第2期 王熙，等：基于轨迹聚类的超市顾客运动跟踪 ·191· 结果，其中最小公共系数α取0.33。从图中可以看 4 出，运动跟踪匹配算法适用于超市入口、生鲜区域、 收银台等多种具体场景，并能够在单人、多人复杂运 动条件下保持良好的鲁棒性。 图7运动跟踪，收银台，多人 Fig.7 Movement tracking:multiple customers at the check stand 具体而言，如图4所示，运动跟踪匹配算法能够 完整地跟踪顾客从超市监控图像中从出现到离开的 图4运动跟踪，超市入口，单人 整个过程，亦能适用于顾客运动过程中出现的拐弯 Fig.4 Movement tracking:single customer at the entrance 等复杂运动状态。从图5中可以看到，在超市中同 时出现多个运动的顾客时，运动跟踪算法能够同时 跟踪相应目标。如图6所示，在视频流中出现不同 时长的顾客轨迹时，本算法可以正确地分析出不同 轨迹的起始和终止时刻从而进行对应跟踪。分析图 7可知，对顾客的运动跟踪即使在顾客密集的场景 中也能够完整的提取出其中运动顾客的轨迹。对比 图5~7可以看到，对顾客的运动跟踪能够普遍适用 于超市入口、生鲜区域以及收银台等各种具体场景。 5结束语 超市顾客运动跟踪是计算机视觉领域中目标跟 踪的典型应用，在超市这种复杂环境下进行顾客的 图5运动跟踪，超市入口，多人 运动跟踪是亟待解决的应用难点。本文在KLT特 Fig.5 Movement tracking:multiple customers at the entrance 征点轨迹提取的基础之上进行特征点轨迹的预处 理，进而通过meanshift轨迹聚类分离出视频流每一 帧中的每类特征点，最后通过运动轨迹匹配算法将 每一帧中的特征点类与前一帧相匹配得到顾客的完 整运动轨迹。实验结果表明，本方法能够在实际超 市监控视频中做到顾客的运动跟踪，不仅适用于超 市入口、生鲜区域、收银台等多种典型场景，也能在 遮挡、复杂轨迹、多人异步运动等复杂情况下保持良 好的鲁棒性。因此，本文所述顾客运动跟踪算法能 够为超市这一供应链终端的后续应用，如智能拥塞 控制、最优商品布局、购物推荐、自动预警等提供可 靠的数据基石。 图6运动跟踪，生鲜区域，多人 参考文献： Fig.6 Movement tracking:multiple customers at the fresh area [1]YILMAZ A,JAVED O,SHAH M.Object tracking:a sur-结果，其中最小公共系数 α 取 ０．３３。 从图中可以看 出，运动跟踪匹配算法适用于超市入口、生鲜区域、 收银台等多种具体场景，并能够在单人、多人复杂运 动条件下保持良好的鲁棒性。 图 ４ 运动跟踪，超市入口，单人 Ｆｉｇ．４ Ｍｏｖｅｍｅｎｔ ｔｒａｃｋｉｎｇ： ｓｉｎｇｌｅ ｃｕｓｔｏｍｅｒ ａｔ ｔｈｅ ｅｎｔｒａｎｃｅ 图 ５ 运动跟踪，超市入口，多人 Ｆｉｇ．５ Ｍｏｖｅｍｅｎｔ ｔｒａｃｋｉｎｇ： ｍｕｌｔｉｐｌｅ ｃｕｓｔｏｍｅｒｓ ａｔ ｔｈｅ ｅｎｔｒａｎｃｅ 图 ６ 运动跟踪，生鲜区域，多人 Ｆｉｇ．６ Ｍｏｖｅｍｅｎｔ ｔｒａｃｋｉｎｇ： ｍｕｌｔｉｐｌｅ ｃｕｓｔｏｍｅｒｓ ａｔ ｔｈｅ ｆｒｅｓｈ ａｒｅａ 图 ７ 运动跟踪，收银台，多人 Ｆｉｇ．７ Ｍｏｖｅｍｅｎｔ ｔｒａｃｋｉｎｇ： ｍｕｌｔｉｐｌｅ ｃｕｓｔｏｍｅｒｓ ａｔ ｔｈｅ ｃｈｅｃｋ ｓｔａｎｄ 具体而言，如图 ４ 所示，运动跟踪匹配算法能够 完整地跟踪顾客从超市监控图像中从出现到离开的 整个过程，亦能适用于顾客运动过程中出现的拐弯 等复杂运动状态。 从图 ５ 中可以看到，在超市中同 时出现多个运动的顾客时，运动跟踪算法能够同时 跟踪相应目标。 如图 ６ 所示，在视频流中出现不同 时长的顾客轨迹时，本算法可以正确地分析出不同 轨迹的起始和终止时刻从而进行对应跟踪。 分析图 ７ 可知，对顾客的运动跟踪即使在顾客密集的场景 中也能够完整的提取出其中运动顾客的轨迹。 对比 图 ５～７ 可以看到，对顾客的运动跟踪能够普遍适用 于超市入口、生鲜区域以及收银台等各种具体场景。 ５ 结束语 超市顾客运动跟踪是计算机视觉领域中目标跟 踪的典型应用，在超市这种复杂环境下进行顾客的 运动跟踪是亟待解决的应用难点。 本文在 ＫＬＴ 特 征点轨迹提取的基础之上进行特征点轨迹的预处 理，进而通过 ｍｅａｎｓｈｉｆｔ 轨迹聚类分离出视频流每一 帧中的每类特征点，最后通过运动轨迹匹配算法将 每一帧中的特征点类与前一帧相匹配得到顾客的完 整运动轨迹。 实验结果表明，本方法能够在实际超 市监控视频中做到顾客的运动跟踪，不仅适用于超 市入口、生鲜区域、收银台等多种典型场景，也能在 遮挡、复杂轨迹、多人异步运动等复杂情况下保持良 好的鲁棒性。 因此，本文所述顾客运动跟踪算法能 够为超市这一供应链终端的后续应用，如智能拥塞 控制、最优商品布局、购物推荐、自动预警等提供可 靠的数据基石。 参考文献： ［１］ＹＩＬＭＡＺ Ａ， ＪＡＶＥＤ Ｏ， ＳＨＡＨ Ｍ． Ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ： ａ ｓｕｒ⁃ 第 ２ 期 王熙，等：基于轨迹聚类的超市顾客运动跟踪 ·１９１·