多攝像機協(xié)作分布式智能視覺監(jiān)控中若干問題研究.pdf

1、智能圖像傳感器是分布式視覺監(jiān)控系統(tǒng)的關(guān)鍵設(shè)備，如果用高性能計算機來設(shè)計智能圖像傳感器，則成本過高。并且一般計算機的可靠性較差，不能滿足視覺監(jiān)控系統(tǒng)連續(xù)工作的需要。近年來，數(shù)字信號處理器(DSP)的運算速度大幅提升，而價格不斷下降，因此可以用DSP代替計算機來設(shè)計智能圖像傳感器，降低成本并提高可靠性。與高性能計算機相比，DSP的計算能力畢竟有限，在計算機上取得良好性能的多數(shù)復雜算法不能直接應(yīng)用到DSP上，必須根據(jù)DSP的計算能力設(shè)計新的算

2、法或者對以往算法進行改進，在保證算法性能的前提下盡量降低算法的復雜度。 本文就是以基于DSP的網(wǎng)絡(luò)攝像機為硬件平臺，研究分布式智能視覺監(jiān)控中背景重建、運動目標檢測及跟蹤、人臉檢測跟蹤、攝像機標定、多攝像機協(xié)作監(jiān)視等基礎(chǔ)性問題，著力解決算法復雜度與算法性能之間的矛盾。主要成果及創(chuàng)新如下： (1)快速而準確的背景重建是分布式智能視覺監(jiān)控的重要基礎(chǔ)之一。論文提出兩種快速背景重建算法，即基于背景象素值出現(xiàn)頻次最高假設(shè)的背景重建改

3、進方法和利用運動分割結(jié)果指導背景更新的背景重建方法。第一種方法先去掉前景點，再統(tǒng)計背景點各像素值出現(xiàn)的頻次，選出頻次最大的灰度值作為背景灰度值，算法能快速有效地重構(gòu)背景，并且當目標運動緩慢或在某一區(qū)域頻繁出現(xiàn)導致前景點出現(xiàn)的概率大于背景點時，仍能正確重構(gòu)背景。第二種方法利用運動分割檢測出“虛假”的運動區(qū)域，僅對“虛假”運動區(qū)域進行背景更新，計算量小，更新速度快，并且算法不受背景點出現(xiàn)頻次的限制。 (2)單攝像機跟蹤是多攝像機跟蹤

4、的基礎(chǔ)。論文給出一種運動檢測與運動搜索相結(jié)合的卡爾曼預(yù)測多目標跟蹤算法，算法使用跟蹤置信度策略，在單攝像機條件下，能統(tǒng)一處理遮擋、合并、分裂等情況，具有較強的多目標跟蹤能力。 (3)視頻人臉檢測、跟蹤是視覺監(jiān)控系統(tǒng)的一項重要功能。論文綜合應(yīng)用膚色特征和人臉區(qū)域的邊緣點方向特征，給出一種基于貝葉斯分類器的快速視頻人臉檢測方法，并利用人臉檢測及kalman預(yù)測實現(xiàn)多人臉的跟蹤。 (4)通過攝像機標定獲取目標的世界坐標是視覺監(jiān)

5、控的重要任務(wù)之一。論文提出一種基于四元數(shù)的運動攝像機旋轉(zhuǎn)矩陣的在線標定方法，標定方法簡捷，重建世界坐標誤差較小。另外提出一種基于人體身高模型的單攝像機目標定位新方法，能通過外參數(shù)未標定的單個攝像機獲取目標在地平面上的二維坐標，滿足室內(nèi)或室外運動目標定位的需要。 (5)多攝像機協(xié)作是提高分布式視覺監(jiān)控系統(tǒng)智能性的重要方法。論文提出一種聯(lián)盟機制多攝像機協(xié)作模型，利用基于任務(wù)需求與攝像機能力距離匹配的協(xié)作聯(lián)盟快速生成算法選擇擇多個攝像