论文部分内容阅读
随着社会进步,单摄像机目标检测和跟踪已很难满足现实需要。为了扩大监控范围,近年来多摄像头的目标检测和跟踪越来越受到重视,但是由于监控区域的广阔和单摄像机视域有限之间的矛盾,不可能使用数量巨大的摄像头去覆盖所有的被监控区域,只能覆盖重要的区域,这些区域之间存在一定的盲区,单摄像机的目标检测和跟踪技术已经成熟,如何跟踪和判断穿越这些盲区到达另一摄像机的目标,即无重叠视域多摄像头目标跟踪成为了现在的研究热点。由于不同摄像机之间的同一目标呈现的特征有很大不同且时间和空间是分离的,所以如何匹配同一目标是无重叠视域多摄像头目标跟踪的关键问题,本文提出使用目标的多特征进行目标的匹配以实现跟踪。本文主要工作和创新如下：1)针对单摄像机对运动目标检测实时性和鲁棒性不高等缺点,本文提出使用VIBE背景提取和运动目标检测算法进行单摄像机的运动目标检测。使用第一帧进行背景建模,结合目标像素点的八邻域建立像素模型。一般在第二帧就可以提取出较好的前景目标。由于背景不可避免的会引入噪声和受到光照变化,本文提出使用基于像素级和帧级的背景模型的更新。实验结果表明,本文提出的更新模型算法,对光照变化具有良好的适应性。2)对非重叠视域多摄像机之间的目标表现模型及其匹配问题,提出了带有目标颜色特征的颜色直方图、UV色度分量等特征的匹配,以及使用目标的SURF特征点进行目标匹配,本文提出使用SURF特征点的欧式距离作为目标匹配的重要条件,通过比较特征点的最近距离与次近距离的方法,求出距离比率ratio来标记两个运动目标的相似性程度,ratio越小两个物体匹配度越高。3)本文使用系统拓扑结构作为特征比较的一个附加特征,由于不同摄像机之间的时空模型存在不同,即摄像机之间是否连通,以及连通摄像机之间平均距离,我们一般用平均时间来表示。使用混合高斯模型来模拟不同摄像机之间的时间模型。4)考虑到非重叠视域目标跟踪的特性,使用D-S证据理论进行对上述特征进行概率融合,实现对穿过不可见区域的目标持续跟踪,避免上述各特征的冲突,提高目标跟踪的准确性。同时使用图论的方法进行有效路径的提取,结合最小费用流模型使用最大费用来求取有效关联。