稀疏表示目標關聯(lián)-全文預覽
【正文】 subtraction and temporal analysis[J].Image and Vision Computing,2006,24(5):411423[30] 李毅, 孫正興, [J].中國圖象圖形學報,2009,14(5):11621168.[31] 楊濤，李靜 潘泉，一種基于多層背景模型的前景檢測算法[J].中國圖象圖形學報，2008,13（7）：13011308[32] 黃鑫娟, 周潔敏, [J].計算機應用,2010,30(1):7174[33] Ko, T， Soatto, S，Estrin, D. Warping background subtraction [C]. IEEE Conference on Computer Vision and Pattern Recognition, 2010, 1: 1331–.[34] Shan Y, Sawhney H S, Kumar R. Unsup[35] [D].:2009.[36] Shan Y, Sawhney H S, Kumar R. Vehicle Identification between NonOverlapping Camera without Direct Feature Matching. In ICCV. 2005,378385.[37] Guo Y, Hsu S,Shan Y,et Fingerprinting for Reacquisition amp。 Burkitt, .。 Li, .。 , Motionbased background subtraction using adaptive kernel density estimation, CVPR 2004. [9] Shengcai Liao。 Han Shen。國內(nèi)外眾多研究者綜合運用各學科知識，大膽嘗試，無重疊視域多目標關聯(lián)算法具有廣闊的研究前景。4 無重疊視域多目標關聯(lián)技術的未來發(fā)展方向多目標關聯(lián)技術是計算機科學、機器視覺、圖像處理、人工智能、模式識別等多學科的結合，是一個尚在發(fā)展中的研究方向，還有很多技術難點有待解決。在處理不同攝像機之間的顏色變化的問題上，Porikli 和Divakaran[39, 40]提出了基于顏色直方圖的非參數(shù)非線性顏色轉移函數(shù)模型和相關的距離度量，并給出了簡化算法。在利用顏色特征方面，還有許多研究者做出了有意義的工作。 基于顏色特征的方法顏色特征由于具有很好的區(qū)分性，因此成為眾多特征中被研究最多的一種。同樣基于線特征，文獻[24]不直接對車輛的表現(xiàn)模型進行關聯(lián)，而是首先對不同的攝像機建立各自的關于觀測目標的內(nèi)嵌原型（Embedding Prototype）, 然后通過內(nèi)嵌原型間接地進行關聯(lián)，這樣做在某種程度上提高了算法對目標形狀和姿態(tài)變化的魯棒性。 基于線特征的方法由于剛體目標的線特征比較容易抽取，而且對光照、時間、地點等環(huán)境變化不敏感，因此，線特征在車輛目標關聯(lián)方面得到了較多使用。在已有的研究成果中，研究者往往選取這些特征中的一種或幾種聯(lián)合建立表現(xiàn)模型來參與關聯(lián)。所以，無重疊視域攝像機之間的目標關聯(lián)[20,21]需要建立適合自己特殊問題的新的理論體系。對多目標用聯(lián)合狀態(tài)空間表示。利用目標空間位置的惟一性，能對嚴重遮擋的人進行較準確地跟蹤。 基于3D 空間的多目標跟蹤算法現(xiàn)實世界中的物體都是三維的，而人眼所獲得的圖像是二維的，對2D 圖像來說目標間容易出現(xiàn)遮擋，而對3D 圖像來說每個目標只有一個位置，可有效地解決多目標間遮擋問題。文獻[16]針對人的跟蹤中常出現(xiàn)的變形、遮擋以及多目標跟蹤中常出現(xiàn)的目標合并、分裂、消失、新增等情況。該方法能在較簡單場景下自動判斷新目標的出現(xiàn)與舊目標的消失，處理目標部分遮擋及背景變化，但是未能處理目標的分裂與合并(嚴重遮擋)。文獻[13]針對此問題提出了多特征融合與自適應模板相結合的多目標跟蹤算法，能有效處理模板隨時間變化的情況，但是算法計算量大。該算法同時能夠在攝像機運動的情況下檢測運動目標，但計算復雜，實時性不高。但是，在多攝像機監(jiān)控系統(tǒng)中，由于圖像背景存在變化，不能直接采用背景差分法，本文在第二章中針對多攝像機環(huán)境下背景擾動的問題進行了實驗，實驗結果表明利用改進的扭曲背景差分模型，可以有效去除背景擾動的影響，一定程度上提高了檢測的準確率。背景差分法的關鍵是背景圖像的選取和背景模型的建立。運動目標檢測通常采用以下幾種方法[56]：（1）幀間差分法：基本思想是將視頻中相鄰兩幀或多幀圖像做差分，然后利用閾值進行分割，將超過閾值的當做前景，其他的當做背景。 單攝像頭運動目標提取 運動目標檢測是目標關聯(lián)的前提，只有在目標被檢測出之后，才能對被檢測出的目標進行關聯(lián)。一個好的運動目標跟蹤系統(tǒng)必須要兼顧兩者，要對兩個性能指標加以平衡。背景的復雜性：目標所處場景的復雜程度、穩(wěn)定程度影響著目標跟蹤的效果，背景中的干擾因素主要包括：光線亮度的變化，使背景顏色也發(fā)生變化；背景中物體的變動，當背景中增加、移去或者移動某些景物并持續(xù)一段時間時，背景發(fā)生變化，應及時更新背景；背景中存在與目標特征類似的物體時，將增加目標跟蹤的難度，可能使跟蹤收斂到干擾所在位置；陰影問題，陰影屬于非運動目標區(qū)域，但是與背景顏色上存在差別，給運動目標檢測帶來困難。目標數(shù)目的隨機性：數(shù)目可變也是多目標跟蹤中的常見問題。當前多目標跟蹤中存在的難題主要包括以下幾個方面：遮擋問題：遮擋是多目標跟蹤中的常見情況，目標可能被背景中靜止的物體遮擋，也可能被另外的目標遮擋，或者自遮擋，并且遮擋的程度也不同。在無重疊視域多攝像機視頻監(jiān)控系統(tǒng)中，目標在時間和空間上都是分離的，如何將不同攝像機中相同目標進行有效地關聯(lián)是多攝像機目標跟蹤的關鍵問題。文章對國際上關于此方向從開始到現(xiàn)在的重要研究成果，做出了比較詳細的論述，把對該問題的研究歸納為三個主要的組成部分，并依次介紹了這三部分的研究進展，最后簡要分析了這個方面研究的難點和未來的發(fā)展趨勢。這個研究焦點是計算機視覺研究領域的一個新興的、多學科交叉的研究方向。因此在無重疊視域多攝像機監(jiān)控環(huán)境下的目標跟蹤就成為了廣域視頻監(jiān)控研究的重要
黨政相關相關推薦
鄂ICP備17016276號-1