本發(fā)明涉及交通視頻監(jiān)測領(lǐng)域，尤其是指一種應(yīng)用無人機監(jiān)測的目標(biāo)人員識別追蹤方法。

背景技術(shù)：

對于視頻監(jiān)控系統(tǒng)，在行人檢測技術(shù)的基礎(chǔ)上，分析某個特定的人是否在監(jiān)控視頻中出現(xiàn)過，利用已經(jīng)存在的人體目標(biāo)圖像庫，當(dāng)場景或者時間變化的時候，首先檢測出監(jiān)控視頻中的行人，搜索圖庫，將檢測到的行人與目標(biāo)圖像庫進(jìn)行匹配，再次識別和確認(rèn)當(dāng)前查找的行人的身份。我們將這種技術(shù)成為智能視頻監(jiān)控系統(tǒng)中行人再識別技術(shù)。

而以上方法僅適用于大區(qū)域的多攝像頭視頻監(jiān)控，對于一些無攝像頭的的區(qū)域卻無能為力。而如今，無人機航拍已經(jīng)得到廣泛應(yīng)用。利用無人機進(jìn)行拍攝獲得圖像可以很好的解決這一難題。無人機監(jiān)測的目標(biāo)人員識別追蹤法是在行人檢測的基礎(chǔ)上，利用無人機對特定的人群進(jìn)行航拍，并將拍攝的圖像進(jìn)行再次識別，適用于無攝像頭大的區(qū)域或存在攝像頭盲區(qū)的區(qū)域，對區(qū)域內(nèi)進(jìn)行大面積無差別拍攝，從而獲得目標(biāo)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(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點和不足，提供一種行之有效、科學(xué)合理的應(yīng)用無人機監(jiān)測的目標(biāo)人員識別追蹤方法。

為實現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：一種應(yīng)用無人機監(jiān)測的目標(biāo)人員識別追蹤方法，包括以下步驟：

1)獲取目標(biāo)人員基準(zhǔn)特征向量X⁰

輸入目標(biāo)人員單個或多個圖像，去掉背景，圖像預(yù)處理后，提取特征向量，作為基準(zhǔn)特征向量；

2)利用無人機獲取目標(biāo)可能存在區(qū)域視頻圖像

利用帶有GPS和高清攝像頭的無人機在目標(biāo)可能出現(xiàn)的區(qū)域進(jìn)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(jìn)行預(yù)處理，獲得行人樣本圖像

對圖像進(jìn)行預(yù)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(fā)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(biāo)人員的基準(zhǔn)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(zhǔn)特征向量間的相似性度量Dⁱ；

7)根據(jù)Dⁱ值判斷目標(biāo)人員最可能出現(xiàn)時間和地點

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

在步驟1)中，所述基準(zhǔn)特征向量X⁰是通過將輸入的目標(biāo)人員圖像預(yù)處理后轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)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(biāo)人員圖像像素相差不大的人物圖像為標(biāo)準(zhǔn)。

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(yù)處理包括以下內(nèi)容：

4.1)采用領(lǐng)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(jìn)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(jié)合的方法，去除運動目標(biāo)的陰影；

4.4)采用平均值法對圖像進(jìn)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(biāo)的頭部進(jìn)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(fā)回行人樣本圖像的方式有兩種：利用無線網(wǎng)絡(luò)實時傳輸或存儲設(shè)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(zhǔn)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(zhǔn)特征向量，k表示特征向量或基準(zhǔn)向量的位數(shù)，n為特征向量或基準(zhǔn)向量的維數(shù)。

在步驟7)中，所述根據(jù)Dⁱ值判斷目標(biāo)人員最可能出現(xiàn)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(biāo)人員最可能出現(xiàn)時間和地點。

本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點與有益效果：

1、本發(fā)明提供的目標(biāo)人員識別追蹤法是在行人檢測的基礎(chǔ)上，利用無人機對特定的人群進(jìn)行航拍，并將拍攝的圖像進(jìn)行再次識別，適用于無攝像頭大的區(qū)域或存在攝像頭盲區(qū)的區(qū)域，對區(qū)域內(nèi)進(jìn)行大面積無差別拍攝，從而獲得目標(biāo)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(fā)明方法具有一定的可行性和很大的實際推廣價值。

2、本發(fā)明方法簡單易行，可對未安裝攝像頭的區(qū)域或安裝有攝像頭卻存在盲區(qū)的區(qū)域進(jìn)行目標(biāo)人員搜尋。

附圖說明

圖1為本發(fā)明的步驟框架圖。

圖2為本發(fā)明的圖片預(yù)處理流程圖。

具體實施方式

下面結(jié)合具體實施例對本發(fā)明做進(jìn)一步的說明。

如圖1所示，本實施例所述的目標(biāo)人員識別追蹤方法，包括以下步驟：

1)獲取目標(biāo)人員基準(zhǔn)特征向量X⁰

輸入目標(biāo)人員單個或多個圖像，去掉背景，圖像預(yù)處理后，提取特征向量，作為基準(zhǔn)特征向量；其中所述基準(zhǔn)特征向量X⁰是通過將輸入的目標(biāo)人員圖像預(yù)處理后轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)量獲得。

2)利用無人機獲取目標(biāo)可能存在區(qū)域視頻圖像

利用帶有GPS和高清攝像頭的無人機在目標(biāo)可能出現(xiàn)的區(qū)域進(jìn)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(biāo)人員圖像像素相差不大的人物圖像為標(biāo)準(zhǔn)。

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(jìn)行預(yù)處理，獲得行人樣本圖像

對圖像進(jìn)行預(yù)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(yù)處理包括以下內(nèi)容：

4.1)采用領(lǐng)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(jìn)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(jié)合的方法，去除運動目標(biāo)的陰影；

4.4)采用平均值法對圖像進(jìn)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(biāo)的頭部進(jìn)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(fā)回行人樣本圖像

所述接收無人機發(fā)回行人樣本圖像的方式有兩種：利用無線網(wǎng)絡(luò)實時傳輸或存儲設(shè)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(biāo)人員的基準(zhǔn)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(zhǔn)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(zhǔn)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(zhǔn)特征向量，k表示特征向量或基準(zhǔn)向量的位數(shù)，n為特征向量或基準(zhǔn)向量的維數(shù)。

7)根據(jù)Dⁱ值判斷目標(biāo)人員最可能出現(xiàn)時間和地點

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

本發(fā)明方法的工作原理，如下：

本發(fā)明方法可對未安裝攝像頭的區(qū)域，也可以對安裝有攝像頭卻存在盲區(qū)的區(qū)域進(jìn)行目標(biāo)人員搜尋。

輸入目標(biāo)人員當(dāng)天拍攝的單個或多個圖像，通過將輸入的目標(biāo)人員圖像預(yù)處理后轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)量獲得特征向量X⁰＝(X⁰₁,X⁰₂,…,X⁰_n)，作為基準(zhǔn)特征向量；

利用帶有GPS的無人機在目標(biāo)可能出現(xiàn)的區(qū)域進(jìn)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(jìn)行預(yù)處理：采用領(lǐng)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(jìn)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(jié)合，去除運動目標(biāo)的陰影；采用平均值法對圖像進(jìn)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(biāo)的頭部進(jìn)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(fā)回行人樣本圖像，并將樣本圖像轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)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(zhǔn)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(zhǔn)特征向量，k表示特征向量或基準(zhǔn)向量的位數(shù)，n為特征向量或基準(zhǔn)向量的維數(shù)。

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(biāo)人員最可能出現(xiàn)時間和地點。

下面結(jié)合具體案例對本發(fā)明方法進(jìn)行進(jìn)一步說明，如下：

對城市某個廣場某個走失兒童進(jìn)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(dāng)天被某一攝像頭拍攝的圖像，對圖像進(jìn)行預(yù)處理，將圖像轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)量獲得特征向量X⁰＝(X⁰₁,X⁰₂,…,X⁰_n)，作為基準(zhǔn)特征向量；利用帶有GPS的無人機在該廣場內(nèi)進(jìn)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(jìn)行預(yù)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(fā)回行人樣本圖像，將樣本圖像轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)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(zhǔn)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(xiàn)時間和地點。

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