無重疊視域中多攝像頭目標(biāo)檢測與匹配.pdf

1、隨著智能視頻監(jiān)控系統(tǒng)的高速發(fā)展，近年來，人們對視頻監(jiān)控系統(tǒng)的智能性要求日益提高。多攝像頭網(wǎng)絡(luò)能夠監(jiān)控更廣闊的區(qū)域，正在逐漸被重視。但是，由于經(jīng)濟(jì)、資源等方面的考慮，不太可能布置大量的攝像頭覆蓋所有監(jiān)視區(qū)域。因此，無重疊視域多攝像機情況下的目標(biāo)跟蹤就成了廣域視頻監(jiān)控研究的主要內(nèi)容之一。無重疊視域中多攝像機間的目標(biāo)匹配作為跟蹤的重要前提和必須的步驟，也成為廣域視頻監(jiān)控研究中的重要研究內(nèi)容之一。
　　 本文針對無重疊視域多攝像頭環(huán)境中

2、不規(guī)則背景擾動的目標(biāo)檢測問題和多攝像頭間的目標(biāo)匹配問題進(jìn)行了深入研究，取得了如下成果：
　　 1．針對不規(guī)則擾動場景中運動目標(biāo)誤檢率較高的問題，以扭曲背景差分模型為基礎(chǔ)，提出了一種自適應(yīng)的扭曲背景差分方法，采用巴氏距離來替代原文中歐式距離來計算彩色像素之間的相似性，更能準(zhǔn)確描述像素之間的相似性。將背景分成動態(tài)塊和靜態(tài)塊，利用主要顏色來表示像素塊從而進(jìn)行像素塊與像素塊之間的相似性判定，對于動態(tài)擾動比較大的時候，自適應(yīng)的采用塊問扭曲

3、差分運算或者像素層的扭曲差分。本文在背景不規(guī)則擾動嚴(yán)重的環(huán)境下對森林中的鳥類目標(biāo)進(jìn)行檢測，與常用的運動目標(biāo)檢測方法在查全率、查準(zhǔn)率等方面比較。實驗結(jié)果表明，本文方法對于不規(guī)則背景擾動情況下的目標(biāo)檢測，具有很好的檢測效果。
　　 2．為了盡可能在單攝像頭視域內(nèi)提取目標(biāo)的魯棒性特征，實現(xiàn)對檢測到的運動目標(biāo)的持續(xù)標(biāo)記，提出了基于HOG和顏色雙重特征的粒子濾波跟蹤算法，該算法通過計算HOG和顏色特征的有效粒子數(shù)，進(jìn)行平均加權(quán)的融合策略來

4、融合HOG和顏色特征，并將融合后的特征通過粒子濾波跟蹤框架，完成對運動目標(biāo)的跟蹤，提高了跟蹤算法的穩(wěn)定性和精確性，解決了單一顏色特征的粒子濾波跟蹤方法容易出現(xiàn)跟蹤丟失和偏移等不穩(wěn)定的問題。
　　 3．針對傳統(tǒng)目標(biāo)表現(xiàn)模型對運動目標(biāo)描述不夠準(zhǔn)確的問題，提出了一種基于區(qū)域SIFT描述子的運動目標(biāo)表現(xiàn)模型。當(dāng)攝像頭中運動目標(biāo)進(jìn)入攝像頭監(jiān)控區(qū)域時，利用前景檢測與粒子濾波跟蹤，持續(xù)獲得區(qū)域SIFT特征描述子，將提取到的目標(biāo)SIFT特征建立

5、表現(xiàn)模型，將區(qū)域SIFT描述子與運動目標(biāo)對應(yīng)起來。本文將得到的區(qū)域SIFT描述子表現(xiàn)模型與主要顏色譜、顏色直方圖表現(xiàn)模型進(jìn)行魯棒性、準(zhǔn)確度與置信度、實時性的綜合比較，經(jīng)過實驗證明，基于區(qū)域SIFT特征的表現(xiàn)模型可以有效的表示運動目標(biāo)。為無重疊視域多攝像頭中的目標(biāo)匹配建立良好的基礎(chǔ)。
　　 4．針對無重疊視域不同攝像頭間運動目標(biāo)外觀發(fā)生重大變化，使得目標(biāo)在無重疊視域多攝像頭間難以獲得準(zhǔn)確匹配的問題，本文提出了一種基于LDA主題模型