一种基于多层平面映射的多相机协同运动目标检测算法.docVIP

运动捕获系统中基于SOFM的多目标跟踪方法 技术领域 本发明设计一种多视觉运动捕获系统中多标记点跟踪的方法。 背景技术 光学式运动捕获系统以其表演者活动范围大，无电缆、机械装置的限制等优点，已经成为主流运动捕获系统。根据是否利用辅助标记点又分为基于辅助标记点的运动捕获系统和无标记点的运动捕获系统，当前国内外在这两个方面都有较多研究，也取得了一系列成果。基于辅助标记点的运动捕获起步较早，国外已有相关产品推向市场，这些产品的特点是系统价格昂贵，且对于跟踪过程出错的情况需要人工干预的时候较多，不能实现自动运动捕获。而基于无标记点的运动捕获系统是最近兴起的一种新的运动捕获技术，其基本上还处于研究阶段，未到产品应用阶段，本发明针对的是基于辅助标记点的运动捕获系统。 基于辅助标记点的运动捕获的主要过程是：在运动物体或人体的关节点安置传感器或设置标记，通过捕获设备检测、跟踪，记录运动物体关节点在三维空间的运动轨迹，获取运动数据，进而驱动不同的角色模型，实现在计算机上的运动重现。这其中最主要也最关键的部分就在于对标记点的检测与跟踪。能否正确跟踪标记点的运动轨迹以及跟踪数据的精度，将直接影响后期模型驱动的效果。 目前运动目标跟踪模型主要分四类：基于轮廓的跟踪，利用封闭的曲线轮廓跟踪运动目标，它对跟踪的初始化非常敏感；基于模型的跟踪，为目标建立二维或三维模型，它跟踪准确且能够解决遮挡问题，但计算量大，跟踪精度差，且不能满足实时性的要求；基于特征的跟踪，利用特征匹配进行跟踪，它实现简单、可以跟踪各种形状目标，但如何选择有效的特征是一难题；基于区域跟踪，分离帧中连通区域，用交叉相关度量进行跟踪，它实现简单、实时性好，但当多个目标相互遮挡时，分割单个目标比较困难。 因此在运动捕获领域无特征多标记点的复杂运动轨迹跟踪成为一个热门的研究课题，很多研究机构和专家学者都进行了相关研究，并取得一些成果，但自动化程度均有限。 发明内容 ①要解决的技术问题 现有基于辅助标记点的运动捕获系统的特点是虽然它可以捕捉运动运动数据，但处理过程（包括标记点的识别、跟踪、空间坐标的计算）的工作量较大。特别是当运动复杂时，不同部位的标记点有可能发生混淆、遮挡，产生错误结果，这时需要人工干预跟踪过程。人工干预大大影响了跟踪的效率，不利于系统的产业化应用，对系统实现实时运动捕获也是一个难以逾越的障碍。 多目标跟踪一般采用某种预测机制进行二维图像上标记点的位置范围预测，可以一定程度上缩小标记点的搜索区域，减少由于缺乏特征区别而且引起的标记点错误跟踪问题；但是随着标记点的运动速度加快以及标记点重合的出现，在某一路摄像机的二维像平面上，预测的搜索范围可能会逐渐增大，造成在一个搜索范围内出现多个实际的标记点，极端情况下搜索范围会放大至整个图像区域，相当于预测失效；实验表明，由于人体运动的复杂性，标记点遮挡以及重合出现频率非常高，以预测为基础的跟踪方法总是会出现预测范围扩大甚至失效的情况，因此整个跟踪过程需要时时辅以手工修正，随着用户参与的增多，跟踪获取运动参数的工作量也骤增，手工标记得到的跟踪精度也会下降，系统实用性降低。 跟踪过程无法实现自动化，归根结底是由于跟踪算法对于无特征多标记点的复杂运动轨迹跟踪鲁棒性不足，本发明提出的基于SOFM（Self Organizations Features Map，自组织特征映射）的跟踪方法属于基于区域的多目标跟踪方法，利用SOFM的拓扑保持特性，将基于区域的跟踪中区域分割的目标由“足够小”的空间搜索域转为“最适合”的空间搜索域；有效解决了多目标遮挡、重现所导致的预测机制失效，跟踪区域难以划分的问题，实现了很好的跟踪效果。 ②技术方案 针对预测算法无法有效的控制预测范围内只出现一个运动目标的情况，需要对跟踪算法进行改善，提高跟踪精度，降低误跟率；二维平面上的预测本质是将运动目标的搜索范围缩小到某一“足够小”的二维空间内，但由于目标运动复杂性以及多个运动目标之间的遮挡、重合等问题，致使预测的搜索范围往往按照非预期的增大甚至失效。而且基于预测方法在各运动目标之间独立进行，并未利用运动目标之间的关系，而事实上运动捕获系统中的标记点作为运动目标，代表的是人体骨架关节点，其无论在三维空间还是投影在每一个摄像机的二维像平面空间，都保持一定的拓扑结构，人体的运动实际是对这种拓扑结构的一种动态调整；如果能够利用这种拓扑结构，对运动目标的匹配度也许会提高。 实际上，对每一个运动目标的搜索范围不一定追求“最小”，而是“有效”即可。能够利用运动目标之间的拓扑结构，并且构建出对一个运动目标的“有效”搜索范围，其最佳定义应该符合二维voronoi域的概念。voronoi图的构建依赖于voronoi域中心的选取，在运动捕获系统的多目跟踪中，帧间相关性可以提供有力支持。以上一帧的二