[发明专利]一种面向多摄像机的目标匹配方法

说明书

技术领域

本发明属于图像处理、视频监控和计算机视觉的技术领域，特指一种面向多摄像机的目标匹配方法。

背景技术

随着智能交通、平安城市等一系列智能化概念的提出，智能视频监控技术成为计算机视觉领域一个新兴的应用方向。其中基于单摄像机的目标检测跟踪在某些小范围场景中已经得到了良好的应用。但是单摄像机视野范围十分有限，无法多角度、长时间对目标进行处理。多个摄像机具有监控范围大，观测角度广等优点，并可以利用多重信息增加系统的鲁棒性，因此在视频监控领域的应用越来越广。

但是多个摄像机的使用也会带来一系列新问题，包括多摄像机之间的目标匹配、目标接力跟踪、数据融合等。其中，多摄像机之间的目标匹配是指在不同的图像序列中找到目标间的对应关系，其结果直接影响后续的处理，因此它是多摄像机应用中最重要和基础的问题之一。

近年来，各国研究人员陆续提出了一些方法来尝试解决这个问题。这些方法一般可分为：基于区域的方法和基于点的方法。基于区域的方法将目标视为区域，利用区域的颜色相关特征在多视角中进行匹配。但是这类特征受光线影响较大，导致匹配误差较大。基于点的方法是根据几何约束对目标的特征点进行匹配，从而实现多摄像机的目标匹配。但这类方法需要较多的先验知识进行建模，过程比较复杂，无法满足实际需求。

发明内容

针对现有跟踪方法的不足，本发明其目的在于提出一种面向多摄像机的目标匹配方法。

本发明的技术方案是：

一种面向多摄像机的目标匹配方法，包括以下步骤：

S1通过两个摄像机同步对目标进行拍摄，得到目标的两幅视频图像P1(x,y)和P2(x,y)，然后在第一幅图像P1(x,y)对目标区域进行标记，这里我们通过手工指定的方式完成。手工选择包含目标的一个矩形图像，记为目标图像A(x,y)，矩形大小为a×b。

S2使用一个大小为a×b的窗口，在图像P2(x,y)上进行滑动搜索，通过灰度匹配找到一个候选图像块集合；

滑动搜索时，窗口每滑动一次，在图像P2(x,y)上得到的一个大小为a×b的图像块，记为B(x,y)，计算B(x,y)和目标图像A(x,y)的灰度差值SAD(B)：

SAD(B)＝∑|A(x,y)-B(x,y)|(1)

根据这个定义可以看到，灰度差值越小，说明两者匹配程度越高。窗口滑动搜索完毕后，对所有的灰度差值进行排序，选择数值最小的前100个对应的图像块作为候选图像块集合，记为{B_i(x,y)|i＝1,…,100}。

S3对目标图像A(x,y)进行基于有序比对特征描述，得到一个特征向量；

S3.1对目标图像A(x,y)进行分块，将目标图像A(x,y)平均分成若干个图像小块，每个图像小块大小均为3×3，那么可以得到数目为的图像小块，记为{k₁(x,y),k₂(x,y),…,k_sum(x,y)}。

S3.2对目标图像A(x,y)上的所有的3×3的图像小块进行有序比对编码；

对任一3×3的图像小块进行有序比对编码的方法是：通过度量图像小块与其周围均匀分布的同等大小的八个矩形区域之间平均灰度的有序比对关系，并用二进制编码把这八个有序比对关系串接成一个描述子，获得一个特征值。本发明提出的有序比对特征的编码思想借鉴了局部二元模式描述子，但矩形区域之间的比对比像素之间的比对更加稳定可靠，因为计算平均灰度也即均值滤波操作，对图像噪声有很好的抑制作用。

a.对于目标图像A(x,y)上的任一图像小块k_j(x,y)，计算其的灰度均值其中Ω表示图像小块k_j(x,y)所有的像素集合。