跨攝像機多人體目標的跟蹤研究.pdf

1、長期以來，人體目標跟蹤是計算機視覺研究的熱點。它是使用計算機及相關設備對生物視覺的一種模擬，是一項非常具有挑戰(zhàn)性的研究工作。人體目標跟蹤技術目前仍然處于研究和探索階段，在理論和實際應用中仍存在許多問題沒有得到很好地解決。影響目標跟蹤算法魯棒性的原因很大程度上是由于目標運動的復雜性以及光照條件變化等因素造成的。本文主要研究了單攝像機和多攝像機下的人體目標跟蹤，單攝像機人體目標跟蹤是跨攝像機人體目標跟蹤的基礎，只有單攝像機人體目標跟蹤正確的

2、前提下，跨攝像機跟蹤才會有正確的跟蹤結果。在單攝像機人體目標跟蹤過程中，主要解決遮擋人體目標跟蹤。跨攝像機人體目標跟蹤分為有公共視場人體目標跟蹤和無公共視場人體目標跟蹤。
　　 本文的主要創(chuàng)新包括：
　　 1．針對多人體目標跟蹤而產(chǎn)生的遮擋問題，提出了一種基于非參數(shù)復合模型的粒子濾波方法來描述多個人體目標的情況。該復合模型通過復合預測和復合更新兩個步驟交替進行以達到遞歸跟蹤的目的。在復合粒子濾波過程中，通過每個復合粒子的

3、權值大小來衡量粒子的貢獻大小。權值的大小是基于HSV直方圖的多顏色觀測模型來實現(xiàn)的。觀測模型是通過巴氏距離的核密度估計來建模。實驗結果證明復合模型的粒子濾波方法可以很好地實現(xiàn)多人體目標跟蹤。
　　 2．充分利用單攝像機的人體目標的運動信息、顏色信息、空間信息，將背景建模、塊建模、顏色建模、運動建模和人體的空間信息進行有效地融合，較好地解決了人體目標相互遮擋情況下的人體跟蹤的問題。本文利用人體目標的運動信息，采用的混合高斯模型進行

4、背景重建的方法，先提取出運動的目標；利用基于Epanechnikov核密度梯度估計算法對存儲模型中的人體進行聚類，即對人體的外部顏色相近的像素進行塊建模；利用非參數(shù)的Gauss核密度估計算法對已聚類的塊模型和人體的空間信息建立顏色密度函數(shù)，同時利用人體運動信息建立運動密度函數(shù)，通過顏色密度函數(shù)與運動密度函數(shù)構成后驗概率模型；然后對當前的檢測出的人體目標的每個像素計算最大后驗概率，得到最大后驗概率的顏色圖像，通過該圖像進行分割，達到對遮擋

5、情況下多人體目標進行跟蹤的目的。
　　 3．針對有公共視場跨攝像機人體目標跟蹤誤匹配的問題，提出了一種基于空間映射變換與顏色特征信息相融合的匹配算法。本文先通過跨攝像機的公共視場分界線來初步確定跨攝像機的人體目標，然后利用變換單應矩陣計算跨攝像機人體目標的對應關系，然而在實際應用中，視頻是不完全同步且有交叉遮擋而產(chǎn)生誤匹配，因此本文在投影變換單應矩陣的基礎上采用基于顏色模型的最大后驗概率進行匹配。
　　 4．本文針對無公

6、共視場跨攝像機人體目標跟蹤因顏色差異較大而引起誤匹配問題，提出了一種基于顏色轉變函數(shù)的方法對顏色進行校正，并通過顏色轉變函數(shù)空間進行概率估計來提高跨攝像機人體目標的匹配的準確率。該算法先在低維度的子空間上對已知的跨攝像機人體目標進行訓練，得到顏色轉變函數(shù)。該方法不用依賴攝像機的內(nèi)參來計算顏色轉變函數(shù)的子空間。用基于概率的主要成分分析法對顏色轉變函數(shù)的子空間進行建模得到概率密度函數(shù)，最后利用概率密度函數(shù)獲取跨攝像機的人體目標的匹配概率。本