视频监控是计算机视觉领域中的一个研究热点,其目的是有效地从监控摄像机获取的视频数据中提取有用信息。由于单个摄像机的视场有限,且易受到场景限制,在一些应用中,例如,跟踪城市道路中运行的汽车时,需要将多个摄像机协同起来进行监控。与单摄像机视频监控相比,多摄像机视频监控不仅能够进行大视场监控,而且可以解决单摄像机视频监控中存在的一些难题,例如,目标遮挡,三维重建等。但与此同时,多摄像机视频监控也引入了大量新的困难和挑战,例如,在具有较大视角和光照条件变化的不同摄像机之间进行目标匹配,在复杂的多摄像机拓扑结构下的进行目标跟踪等。面对这些困难和挑战,迫切需要针对多摄像机视频监控技术进行深入研究。本文以设计一个多摄像机全景视频监控实验验证系统为目的,对多摄像机视频监控技术中的若干关键问题进行了深入研究,取得了以下研究成果:1.提出了一种鲁棒的特征点匹配算法:基于空间序约束双向近邻投票的特征点匹配算法,用以剔除初始匹配点对集合中的误匹配点对。对于给定的初始匹配点对集合(包含误匹配点对),构建相应的有向近邻图,并将剔除误匹配点对的问题转化为一个二分类问题。在分类过程中,首先,利用特征点对和其近邻点对集合对应的空间近邻约束标记特征点对的类别;然后,利用k近邻类密度估计,得到各个特征点对在近邻空间序约束下的后验内点概率;最后,将一致内点集合中所有特征点对所对应后验内点概率的均值,作为特征点对的双向紧邻投票,并根据双向近邻投票剔除误匹配点对。该算法通过迭代的方式剔除有向近邻图中的误匹配点对,直到算法满足给定的收敛条件,实验结果表明,与已有的算法相比,该算法在不同的数据集上都具有较好的鲁棒性。2.提出了一种自动的局部多摄像机颜色校正算法,用以解决局部多摄像机系统的颜色不一致问题。首先,利用相邻摄像机之间的颜色特征分布的形状不变性,计算相邻摄像机之间的颜色校正参数;然后,通过定义的基准摄像机度量函数,选择出最优基准摄像机,并通过单源路径算法自动得到各个摄像机到基准摄像机的参数传递路径;最后,通过参数传递得到摄像机对应的颜色校正参数。实验结果表明,该算法不仅能够自动实现对局部多摄像机的颜色校正,而且能够有效地解决局部多摄像机系统由于摄像机差异而引起的颜色不一致问题。3.提出了一种稳定的彩色纹理特征描述方法:基于局部颜色恒常性的彩色LBP算法,用以提高已有彩色LBP算法对图像颜色变化的鲁棒性。对于彩色图像中任意点的颜色矢量,首先,根据局部颜色恒常性假定,计算出对应的局部恒常颜色矢量;然后,将颜色矢量和其邻域颜色矢量依照局部恒常颜色矢量进行分解,得到对应的局部颜色恒常性分量;最后,利用局部颜色恒常性分量之间的序关系进行LBP编码。实验结果表明,与已有的彩色LBP算法相比,该算法不仅能够有效地描述图像的局部彩色纹理,而且对光照条件和摄像机变化具有很好的鲁棒性。4.提出了一种有效的Mean Shift聚类算法:双向自适应均值融合漂移算法,用以克服已有Mean Shift优化方法的不足。首先,对Mean Shift算法在不同自适应核带宽策略下,对应有效样本点与估计点之间的概率密度关系进行深入分析;然后,提出了一种负向优化方法,用以保证Mean Shift矢量能够远离密度下降方向;最后,提出了一种双向自适应均值融合漂移算法,该方法通过对负向优化方法和正向优化方法的融合,提高了Mean Shift算法跳出局部最优的能力。实验结果表明,该算法在不同的实验数据集上的聚类性能优于与已有Mean Shift聚类算法。5.在以上研究成果的基础上,设计了一个多摄像机全景视频监控实验验证系统,并在该实验验证系统中验证了本文研究成果在应用中的有效性。