多摄像机视域内的运动目标检测与活动分析

多摄像机协作的视频监控系统具有监控范围广、观测角度宽、捕捉信息全等优点，所以被应用在各种监控场所，受到越来越多的关注。随着计算机视觉等学科和技术的发展，单摄像机视域内目标检测和跟踪算法已经较为成熟，但是由于不同摄像机视域内的光照、色度饱和度以及摄像机位置信息的不同，所以这些成熟的算法不能直接应用在多摄像机监控中。如何将这些成熟的算法应用到多摄像机监控中仍然具有科研价值。此外，目标在多摄像机视域中的时空关联性的估计能为目标活动的分析提供必要的信息，所以对多摄像机视域内运动目标的时空关联性分析具有一定的科研和实用价值。 本文对多摄像机智能监控网络中的运动目标的检测和活动分析的一些主要问题进行研究，完成主要的工作如下： 1.介绍运动目标检测的常用算法，包括帧差法、光流场法和背景差法等。详细描述了背景差法中的多帧平均法、混合高斯算法和ViBe算法。提出一种在低帧频、低分辨率情况下的背景建模方法：该方法先将原始视频按照时间顺序分成若干组具有重叠部分的序列块，然后对每个块采用组合优化的方法来求解一个估计背景，再将每个块建立的估计背景进行特征值空间的背景建模，从而得到背景空间模型。实验结果表明该方法对于复杂、目标拥挤的室外环境的背景建模有很好的效果，对光照变化也有较强的鲁棒性。 2.摄像机视域内存在较多的运动目标时，若采用传统的基于跟踪的目标活动分析法，会因跟踪轨迹混乱或无法跟踪等问题导致活动分析的不准确或失效问题。本文提出的目标分析方法是基于目标的活动空间相近以及运动信息的相似性对监控视域进行分割，将整个监控视频分成多个语意区。用核典型相关分析法对这些区域进行相关性分析，从而估计区域、摄像机之间的时空关联信息。运动目标在不同视域中的再确认就是根据这些时空关联信息排除虚假目标，然后结合目标匹配方法来完成跨摄像机目标的再确认。实验结果表明本方法在低帧频和低分辨率的多摄像机视频监控网络中能够有效的进行跨摄像机目标的再确认。