多线索融合的无视野重叠跨摄像机行人跟踪算法

针对单个摄像机视野有限而无法满足日益扩大的监控范围的现象,对无视野重叠的跨摄像机行人跟踪算法进行了研究,并提出了一种融合时空线索和外观线索的无视野重叠跨摄像机行人跟踪算法。在对已有摄像机网络拓扑结构估计算法分析的基础上提出了一种基于加权时间窗口的无视野重叠摄像机网络拓扑结构估计算法;然后利用朴素贝叶斯完成两种线索融合,实现不同摄像机间行人匹配和跟踪信息的传递,最终实现无视野重叠区域的跨摄像机行人跟踪。该算法在公开的MCT数据集上进行对比实验并取得了优于其他算法的结果。

跨摄像机行人再识别研究综述

跨摄像机行人再识别是智能视频监控系统中一个基本的任务,跨摄像机行人再识别就是鉴别出行人在摄像机网络中不同摄像机里出现的确认的过程,近些年其已成为计算机视觉领域的研究热点并受到了许多研究领域的关注。摄像机间拍摄距离、拍摄角度、分辨率等差异和时空信息的不确定性使得跨摄像机行人再识别面临巨大的挑战,同时也激励着研究者不断发现新算法来解决问题。此文通过对近些年公开发表的论文进行梳理,阐述了跨摄像机再识别目前面临的困难、当前的研究现状和将来的研究趋势。

非连续视频监控区域车辆跟踪方法探析

如何在非连续视频监控区域进行车辆追踪是一项重要的课题。本文在分析跟踪方法的基础上,以加权时间作为前提条件,并以此为基础,分析出摄像机的网络拓扑计算法。并以加权时间为前提,进一步提出摄像机网络拓扑结构估计算法。这些算法能够对车辆的检测及跟踪进行相应的计算,然后将无视野重叠区域下的线索进行融合,以实现车辆的追踪。