基于事件分析的多摄像机鲁棒跟踪算法

提出了一种新的基于事件分析的目标跟踪算法来解决多个目标分离或遮挡时的可靠跟踪问题。首先提出使用仿射变换来获得多个摄像机之间重叠画面的映射关系,实现目标交接,为后面的目标识别奠定基础。然后当单摄像机目标跟踪过程中发生候选目标多于一个或者多个目标对应一个候选目标的情况时,提出一种判别目标出现遮挡事件或分离事件的新方法,并且通过多摄像机的目标交接准确识别出发生遮挡或分离事件的目标标号,解决目标发生遮挡或分离后跟踪失败的问题。实验结果证明:所提出的方法突破了一般跟踪算法受目标底层特征约束的难点,具有更高的鲁棒性。

多摄像机环境下的目标跟踪

在多摄像机智能视频监控系统中,主要的难点是在多个摄像机之间对相同的目标建立正确的对应关系,即目标交接。利用目标离开视野域的时间和空间作为约束条件,结合模板匹配的方法,对没有视野重叠域的多摄像机监控下的目标进行连续跟踪。避免视野域内将所有目标进行匹配,提高了交接的实时性和准确率。

基于图像识别和数据分析的中厚板冷区钢板跟踪方法

现有的多摄像机多目标跟踪方法不能很好地解决网络延迟、目标遮挡、图像模糊等问题,为此,提出了一种基于图像识别和数据分析的多摄像机多目标跟踪方法。该方法采用双流网络的结构,在输入部分增加空间流和时间流,数据分析使用物理规则约束和修正目标行为,能在复杂环境下对跟踪区域内的钢板进行全程实时跟踪,且在钢板消失重现后,也能对钢板进行重定位。通过使用物理规则约束和修正目标行为,消除了网络延迟、目标遮挡、图像模糊对多摄像机多目标跟踪的影响。

在非重叠视域监控网络中的人体目标跟踪(英文)

针对存在非重叠视野的摄像机监控网络,提出了一种基于人体外观模型和摄像机间时空信息的人体目标自适应跟踪算法. 对于人体外观模型,首先根据人体测量学理论将人体目标划分成头、躯干和腿 3 个部分,分别提取各部分的 HSV 颜色直方图特征用于构建人体外观模型,然后引入加权因子计算人体目标之间的相似度,最后采用一种基于双阈值的相似度排序算法确定人体目标的匹配关系. 对于摄像机间的时空信息,通过增量学习,不断积累目标关联信息,经统计分析逐步更新摄像机间时空信息. 实验结果验证了所提出的跟踪算法在无需摄像机标定的条件下能够实现人体目标的连续跟踪,且随着关联匹配信息的累加,算法的跟踪准确性也逐步提高.

基于视频的三维人体运动跟踪

提出一种结合多种图像特征,在多摄像机环境下跟踪人体运动的方法.通过定义人体模型、摄像机投影模型以及相似性度量模型来得到优化框架下的目标函数,并使用牛顿-高斯优化算法对其进行求解.模拟数据和实际数据的实验表明,文中方法比仅仅使用灰度特征,跟踪结果得到了改善,对比实验结果也优于基于概率算法的退火粒子滤波.

举重运动的人体三维模型重建及仿真

提出了一种利用多摄像机来重建三维人体运动的新方法。相对于传统贴标记的方法,这种方法使用简单,所需物理设备价格便宜。其算法特点是,多种图像特征和运动知识有机地集成于一个基于非线性优化策略的跟踪框架中。具体地,通过定义人体模型,摄像机投影模型,以及相似性度量模型来得到优化框架下的目标函数,并使用牛顿-高斯算法进行求解。同时,基于轮廓匹配来预测二维关节点的算法有效地解决了遮挡和跟踪错误积累这一关键问题。本算法在举重运动三维重建中的应用说明其可以重建运动员的三维运动,并作为运动分析的依据。

FOV线生成的一种新方法

在多摄像机跟踪中,主要的难点是如何在多个摄像机之间对相同的目标建立正确的对应关系。摄像机视野边界(FOV)线是近年来出现的一种新的有效的解决多摄像机跟踪中目标交接问题的工具。因此,精确生成视野边界线成了解决问题的关键所在。根据投影不变量FOV线生成法,在生成视野边界线时不依赖于场景中目标的运动,并且不需要摄像机参数的信息。应用PETS2001数据库里的两组不同序列进行尝试,实验结果表明,对于视野边界线恢复,其鲁棒性与可靠性都较好。