無重疊視域中多攝像頭目標檢測與匹配.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)絡能夠監(jiān)控更廣闊的區(qū)域，正在逐漸被重視。但是，由于經濟、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跟蹤就成了廣域視頻監(jiān)控研究的主要內容之一。無重疊視域中多攝像機間的目標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)則背景擾動的目標檢測問題和多攝像頭間的目標匹配問題進行了深入研究，取得了如下成果：
　　 1．針對不規(guī)則擾動場景中運動目標誤檢率較高的問題，以扭曲背景差分模型為基礎，提出了一種自適應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)則擾動嚴重的環(huán)境下對森林中的鳥類目標進行檢測，與常用的運動目標檢測方法在查全率、查準率等方面比較。實驗結果表明，本文方法對于不規(guī)則背景擾動情況下的目標檢測，具有很好的檢測效果。
　　 2．為了盡可能在單攝像頭視域內提取目標的魯棒性特征，實現(xiàn)對檢測到的運動目標的持續(xù)標記，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)，進行平均加權的融合策略來

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)目標表現(xiàn)模型對運動目標描述不夠準確的問題，提出了一種基于區(qū)域SIFT描述子的運動目標表現(xiàn)模型。當攝像頭中運動目標進入攝像頭監(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SIFT特征建立

5、表現(xiàn)模型，將區(qū)域SIFT描述子與運動目標對應起來。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)模型進行魯棒性、準確度與置信度、實時性的綜合比較，經過實驗證明，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。為無重疊視域多攝像頭中的目標匹配建立良好的基礎。
　　 4．針對無重疊視域不同攝像頭間運動目標外觀發(fā)生重大變化，使得目標在無重疊視域多攝像頭間難以獲得準確匹配的問題，本文提出了一種基于LDA主題模型