论文部分内容阅读
随着计算机视觉的不断发展,单摄像机智能监控算法已日渐成熟,近年来,多摄像机网络中的目标跟踪逐渐被重视。由于被监控区域的广阔和摄像机视域有限之间的矛盾,以及对计算机和经济等方面的考虑,不可能用摄像机覆盖所有的被监控区域。因此,无重叠视域多摄像机监控环境下的目标跟踪就成为了广域视频监控研究的重要内容之一。由于在无重叠视域多摄像机视频监控系统中,目标在时间上和空间上都是分离的。如何对不同摄像机中的相同目标进行匹配是无重叠视域多摄像机目标跟踪的关键问题。为了解决这个问题,本文提出了一种结合多个目标表现模型和摄像机间拓扑关系的数据关联方法来实现目标跟踪。论文的主要工作和创新如下:(1)对无重叠视域多摄像机之间的目标表现模型及其匹配问题,提出了带有亮度转移函数的分片颜色直方图、UV色度模型和目标身高特征相结合的多表现模型及其匹配算法。其中,针对目标在多摄像机之间的颜色特征差异问题,首先使用亮度转移函数(BTF)来消除摄像机本身和环境光照导致的成像差异,并对目标进行分片处理,弥补了颜色直方图完全丢失空间信息的缺点,实验结果表明,使用带有亮度转移函数的分片颜色直方图提高了匹配的准确性。由于UV色度模型对于光照变化不敏感,因此本文使用UV色度模型进行目标匹配,在一定程度上降低了环境光照变化带来的匹配误差。而由于摄像机之间视角和焦距等不同,相同目标在不同摄像机下的成像身高会发生明显变化,但在一定的约束条件下,两个摄像机下的目标身高变化近似满足线性规律,因此本文利用身高转移模型排除了一些身高差异较大的候选目标。这三种匹配模型相互补充,大大提高了外观模型匹配的准确性。(2)针对无重叠视域多摄像机之间的拓扑关系获得速度慢这一缺点,本文提出了一种较为快速的在线拓扑关系获取方法。根据单摄像机目标跟踪的结果直接获得摄像机间的出入点,使用单高斯模型来描述单目标转移时间的概率分布,并用渐进累积方法获得摄像机间的转移时间概率分布,为目标匹配提供了一个可靠的时间线索。(3)考虑无重叠视域多摄像机系统的特性,提出利用D-S证据理论对目标的多表现模型和时空约束进行融合,实现对穿越不可见区域的目标的持续跟踪,避免证据之间的冲突,提高了目标跟踪的准确性。