[发明专利]一种视觉感知网络中摄像机的组合选择方法

权利要求书

1.一种视觉感知网络中摄像机的组合选择方法，其特征在于，包括以下步骤： 

步骤1，目标图像视觉直方图在线生成：在多个摄像机视域范围重叠情况下，对在线获得的观察到相同目标的多路摄像机的视频数据进行运动检测，由检测结果确定目标在视频帧图像空间的子区域，即获得目标图像区域；对目标图像区域进行局部特征提取；根据预先训练生成的视觉词典，计算该视角下目标图像区域的视觉直方图； 

步骤2，序贯前向摄像机选择：选择一个最优视角，即最优摄像机；在未被选择的摄像机集合中，根据步骤1计算得到的视觉直方图计算候选摄像机视频数据中目标图像的信息增益以及候选摄像机对已选摄像机集合的互信息，选择次优摄像机，将其加入已选摄像机集合，并从候选摄像机集合中剔除；不断重复直到所选摄像机计数达到需要的摄像机计数。 

2.根据权利要求1所述的一种视觉感知网络中摄像机的组合选择方法，其特征在于，所述训练生成的视觉词典为：对输入的作为训练数据的多路视频数据，首先提取每幅图像的尺度不变变换特征局部特征描述子向量集合；对所有图像提取的尺度不变变换特征描述子集合进行k-mean聚类；每个聚类中心为一个描述子向量，作为一个视觉词，得到的视觉词的集合构成离线训练的视觉词典； 

训练生成视觉词典具体包括以下步骤： 

提取图像尺度不变变换特征描述子向量：对每帧视频帧图像，分别采用高斯模板对图像进行滤波求取x方向和y方向梯度分量I_x和梯度分量I_y，并计算像素点梯度大小mag(x,y)和方向θ(x,y)，其中θ(x,y)=arctan(I_y,I_x)；从图像左上角开始，在图像的x和y方向每间隔8个像素取16×16大小的窗口作为特征提取采样窗口，将每个采样窗口分为4×4正方形网格区域，对每个区域中的采样点分别计算与采样窗口中心的梯度相对方向，将采样点的梯度大小通过距离高斯加权后分别归入区域内8个方向上的梯度方向直方图，每个采样窗口生成一个128维的特征向量，对所得特征向量进行归一化形成窗口局部特征描述子向量；将每幅图像计算得到的描述子向量加入特征描述子集合F={f⁽¹⁾,f⁽²⁾,f⁽³⁾,...f^(t)}，f⁽ⁱ⁾∈R¹²⁸,1≤i≤t，其中f⁽ⁱ⁾为该幅图像特征描述子集合第i个描述子向量，R¹²⁸表示该向量维度为128维，t为该幅 图像所提取的特征描述子向量总数； 

对特征向量进行k-mean聚类：对特征描述子向量集合F，随机选取k个向量作为聚类中心，迭代计算所有向量距离聚类中心的距离并进行聚类划分，根据划分结果重新计算聚类中心，直到达到规定的迭代次数或迭代前后聚类中心距离变化小于设定阈值。 

视觉词典构成：将每个聚类中心作为一个视觉词，得到并存储视觉词的集合，构成视觉词典。 

3.根据权利要求2所述的一种视觉感知网络中摄像机的组合选择方法，其特征在于，所述步骤1目标图像视觉直方图在线生成具体包括以下步骤： 

步骤11，视频运动目标检测：对各摄像机输入的视频数据基于混合高斯模型分别进行视频运动检测，对运动检测结果基于纹理信息消除目标阴影，最终提取运动目标在图像空间的区域； 

步骤12，区域图像局部特征描述子提取：对步骤11提取的运动目标区域图像提取尺度不变变换特征描述子向量集合； 

步骤13，视觉直方图生成：以预先训练生成的视觉词典的聚类中心作为一个直方图桶，将步骤12提取的运动目标区域图像的尺度不变变换特征描述子向量划归到直方图相应桶中，分别统计各直方图桶中描述子向量个数，最后对直方图归一化处理，生成多个视角下运动目标的视觉直方图。