非重叠监控视频中基于颜色空间分布模型的行人匹配方法

针对非重叠视域监控系统中行人目标关联问题,提出了一种基于颜色空间分布模型的行人目标匹配方法。使用最邻近聚类方法对目标的像素进行聚类,得到目标的MC特征;建立目标的颜色空间分布模型,并进行特征转换;在建立的分布模型的基础上,计算目标相似度并进行匹配。实验结果表明,该算法能有效地去除目标检测与分割产生的边缘背景像素的影响,在对相同目标保持较高匹配率的情况下,能较好地处理由于目标颜色分布差异而造成的误匹配情况,同时对于摄像机视角的差异以及目标姿态的变化有较好的鲁棒性。

无重叠视域的多摄像机之间的目标匹配

在无重叠视域的多摄像机监控中,由于不同摄像机的视域差别和视域分离,同一运动目标在不同的视域中的成像可能会非常不同,因此在这种情况下对运动目标进行匹配是一项具有挑战性的工作。提出了一种可以容忍光照的不同,在无重叠视域的多摄像机下进行目标匹配的方法。该方法经过初始聚类和K-means聚类对目标进行主颜色谱的提取,利用EMKM算法改善K-means对初始中心点的依赖性,把提取出来的主颜色谱直方图作为目标的特征,然后利用特征相似度测量来判定任意两个物体之间是否匹配;当无法对某些物体进行准确匹配时,再利用SIFT特征进行下一步匹配。该方法也可以用于有重叠视域的多摄像机目标匹配中,通过与其他匹配方法相结合,提高匹配的准确度。实验结果证实了该方法具有较高的准确度。