的方式只是簡單的通過手動框選目標，指定目標大小。采用線性變換計算得到圖像由近及遠的ScaleMap，這在一定程度上解決了透視投影的形變問題。但是由于不是在全圖像尺寸上的對應，無法得到目標像素對應的三維位置信息，因此很難完美解決Perspective誤差。
[0004]另一方面，單鏡頭的監控圖像的簡單疊加無法滿足大范圍、跨鏡頭的人群密度分布和協同運動情況。
[0005]在目標提取方面，現有工作主要分為兩類:
[0006]第一類方法是人體目標特征分析方法:首先檢測、跟蹤視頻序列圖像中的人體特征(主要為頭、肩區域)，識別是否人體目標，然后進行統計。這類方法在室內的小場景效果較好，適用于人數比較稀疏情況。然而，對于大場景情況下的公共場所而言，普遍存在著高密度人群，難以進行目標的有效分割。
[0007]第二類方法是通過特征分析法:比如對比度、均勻度、能量和熵等描述圖像粗糙程度的特征矢量，邊緣面積比，邊緣方向直方圖燈一系列方法。抽取與人群密度相關的特征，采用回歸分析進行統計。述估計方法均是基于對訓練樣本的分析，找出特征與密度的變化關系，建立統計模型，并將問題求解轉換為基于統計模型的機器學習及決策過程。
【發明內容】
[0008]本發明的目的旨在至少解決所述技術缺陷之一。
[0009]為此，本發明的目的在于提出一種基于相機投影矩陣的三維人流運動分析方法，實現對前景運動區域中人流密度和匯聚方向等特征的檢測，實現對人流匯聚的預警。
[0010]為了實現上述目的，本發明的實施例提供一種基于相機投影矩陣的三維人流運動分析方法，包括如下步驟:
[0011]步驟S1，采集目標區域的監控視頻圖像，將所述監控視頻圖像與所述目標區域的三維模型進行對應點映射，根據所述監控視頻圖像的圖像特征點與所述三維模型的三維特征點的對應關系計算相機投影矩陣Μ ;
[0012]步驟S2，提取所述監控視頻圖像的多個前景運動目標，獲取所述多個前景運動目標的二維坐標，根據每個所述前景運動目標的二維坐標和所述透視投影矩陣，對所述運動目標進行三維映射；
[0013]步驟S3，根據提取得到的多個前景運動目標，劃分出運動前景區域，根據所述運動前景區域的像素統計值和紋理特征、MSER穩定區域特征、Minkowski分形維特征和灰度共生矩陣中的一項或多項，估算所述運動前景區域的人流密度值；
[0014]步驟S4，采用光流法計算每個所述前景運動目標的運動矢量，得到多個主動方向，將所述運動矢量根據所述相機投影矩陣映射到所述三維區域，生成區域運動主方向，在所述區域運動主方向上統計人流匯集程度的，進行人流匯聚預警。
[0015]進一步，在所述步驟S1中，將所述監控視頻圖像所述目標區域的三維模型進行對應點映射，得到所述視頻圖像中圖像特征點的二維坐標與所述三維模型中三維特征點的三維坐標的對應關系，利用最小二乘法計算相機投影矩陣M。
[0016]進一步，在所述步驟S1中，采用特征點的非線性插值將所述監控視頻圖像的二維到坐標映射到三維坐標。
[0017]進一步，在所述步驟S2中，采用高斯背景模型從所述監控視頻圖像中分離出所述多個前景運動目標。
[0018]進一步，在所述步驟S3中，
[0019]當所述運動前景區域的前景獨立輪廓區域較小時，根據所述運動前景區域的像素統計值和區域權值，估算所述運動前景區域的人流密度值，
[0020]其中，對所述目標區域進行圖像區域劃分，根據所述相機投影矩陣計算該區域對應的三維位置范圍，根據所述三維位置范圍和運動目標的實際尺寸，生成所述區域權值。
[0021]進一步，在所述步驟S3中，
[0022]當所述運動前景區域的前景獨立輪廓區域較大時，根據所述紋理特征、MSER穩定區域特征、Minkowski分形維特征和灰度共生矩陣，采用回歸算法估算所述運動前景區域的人流密度值。
[0023]進一步，所述回歸算法為高斯回歸算法或者支持向量回歸算法。
[0024]進一步，在所述步驟S4中，采用光流法計算每個所述前景運動目標的運動矢量，包括如下步驟:
[0025]計算每個像素對應的三維區域大小，計算像素權值；
[0026]根據所述像素權值，采用光流法計算每個像素的光流運動矢量。
[0027]進一步，在所述步驟S4中，所述在區域運動主方向上統計人流匯集程度的，進行人流匯聚預警，包括如下步驟:
[0028]計算所述多個主方向上光流運動矢量的交匯點，對得到的交匯點進行距離計算；
[0029]當預設半徑內的人流密度預測達到預設閾值時，對該區域進行人流匯聚預警。
[0030]根據本發明實施例的基于相機投影矩陣的三維人流運動分析方法，通過建立監控圖像的二維坐標與三維模型的三維坐標的映射，獲取運動目標對應的三維位置關系，實現對前景運動區域中人流密度和匯聚方向等特征的檢測，實現對人流匯聚的預警，相關部門可以提前采取疏散措施，保障人員安全。
[0031]本發明附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。
【附圖說明】
[0032]本發明的上述和/或附加的方面和優點從結合下面附圖對實施例的描述中將變得明顯和容易理解，其中:
[0033]圖1為根據本發明實施例的基于相機投影矩陣的三維人流運動分析方法的流程圖；
[0034]圖2為根據本發明實施例的透視投影對應關系的示意圖；
[0035]圖3(a)和圖3(b)為根據本發明實施例的高斯背景模型前景提取結果的示意圖；
[0036]圖4為根據本發明實施例的高斯回歸算法的映射函數曲線的示意圖；
[0037]圖5為根據本發明實施例的支持向量回歸算法的映射函數曲線的示意圖；
[0038]圖6為根據本發明實施例的光流檢測與主運動矢量統計和空間運動矢量映射的示意圖；
[0039]圖7為根據本發明實施例的人員異常匯聚的示意圖。
【具體實施方式】
[0040]下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發明，而不能理解為對本發明的限制。
[0041]下面參考圖1至圖7對本發明實施例基于相機投影矩陣的三維人流運動分析方法進行說明。
[0042]本發明提供了一種基于相機投影矩陣的三維人流運動分析方法，實現對監控視頻中運動目標進行統計分析，可以實現對以下特征:人流密度、目標運動主方向及人流量統計、異常匯聚預警等的統計。
[0043]如圖1所示，本發明實施例的基于相機投影矩陣的三維人流運動分析方法，包括如下步驟:
[0044]步驟S1，采集目標區域的監控視頻圖像，將監控視頻圖像與目標區域的三維模型進行對應點映射，根據監控視頻圖像的圖像特征點與三維模型的三維特征點的對應關系計算相機投影矩陣M。
[0045]具體地，將真實的監控視頻圖像目標區域的三維模型進行對應點映射，得到視頻圖像中圖像特征點的二維坐標與三維模型中三維特征點的三維坐標的對應關系，利用最小二乘法計算相機投影矩陣M。圖像上每個像素(u，v)都可以通過相機投影矩陣Μ計算出對應的三維位置。圖2為根據本發明實施例的透視投影對應關系的示意圖。
[0046](uv, 1) =M(x，y，z)T
[0047]采用特征點的非線性插值將監控視頻圖像的二維UV坐標映射到三維坐標。
[0048]具體地，在三維標高z未知的情況下，利用相鄰特征點的標高，插值得到z值。在三維標高z已知的情況下，根據(u，v)可求出(x，y)的坐標值。
[0049]步驟S2，提取監控視頻圖像的多個前景運動目標，獲取多個前景運動目標的二維坐標，根據每個前景運動目標的二維坐標和透視投影矩陣，對運動目標進行三維映射。
[0050]在本發明的一個實施例中，如圖3(a)和(b)所示，采用高斯背景模型從監