無重疊視域多攝像機目標匹配算法研究.pdf

1、隨著社會的進步，在重要場合對多攝像機的需求越來越大。單攝像機的目標跟蹤方法已經(jīng)日臻完善，但是由于其監(jiān)控范圍小，較難的應(yīng)用于大范圍的目標跟蹤中。用攝像機覆蓋所有的監(jiān)控區(qū)域容易造成攝像機的浪費，所以只需要覆蓋重要場合，這就造成了攝像機之間存在一定盲區(qū)，盲區(qū)的存在將攝像機之間運動目標在時間和空間上分離，目標在攝像機之間的成像特征不同導致匹配非常困難。本文主要工作以及創(chuàng)新點如下:
　　(1)針對傳統(tǒng)的VIBE算法提取的目標前景無法解決目標

2、粘連和陰影問題，本文提出了使用VIBE與HOG+SVM特征分類相結(jié)合的多運動目標檢測算法。利用VIBE算法檢測出運動目標區(qū)域，將檢測出的前景送入HOG特征的SVM分類器，分割得到正確目標，實驗證明該算法具有較好的魯棒性。
　　(2)在多攝像機目標匹配中，針對不同環(huán)境下的每個特征在攝像機目標匹配中的作用不一樣，選擇不同特征決定匹配效果的好壞，本文選用基于顏色補償?shù)念伾狈綀D匹配;基于LMNN的H分量匹配，基于擴散距離改進的SURF特

3、征匹配。顏色直方圖可以消除攝像機之間的光照差異;基于LMNN的H分量特征能夠加大不同目標的距離，使相同目標距離變小，便于匹配度的區(qū)分;基于擴散距離改進的SURF算法利用擴散距離的特性，消除了目標的誤匹配，提高了匹配效率。
　　(3)將攝像機之間的不可見區(qū)域訓練一個拓撲關(guān)系，將拓撲關(guān)系作為一個匹配特征，作為攝像機對目標的選擇，超過閾值的目標不進行匹配，在閾值之內(nèi)的特征才用于攝像機之間的匹配。
　　(4)將所有的特征進行D-S多