無重疊視域多攝像機目標跟蹤研究.pdf

1、現(xiàn)代的監(jiān)控系統(tǒng)大多應用在商場、銀行等大型場所,理論上應該使用大量攝像機覆蓋所有監(jiān)控區(qū)域,但這樣做成本過高,而且沒有必要,因此無重疊視域多攝像機監(jiān)控系統(tǒng)便應運而生。由于無重疊視域多攝像機監(jiān)控系統(tǒng)中目標在時空上都是離散的,如何對不同攝像機檢測出的目標進行匹配以及利用匹配的結果獲取目標在一定時間內(nèi)的運動軌跡是無重疊視域監(jiān)控領域研究的關鍵問題。為了解決上述問題,本文提出結合多種目標表現(xiàn)模型和攝像機間拓撲關系,并運用智能優(yōu)化算法求解目標最優(yōu)路徑集

2、合,從而實現(xiàn)目標的持續(xù)跟蹤。論文的主要工作和創(chuàng)新如下:
　　(1)研究攝像機拓撲關系獲取問題。本文采用一種在線拓撲關系估計方法,根據(jù)單攝像機目標檢測的結果獲得單個攝像機的進出口位置,使用高斯模型模擬攝像機間的轉移時間概率,為目標匹配和關聯(lián)提供一個可靠的時間約束關系,效果較為良好。
　　(2)研究不同攝像機間的樣本匹配問題。本文提出了結合顏色直方圖、H分量模型和SURF特征點的多表現(xiàn)模型及匹配算法。其中,針對顏色直方圖運用BT

3、F彌補其缺乏空間信息的劣勢;考慮到H分量對光照變化不敏感,結合LFDA方法消除光照外的干擾;SURF特征點對旋轉、尺度變化有良好的魯棒性,通過比較特征點間的距離求出運動目標間的相似度。這三種匹配模型可相互補充,提高外觀模型匹配的準確性。
　　(3)研究攝像機間目標關聯(lián)問題。本文使用D-S證據(jù)理論對上述特征進行概率融合,提高目標匹配的準確性;同時運用離散粒子群優(yōu)化算法(DPSO),根據(jù)樣本匹配的相似度獲取多個目標在一定時間內(nèi)的運動軌