無(wú)重疊視域多攝像機(jī)運(yùn)動(dòng)目標(biāo)匹配研究.pdf

1、隨著智能視頻監(jiān)控系統(tǒng)的高速發(fā)展，近年來(lái)，人們對(duì)視頻監(jiān)控系統(tǒng)的智能性要求日益提高。多攝像機(jī)網(wǎng)絡(luò)能夠監(jiān)控更廣闊的區(qū)域，正在逐漸被重視。但是，從經(jīng)濟(jì)、資源等方面的考慮，不太可能布置大量的攝像頭覆蓋所有監(jiān)視區(qū)域。因此，無(wú)重疊視域多攝像機(jī)情況下的目標(biāo)跟蹤就成了廣域視頻監(jiān)控研究的主要內(nèi)容之一。無(wú)重疊視域多攝像機(jī)間的目標(biāo)匹配作為跟蹤的重要前提和必須步驟，也成為廣域視頻監(jiān)控研究中的重要研究?jī)?nèi)容。
　　本文針對(duì)無(wú)重疊視域多攝像機(jī)監(jiān)控環(huán)境中不規(guī)則擾動(dòng)

2、背景的運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題、固定單攝像機(jī)下的目標(biāo)跟蹤問(wèn)題和多攝像機(jī)間的目標(biāo)匹配問(wèn)題進(jìn)行了深入研究，取得了如下成果：
　　1．針對(duì)混合高斯背景模型易將場(chǎng)景中的不規(guī)則擾動(dòng)背景成分當(dāng)作前景目標(biāo)區(qū)域，造成誤檢率較高的問(wèn)題，本文提出了一種融合區(qū)域運(yùn)動(dòng)估計(jì)的改進(jìn)算法（ME-GMM）。該方法首先利用混合高斯背景模型有效應(yīng)對(duì)場(chǎng)景中規(guī)則擾動(dòng)并對(duì)前景目標(biāo)區(qū)域進(jìn)行預(yù)提取，然后通過(guò)區(qū)域運(yùn)動(dòng)估計(jì)進(jìn)一步分析各區(qū)域的運(yùn)動(dòng)特征來(lái)區(qū)分不規(guī)則擾動(dòng)背景成分和運(yùn)動(dòng)前景目標(biāo)區(qū)

3、域，從而完成實(shí)際監(jiān)控場(chǎng)景的運(yùn)動(dòng)目標(biāo)檢測(cè)。在數(shù)據(jù)集I2R[58]實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有算法相比，本文提出的算法能更好地檢測(cè)不規(guī)則背景擾動(dòng)情況下的運(yùn)動(dòng)目標(biāo)。
　　2．針對(duì)固定單攝像頭視域內(nèi)基于單一特征的目標(biāo)跟蹤算法容易發(fā)生目標(biāo)位置偏移、目標(biāo)丟失等問(wèn)題，本文提出了一種基于多特征協(xié)方差矩陣的目標(biāo)跟蹤算法。該算法首先利用ME-GMM運(yùn)動(dòng)目標(biāo)檢測(cè)算法提取出每一幀的運(yùn)動(dòng)目標(biāo)區(qū)域并去除視頻流中的背景成分，有效避免了跟蹤過(guò)程可能發(fā)生的目標(biāo)位置偏移；然

4、后運(yùn)用多特征協(xié)方差矩陣對(duì)連續(xù)幀間的目標(biāo)區(qū)域進(jìn)行區(qū)域匹配，并依此分析目標(biāo)在連續(xù)幀間的運(yùn)動(dòng)狀態(tài)預(yù)測(cè)目標(biāo)在下一幀中可能出現(xiàn)的位置，有效克服了因遮擋導(dǎo)致的跟蹤丟失問(wèn)題。在數(shù)據(jù)集PETS2009[59]上的實(shí)驗(yàn)結(jié)果表明，與基于單一特征的粒子濾波的跟蹤算法相比，本文提出的目標(biāo)跟蹤算法目標(biāo)位置更準(zhǔn)確，跟蹤丟失率更低。
　　3．針對(duì)無(wú)重疊視域中目標(biāo)在不同攝像間外觀容易發(fā)生變化，使得目標(biāo)在多攝像機(jī)間難以獲得準(zhǔn)確匹配的問(wèn)題，在分析顏色不變性特征的基礎(chǔ)

5、上，提出了一種基于AP聚類(lèi)算法的形狀上下文目標(biāo)表現(xiàn)模型。該模型首先通過(guò) AP聚類(lèi)算法確定目標(biāo)圖像在log顏色空間的聚類(lèi)中心和各像素所屬的類(lèi)別，然后將所有聚類(lèi)中心作為參照點(diǎn)集合生成形狀上下文描述子集合，最后通過(guò)計(jì)算無(wú)重疊視域多攝像機(jī)監(jiān)控環(huán)境下獲取的不同目標(biāo)表現(xiàn)模型之間的EMD距離實(shí)現(xiàn)相同目標(biāo)的匹配，降低了光照變化、角度變化和尺度變化所帶來(lái)的匹配誤差。在數(shù)據(jù)集VIPeR[60]的仿真實(shí)驗(yàn)證明，本文提出的目標(biāo)表現(xiàn)模型可以有效實(shí)現(xiàn)無(wú)重疊視域多攝