[发明专利]多摄像机目标匹配特征融合方法

权利要求书

1.一种多摄像机目标匹配特征融合方法，其特征在于包括以下步骤：

1)对于不同摄像机中出现的跟踪目标提取外观特征；其中，对于跟踪目标的颜色直方图特征，提取结果以一维混合高斯模型表示；对于UV色度特征，提取结果以二维混合高斯模型表示；对于主要颜色谱特征，提取结果以主要颜色直方图表示；对于尺度不变特征，提取结果为128维尺度不变特征；

2)建立特征相似度矩阵S：

对于颜色直方图特征及UV色度特征，利用混合高斯模型参数，由下式计算两个待匹配目标间的相似度，

s=Σi=13{wai·wbi·[|log(waiwbi)|+Πk=1n||log(xaikxbik)||+d(pai,pbi)2]}]]>

其中，w_ai和w_bi表示待匹配目标a和b的混合高斯模型中各分量的权值，x_aik和x_bik表示混合高斯模型中各分量的协方差矩阵，d(p_ai，p_bi)表示混合高斯模型均值的欧式距离，相似度数值越小，相似度越大；

对于主要颜色谱特征，由下式计算两个待匹配目标间的相似度，

s=Σi=1npai·pbi·d(Ca,Cb)]]>

其中，p_ai和p_bi表示待匹配目标a和b的主要颜色直方图中相对应颜色柱的权值；d(C_a，C_b)表示颜色柱C_a和C_b之间的距离，相似度数值越小，相似度越大；

对于尺度不变特征，两个待匹配目标间的相似度采用提取尺度不变特征方法获取，相似度数值越大，相似度越大；

将获得的相似度构成特征相似度矩阵S，其表示为：

其中，s_i，j表示特征i中跟踪目标与第j个待匹配目标间的相似度；i＝1，2，…，Nj＝1，2，…，M；

3)确定置信度指数：

对于颜色直方图特征，UV色度特征及主要颜色谱特征，两个待匹配目标间的置信度指数根据相似度矩阵，由下式计算得到：

Crij=1SijΣj=0N1Sij]]>

其中，S_ij表示相似度矩阵每行的元素；i＝1，2，…，M j＝1，2，…，N；

对于尺度不变特征，两个待匹配目标间的置信度指数根据相似度矩阵，由下式计算得到：

Crij=SijΣj=0NSij]]>

如果C_rij的值小于则将置信度指数最小值设为置信度指数最大值为1；

将置信度指数构成置信度指数矩阵，置信度指数矩阵与相似度矩阵行列数相同；4)进行叠代加宽的特征融合，通过以下步骤实现：

(1)设置w为叠代宽度阈值，设置叠代宽度初值a＝1；

(2)在相似度矩阵中搜索每个特征行中前a个相似度最大的目标，如果某一列且只有一列中的所有N个特征行的元素都被搜索到，则该列所对应的待匹配目标即表示目的目标，叠代终止；

(3)如果有大于1的m列中所有N个特征行的元素都被搜索到，则分别计算置信度指数矩阵中与此m列所对应的每一列的期望值，期望值最高的一列所对应的待匹配目标即表示目的目标，叠代终止；

(4)如果没有一列中的所有特征行的元素都被搜索到，即在当前宽度下未找到任何目的目标，则更新叠代宽度a＝a+1；若a≤w，转步骤(2)，进行下一次叠代；

(5)若a＞w，则在当前宽度下搜索第二相似的目的目标，即取被搜索到的元素最多的那一列所对应的待匹配目标作为目的目标，叠代终止。