基于视频粒子流和ftle场的人群运动分割算法

《基于视频粒子流和ftle场的人群运动分割算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、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)01-0252-04doi: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

2、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:tosegmentmovingcrowdwithdifferentdynamicsincomplexvideosurveillancescenes,thispaperproposedacrowdmotionsegmentationalgorithmwhichwasbasedonvideoparticleflowandfinitetimelyapunovexponent(ftle)field.f

3、irstly,videoparticleflowwasusedtorepresentthelong-rangeparticlemotionestimation.tooptimizetheseparticlestrajectories,anenergyfunctioncontainingpoint-basedappearancematchinganddistortionbetweentheparticleswasminimized.thenthespatialgradientoftheparticleflowmapwassolvedandtheftlefieldwasconstru

4、cted.finally,thelagrangiancoherentstructure(lcs)intheftlefieldwasusedtodivideflowintoregionsofqualitativelydifferentdynamics.theexperimentalresultsshowthattheproposedalgorithmcaneffectivelysegmentcrowdflowwithdifferentdynamicsincomplexvideosurveillancescenes,andithasstrongrobustness.keywords:

5、videoparticle;particleflow;lyapunovexponent;motionsegmentation;lagrangiancoherentstructure(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

6、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

7、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（finitetimelyapunovexponent,ftle）场中的拉格朗日相干结构(lagrangiancoherentstructure,lcs)把流场分割成运动特性不同的几个区域。该分割算法能有效地检测出流体的动态特性变化，且具有鲁棒性的特点。对于上述这些方法，通常采用密集光流或者特征点跟踪来得到粒子的运动轨迹。然而光流只适用于连续两帧之间的运动估计，在长时间序列（多帧）之间存在漂移问题。视频粒子流