無(wú)重疊視域多攝像機(jī)目標(biāo)匹配算法研究.pdf

1、隨著社會(huì)的進(jìn)步，在重要場(chǎng)合對(duì)多攝像機(jī)的需求越來(lái)越大。單攝像機(jī)的目標(biāo)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(biāo)跟蹤中。用攝像機(jī)覆蓋所有的監(jiān)控區(qū)域容易造成攝像機(jī)的浪費(fèi)，所以只需要覆蓋重要場(chǎng)合，這就造成了攝像機(jī)之間存在一定盲區(qū)，盲區(qū)的存在將攝像機(jī)之間運(yùn)動(dòng)目標(biāo)在時(shí)間和空間上分離，目標(biāo)在攝像機(jī)之間的成像特征不同導(dǎo)致匹配非常困難。本文主要工作以及創(chuàng)新點(diǎn)如下:
　　(1)針對(duì)傳統(tǒng)的VIBE算法提取的目標(biāo)前景無(wú)法解決目標(biāo)

2、粘連和陰影問(wèn)題，本文提出了使用VIBE與HOG+SVM特征分類相結(jié)合的多運(yùn)動(dòng)目標(biāo)檢測(cè)算法。利用VIBE算法檢測(cè)出運(yùn)動(dòng)目標(biāo)區(qū)域，將檢測(cè)出的前景送入HOG特征的SVM分類器，分割得到正確目標(biāo)，實(shí)驗(yàn)證明該算法具有較好的魯棒性。
　　(2)在多攝像機(jī)目標(biāo)匹配中，針對(duì)不同環(huán)境下的每個(gè)特征在攝像機(jī)目標(biāo)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(bǔ)償?shù)念伾狈綀D匹配;基于LMNN的H分量匹配，基于擴(kuò)散距離改進(jìn)的SURF特

3、征匹配。顏色直方圖可以消除攝像機(jī)之間的光照差異;基于LMNN的H分量特征能夠加大不同目標(biāo)的距離，使相同目標(biāo)距離變小，便于匹配度的區(qū)分;基于擴(kuò)散距離改進(jìn)的SURF算法利用擴(kuò)散距離的特性，消除了目標(biāo)的誤匹配，提高了匹配效率。
　　(3)將攝像機(jī)之間的不可見區(qū)域訓(xùn)練一個(gè)拓?fù)潢P(guān)系，將拓?fù)潢P(guān)系作為一個(gè)匹配特征，作為攝像機(jī)對(duì)目標(biāo)的選擇，超過(guò)閾值的目標(biāo)不進(jìn)行匹配，在閾值之內(nèi)的特征才用于攝像機(jī)之間的匹配。
　　(4)將所有的特征進(jìn)行D-S多