基于视频粒子流和FTLE场的人群运动分割算法.docVIP

基于视频粒子流和FTLE场的人群运动分割算法 文章编号:1001-9081(2012)01-0252-04 doi:10.3724/sp.j.1087.2012.00252 摘 要: 针对复杂视频监控场景中不同运动行为的人群分割，提出了将视频粒子流和有限时间李雅普诺夫指数（ftle）场相结合的人群运动分割算法。首先利用视频粒子流来表示长周期的粒子运动估计，通过最小化包含粒子外观匹配一致性和粒子间形变的能量函数，来优化每个粒子的轨迹；接着求解粒子流图的空间梯度，并构造ftle场；最后利用ftle场中的拉格朗日相干结构把流图分割成运动特性不同的区域。实验结构表明，算法能从拥挤复杂的视频监控场景中有效地分割出不同运动特性的群体，且具有较好的鲁棒性。 关键词: 视频粒子；粒子流；李雅普诺夫指数；运动分割；拉格朗日相干结构 中图分类号: tp391.413 文献标志码:a  abstract: to segment moving crowd with different dynamics in complex video surveillance scenes, this paper proposed a crowd motion segmentation algorithm which was based on video particle flow and finite time lyapunov exponent (ftle) field. firstly, video particle flow was used to represent the long-range particle motion estimation. to optimize these particles trajectories, an energy function containing point-based appearance matching and distortion between the particles was minimized. then the spatial gradient of the particle flow map was solved and the ftle field was constructed. finally, the lagrangian coherent structure (lcs) in the ftle field was used to divide flow into regions of qualitatively different dynamics. the experimental results show that the proposed algorithm can effectively segment crowd flow with different dynamics in complex video surveillance scenes, and it has strong robustness. key words: video particle; particle flow; lyapunov exponent; motion segmentation; lagrangian coherent structure (lcs) 0 引言 大型集会（如宗教朝圣、游行、音乐会、足球比赛等）中的人群管理［1］，是公共安全管理领域中最亟待解决的问题。通常这些集会涉及到人群在有限的空间内运动，如城市街道、高架桥或者是狭窄的通道，因而易于造成人群踩踏、四散堵塞事故发生。为了减少在这些大型集会中灾难性事故的发生，智能视频人群监控技术已广泛地应用到各种监控领域如城市街道、地铁站、商场等。其中对监控场景中运动目标的分割一直是图像处理和计算机视觉领域的重要研究课题。 目前大多数运动分割算法，仅限于视频序列中含有少数的目标个体的分割与跟踪。如文献［2-3］提出的算法针对的是涉及低密度人群的目标检测与分割；tu等［4］提出的人群分割同样不能处理异常拥挤的人群运动。 近年来，为了解决高密度场景下的分割和检测问题，计算机视觉研究人员已提出了不少涉及高密度人群下的人流分割与目标检测的算法。如一些方法使用基于个体形状和颜色模型［5］、边界轮廓［6］、特征点轨迹［7］等运动表示方法去检测与分类复杂场景下的运动目标；chan等［8］提出了使用基于动态纹理表示法分割拥挤场景的视频运动。与上述方法不同，ali等［9］把动态人群视为一个整体，而不是着眼于分析其中的每个个体，然后利用有限时间李雅普诺夫指数（finite time lyapunov exponent, ftle）场中的拉