论文部分内容阅读
随着社会的进步,在重要场合对多摄像机的需求越来越大。单摄像机的目标跟踪方法已经日臻完善,但是由于其监控范围小,较难的应用于大范围的目标跟踪中。用摄像机覆盖所有的监控区域容易造成摄像机的浪费,所以只需要覆盖重要场合,这就造成了摄像机之间存在一定盲区,盲区的存在将摄像机之间运动目标在时间和空间上分离,目标在摄像机之间的成像特征不同导致匹配非常困难。本文主要工作以及创新点如下：(1)针对传统的VIBE算法提取的目标前景无法解决目标粘连和阴影问题,本文提出了使用VIBE与HOG+SVM特征分类相结合的多运动目标检测算法。利用VIBE算法检测出运动目标区域,将检测出的前景送入HOG特征的SVM分类器,分割得到正确目标,实验证明该算法具有较好的鲁棒性。(2)在多摄像机目标匹配中,针对不同环境下的每个特征在摄像机目标匹配中的作用不一样,选择不同特征决定匹配效果的好坏,本文选用基于颜色补偿的颜色直方图匹配；基于LMNN的H分量匹配,基于扩散距离改进的SURF特征匹配。颜色直方图可以消除摄像机之间的光照差异；基于LMNN的H分量特征能够加大不同目标的距离,使相同目标距离变小,便于匹配度的区分；基于扩散距离改进的SURF算法利用扩散距离的特性,消除了目标的误匹配,提高了匹配效率。(3)将摄像机之间的不可见区域训练一个拓扑关系,将拓扑关系作为一个匹配特征,作为摄像机对目标的选择,超过阈值的目标不进行匹配,在阈值之内的特征才用于摄像机之间的匹配。(4)将所有的特征进行D-S多特征融合,消除误匹配,获得不同情况下的最好匹配精度。