[发明专利]无重叠视域多摄像机人体目标跟踪方法

说明书

技术领域

本发明涉及一种多摄像机视频监控领域中的目标跟踪方法，具体是一种在多摄像机之间拓扑关系已知的情况下，在无重叠视域的多摄像机视频中进行人体目标匹配与跟踪的方法。属于视频监控技术领域。

背景技术

随着视频监控技术的快速发展，以及单摄像机有限的视域无法满足广域视频监控的要求，无重叠视域多摄像机目标跟踪成为有效解决广域视频监控问题的一种途径。无重叠视域多摄像机目标跟踪问题不同于单摄像机和重叠视域多摄像机跟踪问题。单摄像机目标跟踪的研究主要集中在背景建模、前景检测、阴影去除、遮挡处理等关键问题上，这些关键问题也是多摄像机目标跟踪的研究基础。多摄像机目标跟踪从视域角度上看可以分为重叠视域多摄像机目标跟踪与无重叠视域多摄像机目标跟踪。对于前者由于视域是重叠的，目标在离开前一个摄像机视域之前已经出现在后一个摄像机的视域中，因此摄像机之间的目标跟踪可以由一个摄像机传递给另一个。而对于后者由于摄像机之间存在一个盲区，目标在这个盲区内的运动无法获知，因此造成时间和空间上的不连续，这为问题的解决设置了巨大障碍，而且使得前者的许多研究方法无法有效地应用到后者中。对于无重叠视域多摄像机目标跟踪问题，由于问题本身的复杂性和困难性，目前仍处于研究的初级阶段。

经对现有技术文献的检索发现，无重叠视域多摄像机目标跟踪问题的研究主要集中在不同摄像机中相同目标的匹配以及监控摄像机之间拓扑关系的估计。目前已有的匹配方法主要为对目标建立外观模型。Javed等人于2008年在《Computer Vision and Image Understanding》(计算机视觉与图像理解)发表的论文“Modeling inter-camera space-time and appearance relationships for trackingacross non-overlapping views”(针对非重叠视域跟踪的多摄像机时空及外观关系建模)运用颜色直方图建立外观模型。Teixeira等人于2008年在《PatternRecognition Letters》)(模式识别快报)发表的论文“Video object matching acrossmultiple independent views using local descriptors and adaptive learning”(基于局部特征描述器及适应性学习的独立多摄像机视频目标匹配)运用一个由量化的局部特征描述器组成的直方图建立外观模型。然而，由于多摄像机视域中各摄像机之间多种因素变化的不确定性，这些特征均无法对于这些不确定因素同时具有鲁棒性。

Javed等人于2008年在《Computer Vision and Image Understanding》(计算机视觉与图像理解)发表的论文“Modeling inter-camera space-time andappearance relationships for tracking across non-overlapping views”(针对非重叠视域跟踪的多摄像机时空及外观关系建模)采用一个基于Parzen窗和高斯核的混合概率密度估计器来估计由时间间隔、进出观测视域的位置和进出视域时的运动速度等量组成的概率密度函数，整个估计过程通过学习训练集数据的方法实现。然而，这种方法算法复杂，不易实现，因此不适合实际的工程运用。

发明内容

本发明的目的在于针对现有技术的不足，提供一种无重叠视域多摄像机人体目标跟踪方法，能在多摄像机之间的拓扑关系已知的前提下，实时准确的跟踪单个行人目标。

为实现上述目的，本发明首先建立多摄像机之间的拓扑关系矩阵，然后提取行人目标的前景图像，接着通过人机交互界面在某个摄像机的视域范围选定跟踪目标，并使用混合高斯模型提取该目标的外观特征，包括颜色直方图特征和UV色度特征，在整个跟踪过程中，采用树的结构对跟踪任务进行管理，并采用贝叶斯模型估计全局相似度，根据全局相似度寻找最佳匹配目标。

本发明方法通过以下具体步骤实现：

1、为每个摄像机设定编号：1，2，……，N；为每个摄像机定义出入口编号：1，2，……，m；从一个摄像机的某个出口至另一个摄像机的某个入口所用平均时间为t；引入一个时间窗参数w，使得所有行人从一个摄像机的某个出口至另一个摄像机的某个入口所用时间落在(t-w，t+w)区间内；根据已知多摄像机之间的拓扑关系，建立拓扑关系矩阵：