基于三焦点张量点转移的多摄像机协同

针对复杂遮挡环境下多摄像机协同的问题,提出一种基于三焦点张量点转移的多摄像机协同目标定位方法.该方法利用单摄像机视图中头部检测的结果进行对极匹配,然后利用虚拟顶视图和摄像机视图之间的三焦点张量关系进行点转移,确定行人在虚拟顶视图中的位置.该方法的优势在于:不需要标定摄像机参数,不需要假设物体在共同平面上运动,不存在利用对极关系进行点转移时出现的交点退化的问题.与传统方法的实验结果对比表明了该方法的有效性和准确性.

双摄像机协同人脸鹰眼检测与定位方法

现代视频监控系统需要获取大范围场景中感兴趣目标的清晰图像,这在目标距离较远并且不断移动时单纯采用摄像机调焦方式通常有一定的困难。为了获取宽范围监控场景中远距离行人的主要面部特征,采用广角静止—窄视场运动双摄像机协同工作方式可以同时获得远距离目标的全局和细节信息。首先采用改进的Codebook背景减法从广角摄像机中检测运动目标,然后指引运动摄像机近距离跟踪观察;若行人停止运动,则利用运动摄像机对其进行放大,然后从中检测人脸,并将人脸置于视野中心放大得到清晰图像。当行人再次运动时,广角相机将初始位置再次传递给运动摄像机,由其再对行人进行跟踪。通过实验室内和室外真实场景的实验表明,广角相机的检测算法具有一定的鲁棒性,运动相机能跟踪放大行人人脸图像,算法运行速度满足实时性要求。

多摄像机协同的最优人脸采集算法

传统的单摄像机采集技术无法保证人脸图像的质量,直接影响人脸信息的应用价值。为此,提出一种最优人脸图像采集算法。通过估算与姿态变化具有对应关系的夹角,对基于特征点的姿态评估方法进行改进,以提高人脸姿态估计的准确率。采用多个摄像机对同一区域进行同步采集,比较同一时刻每个摄像机采集图像的肤色占有率,选出具有最佳视角的人脸图像,并全方位地判别图像中的人脸姿态变化,给出一组正面的人脸图像。在人脸图像质量评价指标中,增加人脸相似度作为图像质量参考指标,并采用一种由粗到细的评价架构。实验结果表明,该算法可提高主客观评价的一致性及人脸识别时的准确率。

监控系统中的多摄像机协同(英文)

描述了一个用于室内场合对多个目标进行跟踪的分布式监控系统 .该系统由多个廉价的固定镜头的摄像机构成 ,具有多个摄像机处理模块和一个中央模块用于协调摄像机间的跟踪任务 .由于每个运动目标有可能被多个摄像机同时跟踪 ,因此如何选择最合适的摄像机对某一目标跟踪 ,特别是在系统资源紧张时 ,成为一个问题 .提出的新算法能根据目标与摄像机之间的距离并考虑到遮挡的情况 ,把目标分配给相应的摄像机 ,因此在遮挡出现时 ,系统能把遮挡的目标分配给能看见目标并距离最近的那个摄像机 .实验表明该系统能协调好多个摄像机进行目标跟踪 。

基于场边界线的多摄像机智能监控系统研究

伴随视频监控系统的普及,多摄像机智能视频监控技术得到了广泛的研究和应用。特别是视频监控中的运动目标检测分割、运动目标跟踪和多摄像机协同技术,成为计算机视觉领域研究的热点。单摄像机跟踪常被应用的监控范围限制,当监控场景是一个室外环境或需要一个较大的观测范围时,常需要多摄像机进行多物体跟踪。为了建立一套有效的多摄像机智能监控系统,提出一种基于摄像机视野的重叠区域的协同监控方法,找出重叠区域的边界线即场边界线,旨在解决单摄像机监控范围有限的问题,实现对某一场景进行全景监控。在多摄像机系统中各个摄像机的场边界线在其他摄像机中可见的情况下,给出寻找它们的方法。基于此,可基本确定在多摄像机中的运动目标对应关系,获取多摄像机的拓扑关系。

A Stochastic Approach for Cooperative Position Estimation of Multiple Mobile Robots

This paper proposes the cooperative position estimation of a group of mobile robots, which pertbrms disaster relief tasks in a wide area. When searching the wide area, it becomes important to know a robot＇s position correctly. However, for each mobile robot, it is impossible to know its own position correctly. Therefore, each mobile robot estimates its position from the data of sensor equipped on it. Generally, the sensor data is incorrect since there is sensor noise, etc. This research considers two types of the sensor data errors from omnidirectional camera. One is the error of white noise of the image captured by omnidirectional camera and so on. Another is the error of position and posture between two omnidirectional cameras. To solve the error of latter case, we proposed a self-position estimation algorithm for multiple mobile robots using two omnidirectional cameras and an accelerometer. On the other hand, to solve the error of the former case, this paper proposed an algorithm of cooperative position estimation for multiple mobile robots. In this algorithm, each mobile robot uses two omnidirectional cameras to observe the surrounding mobile robot and get the relative position between mobile robots. Each mobile robot estimates its position with only measurement data of each other mobile robots. The algorithm is based on a Bayesian filtering. Simulations of the proposed cooperative position estimation algorithm for multiple mobile robots are performed. The results show that position estimation is possible by only using measurement value from each other robot.