[发明专利]多摄像机目标匹配特征融合方法

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信息处理的方法，具体是一种多摄像机目标匹配的特征融合方法。

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，多摄像机非重叠视域目标跟踪成为有效解决广域视频监控问题的一种途径。目标特征提取与匹配是多摄像机目标跟踪中的基础以及重点。目标匹配是指把在不同时刻出现在不同摄像机前的目标进行匹配，由于目标物体在不同摄像机前的颜色、形状和摄像机的观测距离、观测角度等方面的巨大的差异，以及各个摄像机的内部参数和监控区域中光照等环境条件的不同等种种复杂的原因，传统计算机视觉理论中关于单摄像机跟踪匹配的很多方法都不再适用。所以，无重叠视域摄像机之间的特征提取和目标匹配需要建立适合自己特殊问题的新方法。

经对现有技术文献的检索发现，Javed等人于2008年在《Computer Vision andImage 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 tracking acrossnon-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。

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。因此，对多种特征进行融合可以实现更加准确的匹配。例如，Patwardhan等人于2007年在ICIP(图像处理国际会议)发表的论文“A graph-based foreground representation and ITS application inexample based people matching in video”(基于图形的前景表示和ITS在基于实例的人匹配中的应用)融合了颜色直方图的特征和尺度不变(SIFT)的特征来进行目标匹配。Madden和Piccardi于2007年在AVSS(先进视频及信号监控)发表的论文“A framework for track matching across disjoint cameras using robustshape and appearance features”(一种针对非重叠摄像机跟踪匹配的鲁棒外形和外观特征的框架)建立了一个框架来融合身高的信息和主要颜色谱的分布信息。然而，目前的融合大都建立在简单的贝叶斯框架或高斯框架下，缺少考虑特征本身的特点以及在不同条件下的效果。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种多摄像机目标匹配特征融合方法，对外观特征进行叠代加宽融合，如：颜色直方图特征，UV色度特征，主要颜色谱特征，以及SIFT特征。使其克服各种特征对于不同变化因素的不确定性，在特征级上进行融合，最终为多摄像机目标跟踪提供实时、全面、准确的匹配依据。

本发明是通过以下技术方案实现的，本发明具体包括以下步骤：

(1)提取被跟踪目标的外观特征；

(2)特征相似度矩阵S的建立；

(3)置信度指数的确定；

(4)叠代加宽的特征融合算法。

所述提取被跟踪目标的外观体征，由以下方法实现：

使用混合高斯模型建模提取颜色外观特征。

使用Cheng和Piccardi于2007年在《Optical Engineering》(光学工程)发表的论文“Disjoint track matching based on a major color spectrumhistogram representation”(基于主要颜色谱直方图表示方法的非重叠跟踪匹配)的方法提取主要颜色谱直方图。

使用Lowe于2004年在《International Journal of Computer Vision》(计算机视觉)发表的论文“Distinctive image features from scale-invariantkeypoints”(源于尺度不变关键点的区分性图像特征)的方法提取尺度不变特征。

对于颜色直方图特征和UV色度特征，特征提取结果为混合高斯模型。对于主要颜色谱，特征提取为主要颜色直方图。对于SIFT，特征提取128维尺度不变特征。

所述的特征相似度矩阵S的建立，通过以下步骤实现：

(1)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，