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。

一种用于大型交通枢纽的跨摄像机行人再识别算法研究

跨摄像机行人再识别是大型交通枢纽安防监控的基本功能,它为后续行人跨摄像机跟踪和行为识别提供支持。由于交通枢纽内行人的外观特征受遮挡、运动形变和光照变化影响显著,且目前常用的行人再识别算法对上述影响因素的鲁棒性不太理想。因此,文章提出了一种适用于大型交通枢纽的跨摄像机行人再识别算法。该算法用1个图像序列代替单幅行人图像作为查询图像,同时,采用系统抽样方法将图像序列进行分组。然后以组为单元进行相似度计算,并将计算结果作为特征训练Adaboost分类器。最后综合各分类器输出结果来判断识别结果。在iLIDS和ETHZ两个具有挑战性的数据集上进行实验,结果表明文章提出的算法优于目前其他行人再识别算法。

体育场景中的视觉目标跟踪研究进展

目标跟踪是计算机视觉中构建复杂运动分析系统的关键任务之一。体育运动比赛因其趣味性深受广大观众喜爱,对体育视频中的运动目标进行跟踪在赛后复盘、技术提升、教育教学以及媒体传播上都有着广阔的应用前景。近年基于深度学习的体育视频跟踪技术取得了显著进展。本文首先介绍了体育视频中目标跟踪研究背景,给出了基于深度学习的体育目标跟踪的定义与分类。其次分别从球类目标跟踪、单摄像机运动员跟踪以及多摄像机多运动员跟踪三个方面总结了体育视频中目标跟踪的研究现状,提炼出统一的算法流程并对其进行技术分析和总结。最后讨论了体育视频中视觉目标跟踪存在的挑战和未来发展方向。