無(wú)重疊視域多攝像機(jī)目標(biāo)關(guān)聯(lián)研究.pdf

1、隨著廣域視頻監(jiān)控的普及,多攝像機(jī)智能監(jiān)控已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。考慮到成本效益和公眾隱私,大型視頻監(jiān)控網(wǎng)絡(luò)存在大量的監(jiān)控盲區(qū),造成多攝像機(jī)之間目標(biāo)跟蹤的困難。無(wú)重疊視域多攝像機(jī)監(jiān)控系統(tǒng)下的目標(biāo)關(guān)聯(lián),又稱目標(biāo)再識(shí)別,主要用于消除攝像機(jī)之間的視覺(jué)差異和監(jiān)控盲區(qū)的時(shí)空不確定性對(duì)目標(biāo)跟蹤的影響。目前,目標(biāo)關(guān)聯(lián)已經(jīng)成為解決無(wú)重疊視域監(jiān)控場(chǎng)景下目標(biāo)跟蹤的關(guān)鍵問(wèn)題。本文對(duì)無(wú)重疊視域多攝像機(jī)目標(biāo)關(guān)聯(lián)進(jìn)行了深入的研究,論文的主要工作和創(chuàng)新點(diǎn)如下

2、:
　　(1)提出了基于目標(biāo)“特征差”矢量的非線性排序(NRFD)目標(biāo)再識(shí)別算法。針對(duì)目標(biāo)在不同監(jiān)控系統(tǒng)的視覺(jué)差異對(duì)目標(biāo)再識(shí)別的影響,與以往旨在消除這類影響的目標(biāo)再識(shí)別算法不同,本文利用這些差異,也就是目標(biāo)特征差,構(gòu)造二分類模型,并通過(guò)RBF核 SVM對(duì)候選目標(biāo)進(jìn)行排序,從而實(shí)現(xiàn)目標(biāo)再識(shí)別。此外,針對(duì)負(fù)樣本遠(yuǎn)多于正樣本而造成的樣本失衡問(wèn)題,本文構(gòu)建了基于巴氏系數(shù)的AP聚類預(yù)處理方法來(lái)選擇典型的負(fù)樣本,從而克服該問(wèn)題造成的影響。在標(biāo)

3、準(zhǔn)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明,該算法的識(shí)別率優(yōu)于相關(guān)方法。
　　(2)考慮到基于信息衡量的JENSEN-SHANNON(JS)核函數(shù)能處理光照變化引起的顏色直方圖偏移問(wèn)題,本文提出了JS核判別分析(JSKDA)的目標(biāo)關(guān)聯(lián)算法。首先通過(guò)JS核函數(shù)把樣本映射到高維空間,充分提取目標(biāo)的可鑒別信息,然后在該空間應(yīng)用改進(jìn)的局部 Fisher判別分析,抵御離群樣本對(duì)目標(biāo)關(guān)聯(lián)的影響,從而降低關(guān)聯(lián)錯(cuò)誤率。
　　(3)應(yīng)用D-S證據(jù)理論融合監(jiān)控網(wǎng)