多攝像機(jī)監(jiān)控網(wǎng)絡(luò)中的目標(biāo)連續(xù)跟蹤方法研究.pdf

1、隨著信息技術(shù)的發(fā)展及社會(huì)安防需求的不斷提高，傳統(tǒng)的人工監(jiān)控技術(shù)已不能滿足人們的需求，智能化和主動(dòng)化的目標(biāo)監(jiān)控技術(shù)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(jī)監(jiān)控網(wǎng)絡(luò)中的目標(biāo)連續(xù)跟蹤成為研究的熱點(diǎn)，并具有較強(qiáng)的理論意義和廣泛的應(yīng)用價(jià)值。多攝像機(jī)目標(biāo)連續(xù)跟蹤包括單攝像機(jī)的目標(biāo)跟蹤和目標(biāo)在攝像機(jī)之間的交接跟蹤兩個(gè)組成部分。與傳統(tǒng)的單攝像目標(biāo)跟蹤相比，由于攝像機(jī)數(shù)目的增多，該課題引入了許多新的問題，如攝像機(jī)網(wǎng)絡(luò)監(jiān)控場景復(fù)雜、各攝

2、像機(jī)參數(shù)不同及目標(biāo)在各攝像機(jī)中的運(yùn)動(dòng)軌跡不同等。如何克服這些難題，實(shí)現(xiàn)目標(biāo)在多攝像機(jī)網(wǎng)絡(luò)中的準(zhǔn)確跟蹤是智能監(jiān)控領(lǐng)域亟待解決的問題之一。
　　本論文針對(duì)非重疊視野下多攝像機(jī)目標(biāo)連續(xù)跟蹤進(jìn)行了研究，重點(diǎn)研究了魯棒的單攝像機(jī)目標(biāo)跟蹤算法、多攝像機(jī)視野的拓?fù)浣Y(jié)構(gòu)學(xué)習(xí)、多攝像機(jī)下目標(biāo)表觀模型的學(xué)習(xí)和目標(biāo)匹配及多攝像機(jī)間目標(biāo)的準(zhǔn)確交接等幾個(gè)方面的內(nèi)容。論文的具體工作及研究成果如下:
　　1)研究了單攝像機(jī)目標(biāo)跟蹤方法，并提出了稀疏表達(dá)多

3、特征融合的單攝像機(jī)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(gè)特征進(jìn)行稀疏表達(dá)融合的方式構(gòu)建，狀態(tài)模型為六參量的高斯分布。為了使該算法能適應(yīng)目標(biāo)在運(yùn)動(dòng)過程中的各種變化，本文在跟蹤算法中加入了具有自適應(yīng)的模板更新算法。實(shí)驗(yàn)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(fù)雜等情況，實(shí)現(xiàn)準(zhǔn)確而有效的目標(biāo)跟蹤。
　　2)研究了非重疊視野下多攝像機(jī)視野的拓?fù)浣Y(jié)

4、構(gòu)學(xué)習(xí)方法。攝像機(jī)視野的拓?fù)浣Y(jié)構(gòu)包括進(jìn)/出口區(qū)域（節(jié)點(diǎn)）、節(jié)點(diǎn)間的轉(zhuǎn)移時(shí)間分布及節(jié)點(diǎn)間的關(guān)聯(lián)性三個(gè)要素。本文通過對(duì)監(jiān)控視頻中曰標(biāo)跟蹤信息的統(tǒng)計(jì)，提出了非重疊視野下多攝像機(jī)視野的拓?fù)浣Y(jié)構(gòu)學(xué)習(xí)方法。首先采用高斯聚類方法對(duì)各攝像機(jī)視野中的進(jìn)/出口區(qū)域進(jìn)行學(xué)習(xí)，然后通過累加交叉相關(guān)及高斯擬合的方式對(duì)節(jié)點(diǎn)間的轉(zhuǎn)移時(shí)間分布進(jìn)行學(xué)習(xí)，最后利用互信息理論對(duì)節(jié)點(diǎn)間的關(guān)聯(lián)性進(jìn)行精簡，去除虛假關(guān)聯(lián)的節(jié)點(diǎn)，從而獲得準(zhǔn)確的拓?fù)浣Y(jié)構(gòu)。通過對(duì)攝像機(jī)視野拓?fù)浣Y(jié)構(gòu)的學(xué)習(xí)

5、可以獲得多攝像機(jī)目標(biāo)連續(xù)跟蹤過程中需要的時(shí)空推理信息（如當(dāng)目標(biāo)運(yùn)行到某攝像機(jī)出口節(jié)點(diǎn)后選擇哪一個(gè)攝像機(jī)作為交接攝像機(jī)、目標(biāo)從出口節(jié)點(diǎn)到交接攝像機(jī)的入口節(jié)點(diǎn)需要的時(shí)間范圍等），為合理調(diào)度攝像機(jī)提供依據(jù)。
　　3)研究了目標(biāo)在多個(gè)攝像機(jī)視野中運(yùn)動(dòng)時(shí)表觀變化的特點(diǎn)，提出了基于特征樹的目標(biāo)表觀模型學(xué)習(xí)和目標(biāo)匹配方法。本文對(duì)不同攝像機(jī)下的目標(biāo)表觀進(jìn)行了學(xué)習(xí)，提出了基于特征樹的目標(biāo)表觀模型學(xué)習(xí)和目標(biāo)匹配方法。通過對(duì)不同特征分別進(jìn)行非督導(dǎo)聚類獲

6、得不同特征的樹狀結(jié)構(gòu)，從多個(gè)角度對(duì)目標(biāo)進(jìn)行全面描述。當(dāng)在不同攝像機(jī)下目標(biāo)表觀發(fā)生改變時(shí)，可以根據(jù)獲取的目標(biāo)新樣本對(duì)特征樹進(jìn)行更新，并對(duì)目標(biāo)之前表觀具有記憶能力。目標(biāo)匹配采用特征樹投票的方式，候選目標(biāo)需要經(jīng)過特征樹每一層相似性的計(jì)算。這種層層篩選的方式，可以大大減少計(jì)算量，提高匹配效率。
　　4)研究了目標(biāo)在多個(gè)攝像機(jī)之間的交接問題，提出了基于繼承和學(xué)習(xí)的多攝像機(jī)目標(biāo)交接算法。目標(biāo)在多個(gè)攝像機(jī)之間的準(zhǔn)確交接是多攝像機(jī)監(jiān)控網(wǎng)絡(luò)中目標(biāo)連

7、續(xù)跟蹤能否成功的關(guān)鍵。本文將時(shí)空約束信息和目標(biāo)表觀模型進(jìn)行融合，提出了基于繼承和學(xué)習(xí)的多攝像機(jī)目標(biāo)交接算法。該算法將單攝像機(jī)目標(biāo)跟蹤、拓?fù)浣Y(jié)構(gòu)學(xué)習(xí)及目標(biāo)表觀模型信息融入整體交接跟蹤框架。首先通過拓?fù)浣Y(jié)構(gòu)學(xué)習(xí)獲取目標(biāo)在整個(gè)網(wǎng)絡(luò)中運(yùn)動(dòng)時(shí)的時(shí)空信息，消除模糊因素的干擾。當(dāng)確定跟蹤目標(biāo)后，通過單攝像機(jī)目標(biāo)跟蹤算法對(duì)其進(jìn)行跟蹤并構(gòu)建目標(biāo)在該攝像機(jī)下的表觀模型。在目標(biāo)交接啟動(dòng)時(shí)，將該模型傳遞給交接攝像機(jī)。交接攝像機(jī)利用上一攝像機(jī)傳遞的表觀模型在一定