[发明专利]基于多摄像机的目标连续跟踪方法

说明书

技术领域

本发明属于模式识别领域，涉及图像处理和计算机视觉等技术，特别 是涉及基于多摄像机的目标连续跟踪的相关处理。

背景技术

目前，我国已经有相当数量的摄像机监控系统投入到实际应用中对各 种环境、区域和场所进行实时监控。这些摄像机记录了大量的视频数据。 而目前这些数据通常都是通过安排专人监看来实现监控的，由于这项工作 的强度大，连续监视使人变得疲倦，对危机事件不敏感，从而容易出现疏 漏的情况。为消除这些现存的弊端，迫切需要计算机能够在不需要人参与 的情况下，通过对摄像机拍摄的图像序列中的运动目标和行为进行跟踪与 识别，从而对异常事件自动做出预警，避免犯罪的发生。

智能视频监控技术正是计算机视觉和模式识别技术在视频监控的应 用。智能视频监控技术通过自动分析理解视频中的内容，提供对监控和预 警有用的关键信息。目前，智能视觉监控技术通常包括在单个摄像机下， 对监控场景中的感兴趣目标即运动目标进行自动检测、跟踪及行为分析， 实现对场景的实时监控。然而单个摄像机的视野范围有限，为了满足大范 围监控的需要，就需要多个摄像机协同工作。随着摄像机数目的急剧增加， 传统的基于人工的被动监控已经无法满足监控任务的需要，如何自动分析 多个摄像机所拍摄的视频中的内容，真正意义上实现大范围监控仍然处在 研究的初级阶段。

基于多摄像机的大范围智能视频监控的一个关键问题是如何利用空 间上相邻的摄像机，扩大监控范围，对穿过多个摄像机视野范围的运动目 标进行连续跟踪。其中多个摄像机的视野范围可能存在重叠区域，也可能 存在非重叠区域。有重叠视野的多个摄像机是指多个摄像机的视野范围之 间存在部分重叠。非重叠视野摄像机是指多个摄像机的视野范围之间存在 一部分盲区，目标在这个盲区的运动无可预知，从而造成运动目标在空间 和时间上的不连续。在实际应用中，为了覆盖大范围场景，出于安装成本 等考虑，非重叠视野摄像机被广泛应用到监控系统中对各种环境、区域和 场所进行监控。

目前多摄像机目标跟踪的相关研究主要集中在基于定标信息和基于 单应(homography)约束的求解方法。基于定标信息的多摄像机目标跟踪的 相关技术需要定标好的摄像机，这在实际情况中是不现实的，因为一旦摄 像头的位置改变就需要对摄像机重新进行标定。基于定标信息和基于单应 约束的求解方法都要求摄像机的视野范围之间存在重叠区域，从而限制了 它在大范围智能视频监控系统中的应用。

基于多摄像机的大范围智能视频监控技术建立在单摄像机监控的基 础之上，其主要技术包括对每一路视频中的感兴趣目标即运动目标进行目 标检测及跟踪，接着对每一运动目标进行特征提取，结合摄像机的区域连 接关系实现目标匹配，并通过相关数据关联技术实现目标在多路摄像机下 的连续跟踪。

发明内容

为了解决现有技术的局限性，无法直接应用于大范围监控的问题，本 发明公开一种基于多摄像机的目标连续跟踪方法，具体是指当运动目标离 开一个摄像机的视野范围进入另一个摄像机的视野范围内时，识别该运动 物体并对它进行唯一的标识，并交接目标检测和跟踪任务，实现运动目标 在大范围场景内的连续跟踪。

为达成所述目的，本发明提供的基于多摄像机的目标连续跟踪方法， 基于多路视频，包括目标检测，目标跟踪，目标特征提取，计算到达区域 和离开区域，计算摄像机区域连接关系，目标匹配，数据关联以及目标连 续跟踪过程，步骤如下：

步骤S1：对每一路摄像机所采集到的图像序列进行目标检测，用于得 到运动目标；

步骤S2：采用卡尔曼滤波技术对每一个运动目标进行目标跟踪，用于 得到该运动目标在每一路摄像机下完整的轨迹；

步骤S3：计算每一个运动目标图像区域的颜色直方图实现颜色特征提 取和平均轮廓实现形状特征提取，用于得到该运动目标鲁棒的特征描述；

步骤S4：采用k-均值技术聚类运动目标轨迹的起始点位置和终止点 位置，用于得到每路摄像机下的到达区域和离开区域；

步骤S5：通过经验或者视频数据确定每一路摄像机的到达区域以及离 开区域和其它摄像机下的到达区域以及离开区域之间的连接关系；

步骤S6：根据摄像机区域之间的连接关系，将不同摄像机下的运动目 标进行目标匹配，用于得到运动目标之间相似度；