多攝像機監(jiān)控網絡中的目標連續(xù)跟蹤方法研究.pdf

1、隨著信息技術的發(fā)展及社會安防需求的不斷提高，傳統(tǒng)的人工監(jiān)控技術已不能滿足人們的需求，智能化和主動化的目標監(jiān)控技術成為目前主要的發(fā)展方向。作為智能監(jiān)控的重要組成部分，多攝像機監(jiān)控網絡中的目標連續(xù)跟蹤成為研究的熱點，并具有較強的理論意義和廣泛的應用價值。多攝像機目標連續(xù)跟蹤包括單攝像機的目標跟蹤和目標在攝像機之間的交接跟蹤兩個組成部分。與傳統(tǒng)的單攝像目標跟蹤相比，由于攝像機數(shù)目的增多，該課題引入了許多新的問題，如攝像機網絡監(jiān)控場景復雜、各攝

2、像機參數(shù)不同及目標在各攝像機中的運動軌跡不同等。如何克服這些難題，實現(xiàn)目標在多攝像機網絡中的準確跟蹤是智能監(jiān)控領域亟待解決的問題之一。
　　本論文針對非重疊視野下多攝像機目標連續(xù)跟蹤進行了研究，重點研究了魯棒的單攝像機目標跟蹤算法、多攝像機視野的拓撲結構學習、多攝像機下目標表觀模型的學習和目標匹配及多攝像機間目標的準確交接等幾個方面的內容。論文的具體工作及研究成果如下:
　　1)研究了單攝像機目標跟蹤方法，并提出了稀疏表達多

3、特征融合的單攝像機跟蹤算法。本算法以粒子濾波為總體跟蹤框架，包括觀測概率模型和狀態(tài)模型兩部分。觀測概率模型通過將多個特征進行稀疏表達融合的方式構建，狀態(tài)模型為六參量的高斯分布。為了使該算法能適應目標在運動過程中的各種變化，本文在跟蹤算法中加入了具有自適應的模板更新算法。實驗表明，該跟蹤算法可以處理跟蹤過程中可能發(fā)生的光照改變、遮擋、姿態(tài)改變和背景復雜等情況，實現(xiàn)準確而有效的目標跟蹤。
　　2)研究了非重疊視野下多攝像機視野的拓撲結

4、構學習方法。攝像機視野的拓撲結構包括進/出口區(qū)域（節(jié)點）、節(jié)點間的轉移時間分布及節(jié)點間的關聯(lián)性三個要素。本文通過對監(jiān)控視頻中曰標跟蹤信息的統(tǒng)計，提出了非重疊視野下多攝像機視野的拓撲結構學習方法。首先采用高斯聚類方法對各攝像機視野中的進/出口區(qū)域進行學習，然后通過累加交叉相關及高斯擬合的方式對節(jié)點間的轉移時間分布進行學習，最后利用互信息理論對節(jié)點間的關聯(lián)性進行精簡，去除虛假關聯(lián)的節(jié)點，從而獲得準確的拓撲結構。通過對攝像機視野拓撲結構的學習

5、可以獲得多攝像機目標連續(xù)跟蹤過程中需要的時空推理信息（如當目標運行到某攝像機出口節(jié)點后選擇哪一個攝像機作為交接攝像機、目標從出口節(jié)點到交接攝像機的入口節(jié)點需要的時間范圍等），為合理調度攝像機提供依據。
　　3)研究了目標在多個攝像機視野中運動時表觀變化的特點，提出了基于特征樹的目標表觀模型學習和目標匹配方法。本文對不同攝像機下的目標表觀進行了學習，提出了基于特征樹的目標表觀模型學習和目標匹配方法。通過對不同特征分別進行非督導聚類獲

6、得不同特征的樹狀結構，從多個角度對目標進行全面描述。當在不同攝像機下目標表觀發(fā)生改變時，可以根據獲取的目標新樣本對特征樹進行更新，并對目標之前表觀具有記憶能力。目標匹配采用特征樹投票的方式，候選目標需要經過特征樹每一層相似性的計算。這種層層篩選的方式，可以大大減少計算量，提高匹配效率。
　　4)研究了目標在多個攝像機之間的交接問題，提出了基于繼承和學習的多攝像機目標交接算法。目標在多個攝像機之間的準確交接是多攝像機監(jiān)控網絡中目標連

7、續(xù)跟蹤能否成功的關鍵。本文將時空約束信息和目標表觀模型進行融合，提出了基于繼承和學習的多攝像機目標交接算法。該算法將單攝像機目標跟蹤、拓撲結構學習及目標表觀模型信息融入整體交接跟蹤框架。首先通過拓撲結構學習獲取目標在整個網絡中運動時的時空信息，消除模糊因素的干擾。當確定跟蹤目標后，通過單攝像機目標跟蹤算法對其進行跟蹤并構建目標在該攝像機下的表觀模型。在目標交接啟動時，將該模型傳遞給交接攝像機。交接攝像機利用上一攝像機傳遞的表觀模型在一定