無重疊視域多目標(biāo)接力跟蹤關(guān)鍵問題研究.pdf

1、隨著國家智慧城市和平安城市戰(zhàn)略的推進，越來越多的攝像機被安裝在學(xué)校、商場、車站、醫(yī)院、社區(qū)等重要場所，但目前這些攝像機都只是單獨的發(fā)揮監(jiān)控作用，因此，如何讓這些各自獨立的攝像機組合在一起形成一個監(jiān)控網(wǎng)絡(luò)，實現(xiàn)多攝像機之間的目標(biāo)協(xié)同跟蹤是智能視覺監(jiān)控領(lǐng)域中的一個熱點課題。然而，無重疊視域的視覺監(jiān)控系統(tǒng)往往存在一些監(jiān)控盲區(qū)，造成了多攝像機之間目標(biāo)協(xié)同跟蹤的困難，如何消除攝像機之間的視覺差異和克服監(jiān)控盲區(qū)的時空不確定性對目標(biāo)跟蹤的影響，成為本

2、文重點關(guān)注的兩個問題。為此，本文詳細探討了單攝像機內(nèi)的目標(biāo)檢測和跟蹤、攝像機間的目標(biāo)再識別以及結(jié)合攝像機網(wǎng)絡(luò)拓撲關(guān)系的目標(biāo)關(guān)聯(lián)，論文主要研究內(nèi)容和創(chuàng)新之處如下:
　　(1)面向單攝像機固定場景，提出了一種基于VIBE與HOG特征分類相結(jié)合的多運動目標(biāo)檢測算法和一種基于二次距離匹配的多目標(biāo)跟蹤算法。為了適應(yīng)光照的變化，減少遮擋的影響，論文首先基于改進的VIBE算法獲取目標(biāo)的可能區(qū)域，然后基于HOG特征的SVM分類器對目標(biāo)進行精確的分

3、割，以實現(xiàn)多目標(biāo)檢測，再采用前向后向誤差的思想對前景區(qū)域與目標(biāo)進行雙向最優(yōu)匹配，對于沒有匹配上的目標(biāo)進行剔除或增加，以實現(xiàn)多目標(biāo)跟蹤。在大量標(biāo)準(zhǔn)和自拍的視頻集上的測試結(jié)果表明，所提多目標(biāo)檢測算法具有較好的精確性，而多目標(biāo)跟蹤算法則具有較好的魯棒性。
　　(2)提出了一種基于多特征融合的單樣本目標(biāo)再識別算法和一種基于Jensen-Shannon(JS)核的多樣本目標(biāo)再識別算法。針對單樣本情形，論文首先提取行人圖像的顏色直方圖特征和紋

4、理特征，分別構(gòu)建二分類模型，然后對不同的特征分配不同的核函數(shù)進行，用多核學(xué)習(xí)算法獲得不同核函數(shù)的最優(yōu)權(quán)重，并構(gòu)建了基于巴氏系數(shù)的AP聚類預(yù)處理方法來選擇典型的負樣本，以解決訓(xùn)練中負樣本遠多于正樣本而造成的樣本失衡問題。對于多樣本情形，論文首先驗證了JS核對于不同的顏色直方圖特征具有較好的適應(yīng)性;其次經(jīng)過LFDA算法對樣本進行散度分析，尋找投影方向;最后采用JS核函數(shù)把樣本映射到高維空間，使得同類樣本盡可能地緊湊，而異類樣本盡可能地松弛。

5、通過在VIPeR、i_LIDS、ETHZ三個標(biāo)準(zhǔn)數(shù)據(jù)集和大量自拍數(shù)據(jù)集上的測試，驗證了所提算法的有效性。
　　(3)為了減少誤匹配，提出了一種基于貝葉斯模型和離散粒子群優(yōu)化的目標(biāo)關(guān)聯(lián)算法。論文首先對攝像機網(wǎng)絡(luò)進行在線拓撲關(guān)系估計，然后采用貝葉斯模型對攝像機間的目標(biāo)匹配結(jié)果與拓撲關(guān)系進行融合，基于構(gòu)造的評價函數(shù)來選擇最優(yōu)路徑，并引入離散粒子群優(yōu)化來搜索最優(yōu)路徑集合以減少計算復(fù)雜度。在大型視覺監(jiān)控系統(tǒng)中的仿真實驗表明，所提算法具有較好