4 / 17
Селективно-ковариационный метод локализации, классификации и отслеживания людей…
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 6
57
1. Инициализация пустого списка
D
ковариационных дескрипторов отсле-
живаемых людей.
2. Считывание кадров
1
,
t
I
2
,
t
I
…,
p
t
I
со всех камер в момент времени
t
.
3.
Локализация всех областей головы и плеч
1 2
, , ...,
m
R R R
посредством алго-
ритма Виолы — Джонса на кадрах
1
,
t
I
2
t
I
, …,
.
p
t
I
4. Построение ковариационных дескрипторов
1 2
, , ...,
m
d d d
для областей
1 2
, , ...,
,
m
R R R
локализованных в момент времени
t
.
5.
Сопоставление построенных в момент времени
t
дескрипторов с
деcкрипторами, внесенными в список
D
в моменты времени 1, 2, …,
t
–1, обнов-
ление списка
D
, а именно, для каждого дескриптора
, 1, :
i
d i
t
5.1. Нахождение дескриптора
*
d
из
списка
D
, расстояние
*
,
i
Dist d d
кото-
рого от
i
d
минимально;
5.2. Если это расстояние меньше определенного порога, то фиксируется об-
наружение в кадре человека, соответствующего дескриптору
*
,
d
если же оно
больше или равно этому порогу, то фиксируется обнаружение нового человека,
и соответствующий ему дескриптор
i
d
добавляется в список дескрипторов об-
наруженных людей
D
.
На рис. 1 приведена блок-схема алгоритма считывания и обработки кадров с
видеокамер в момент времени
t.
В предложенном методе можно выделить два модуля — модуль локализации
областей головы и плеч и модуль классификации (далее — классификатор). Мо-
дуль локализации отвечает за третий шаг представленного алгоритма, а класси-
фикатор — за четвертый и пятый шаги. Классификатор, по сути, является сово-
купностью выбранного метода построения дескриптора и способа сопоставле-
ния дескрипторов.
Рассмотрим подробнее ключевые этапы предложенного алгоритма ковариа-
ционного метода отслеживания людей в видеопотоках с нескольких камер и
детально обсудим предложенный классификатор.
Локализация областей головы и плеч.
Локализация областей головы и плеч
(областей интереса) в момент времени
t
производится для каждого видеопотока
по-отдельности, затем найденные области склеиваются в один общий набор обла-
стей
1 2
, ,...,
,
m
R R R
который и является результатом работы данного этапа. Локали-
зация областей интереса в каждом отдельно взятом видеопотоке выполняется в
два этапа. На первом этапе посредством алгоритма вычитания фона на основе
смеси гауссовых распределений [13] (метод
BackgroundSubtractorMOG2
библиоте-
ки OpenCV) отбрасываются статические области кадра, после чего c помощью ал-
горитма Виолы —
Джонса [14] на оставшихся областях кадра локализуются обла-
сти головы и плеч (используется каскад
haarcascade_mcs_upperbody
из библиотеки
OpenCV). Алгоритм Виолы —
Джонса был выбран ввиду его высокой производи-
тельности и хорошего качества работы, благодаря чему он является одним из
наиболее широко применяемых алгоритмов в задачах локализации объектов.