[发明专利]一种结合时空拓扑估计的跨摄像机目标匹配与跟踪方法

摘要

本发明提供的方法主要有两个发明点，一是研究基于特征匹配的目标匹配跟踪算法，采用多种具有互补性质的表观特征建立匹配模型，并将多种特征的匹配结果进行决策级的融合；二是提出一种无监督的拓扑估计算法，使系统能够在匹配与跟踪的过程中自动建立监控网络的时空拓扑关系，同时利用时空拓扑约束极大地提高了匹配与跟踪的准确度。本发明对跨摄像机目标匹配中由于遮挡、环境、光照等变化带来的干扰具有较强的鲁棒性，有利于实现多摄像机视频监控系统对目标的鲁棒协同跟踪。

主权项

1.一种结合时空拓扑估计的跨摄像机目标匹配与跟踪方法，其特征在于：包括以下步骤：/nS1.将两两摄像机之间的转移概率初始化为M为监控网络中摄像机的数量；时间窗口设置为TW＝τ，τ为预设值，两两摄像机间的转移计数器初始化为0；/nS2.设当前摄像机为C_i，摄像机C_i内的行人目标表示为O_i,a；在设定的时间窗口内搜索其他摄像机中出现的行人目标；/nS3.设在摄像机C_j中搜索得到的行人目标为O_j,b，i≠j,1≤j≤M，计算行人目标O_i,a、O_j,b之间的匹配概率：/n /n 为表示O_i,a、O_j,b之间转移关系的变量，当O_i,a、O_j,b之间存在转移关系时，取1，否则取0；表示目标O_i,a、O_j,b存在转移关系的后验概率，对应了目标O_i,a、O_j,b的匹配概率；表示在转移关系的条件下目标O_i,a、O_j,b的表观特征分布似然函数，定义为与目标表观相似度函数L(O_i,a,O_j,b)成正比，表示两个目标存在转移关系的先验概率，通过计算摄像机C_i到摄像机C_j的目标转移概率得到；P_i,j(O_i,a,O_j,b)表示目标O_i,a,O_j,b的联合概率分布，是后验概率的归一化因子；/nS4.对监控网络中除摄像机C_i外的所有摄像机执行步骤S2、S3，然后对得到的各个摄像机的行人目标与摄像机C_i的行人目标的匹配概率进行排序，将匹配概率最高的前m个行人目标作为候选匹配目标，对应的摄像机作为候选匹配摄像机，m的取值为1或2：/n /n其中，s₁为最高的匹配概率，s₂为次高的匹配概率，s_τ为设定的阈值；/nS5.计算摄像机之间的转移次数w_p：/n /ns_p表示最高的匹配概率或次高的匹配概率，1≤p≤m；/n当m＝1时，将摄像机C_i到摄像机C_g之间的转移计数N_ig增加w₁；当m＝2时，将摄像机C_i到摄像机C_g之间的转移计数N_ig增加w₁，然后将摄像机C_i到摄像机C_k之间的转移计数N_ik增加w₂；其中摄像机C_g、摄像机C_k分别为与C_i匹配概率最高、次高的摄像机；/nS6.将各个摄像机作为当前摄像机然后执行步骤S2～S5；/nS7.计算摄像机C_i到摄像机C_j之间的转移概率：/n N_ij表示根据步骤S2～S6计算得到的摄像机C_i到摄像机C_j之间的转移次数；/nS8.根据步骤S7计算两两摄像机之间的转移概率；/nS9.记录摄像机C_i到摄像机C_j所有匹配的行人目标之间的时间间隔，构成时间序列T_ij，然后利用自适应的Parzen窗算法估计出摄像机C_i与摄像机C_j之间的转移时间分布的概率密度曲线，取与曲线峰值对应的时间差值作为时间窗口大小T(C_j|C_i)的估计值；/nS10.根据步骤S9估算出两两摄像机之间的时间窗口大小；/nS11.更新摄像机C_i、摄像机C_j之间的转移概率：/nP_ij(k)＝(1-α)P_ij(k-1)+αP(C_j|C_i)/nP_ij(k)表示第k次迭代得到的摄像机C_i到摄像机C_j的转移概率，α是更新因子，0≤α≤1，P_ij(k-1)表示第k-1次迭代得到的摄像机C_i到摄像机C_j的转移概率，当k＝1时，/nS12.根据步骤S11对两两摄像机之间的转移概率进行更新；/nS13.更新摄像机C_i与摄像机C_j之间的时间窗口：/nT_ij(k)＝(1-η)T_ij(k-1)+ηT(C_j|C_i)/n其中T_ij(k)表示第k次迭代得到的摄像机C_i与摄像机C_j之间的时间窗口，T_ij(k-1)表示第k-1次迭代得到的摄像机C_i与摄像机C_j之间的时间窗口，当k＝1时，T_ij(k-1)＝τ，η表示更新因子；/nS14.判断是否达到了设定的迭代次数，若是则输出转移概率以及时间窗口估计值，完成拓扑结构估计，结束迭代，否则令k＝k+1然后执行步骤S6～S14。/n