[發明專利]一種無重疊視域監控系統中目標匹配方法

有效

• 申請號: 201710447010.3
• 申請日: 2017-06-14
• 公開（公告）號: CN107563272B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 趙高鵬;沈玉鵬;李雙雙;劉天宇;王超塵;王建宇
• 申請（專利權）人: 南京理工大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/40;G06V10/80;G06V20/52;G06V10/56;G06V10/75
• 代理公司: 南京蘇創專利代理事務所(普通合伙) 32273
• 代理人: 張學彪

本發明公開了一種無重疊視域監控系統中目標匹配方法，包括以下步驟：1：建立視域A和視域B的背景模型；2：對視域A中行人目標進行跟蹤，當目標即將離開視域A時，利用背景差分，分割出完整的行人目標Isubgt;A/subgt;；3：提取行人目標的顏色名特征，作為目標的表現模型Msubgt;A/subgt;；4：在視域B中進行行人目標的檢測，利用背景差分，分割出可能的行人目標Isubgt;B/subgt;；5：將行人目標Isubgt;A/subgt;和Isubgt;B/subgt;從RGB空間轉到HSV空間，進行亮度校正；6：提取亮度校正后的Isubgt;B/subgt;的顏色名特征，作為目標的表現模型Msubgt;B/subgt;；7：確定監控網絡的時空約束；8：由Msubgt;A/subgt;、Msubgt;B/subgt;及監控網絡的時空約束構建最大后驗概率問題；此方法對無重疊視域下光照變化、環境差異對目標匹配造成的影響具有較強的魯棒性。

技術領域

本發明屬于計算機視覺領域，具體涉及視頻監控技術領域，特別涉及一種無重疊視域監控系統中目標匹配的方法。

背景技術

隨著攝像機監控技術的發展，大量的監控攝像頭被應用于各種公共場合，視頻中的行人是我們重點監控對象之一。由于地理環境和成本的限制，使用攝像機覆蓋所有的監控區域很不現實。因此，無重疊視域的攝像機聯合監控在監控系統中應用越來越多。不同時刻、不同攝像機中同一目標的正確識別，有利于理解目標在整個監控場景中的行為。但是，不同攝像機的姿態、觀測方位的不同，使得目標在不同攝像機中的幾何特征也有所不同。與其他特征相比，顏色特征對圖像本身的尺寸、方向、視角的依賴性較小，具有較高的魯棒性。但由于攝像機參數、光照條件的影響，目標在不同攝像機中呈現的亮度也會不一樣，因此在采用顏色特征時，需要先校正亮度。同時需要考慮監控網絡的拓撲結構，從而盡可能地提高無重疊視域下的目標匹配率。

亮度校正函數(Brightness?Transfer?Function,BTF)是一種顏色校正的方法，為目標的顏色特征在兩攝像機之間的變化提供了一種轉換模型。Javed?O等人在《AppearanceModeling?for?Tracking?in?Multiple?Non-Overlapping?Cameras》中提出以目標作為媒介，建立攝像機監控場景間亮度映射關系的方法。因為同一目標在兩個有著明暗差異的不同場景中，顯示出的不同亮度特征，反映出的也是這兩個場景的亮度差異。

在建立攝像機間的時空約束方面，Javed?O等人在《Tracking?Across?MultipleNon-Overlapping?Cameras》中使用Parzen窗和高斯核的混合概率密度估計器估計出無重疊的多個攝像頭的拓撲結構和目標路徑概率。Ellis等人在《Learning?a?Multi-Cameratopology》中利用大量的目標觀測數據，通過非監督學習的方法，為一個多攝像機空間網絡自動建立起攝像機之間的時間空間拓撲關系。但這些攝像機自動標定方法存在較大限制，在某些情況下無法得到或者結果不準確。

基于貝葉斯估計模型的方法被用來融合目標的表現模型的相似信息和監控網絡的時空約束信息，從而實現無重疊視域下的目標匹配。如Huang等人在《ObjectIdentification?in?a?Bayesian?Context》中建立了一個貝葉斯估計框架來融合車輛出現和離開視域時的時間、位置、速度和目標車輛的顏色信息，從而來匹配識別高速公路上相鄰兩個攝像機檢測到的車輛。

發明內容

本發明的目的：本發明在于提出一種無重疊視域監控系統中目標匹配方法，首先通過調整圖像HSV空間中V通道的像素值分布進行亮度校正；然后提取亮度校正后目標的顏色名特征作為目標的表現模型；接著在貝葉斯估計模型的框架下，融合目標的表現模型與監控網絡的時空約束，構建最大后驗概率問題；最終通過后驗概率與閾值的比較來判決目標是否一致；此方法對無重疊視域下光照變化、環境差異對目標匹配造成的影響具有較強的魯棒性。

本發明的具體實現步驟依次為：