正文內容

稀疏表示目標關聯-wenkub

2023-07-15 23:57:29 本頁面

　

【正文】 t multicamera information fusion is gradually paid more attention to. Thus, as one of the core techniques, objects tracking across nonoverlapping multicamera bee the focus. This focus is a rising direction of puter vision, which crosses several subjects. This paper discusses the important achievements of this topic all over the world from beginning to present in detail. All of them are clustered into three parts and introduced orderly. Finally, some difficulties and future directions are analyzed concisely.Keywords: visual surveillance, nonoverlapping multicamera, objects matching1引言在單攝像機智能監控算法逐漸成熟的同時，近年來，多攝像機之間的信息關聯和信息融合的研究逐漸被重視。無重疊視域多攝像頭目標關聯綜述摘要：隨著視頻監控技術的快速發展，多監控攝像機信息融合的研究逐漸被重視起來，作為核心技術之一的無重疊視域多目標關聯也成為了研究的焦點。由于被監控區域的廣闊和攝像機視域有限之間的矛盾，以及在計算量和經濟等方面的考慮，不可能用攝像機全部覆蓋所有的被監控區域。2關鍵問題概述無重疊視域多目標關聯的一般結構圖如圖1所示：攝像機1攝像機2攝像機3檢測跟蹤模塊檢測跟蹤模塊檢測跟蹤模塊關聯模塊目前，多目標跟蹤算法的主要難點是數據關聯問題。遮擋表現為目標信息的逐漸丟失，而跟蹤算法的關鍵就是搜索到足夠多的目標信息，判定目標所在，所以遮擋給目標跟蹤的可靠性帶來很大困難，可能導致跟蹤的不穩定甚至丟失目標。目標總數的變化有兩種情況：一是總數的增加，包括新目標的出現和舊目標的分裂；二是總數的減少，包括舊目標的消失和目標合并。在監控視頻中，目標外觀往往非常相似，如何選取合適的特征以較好的區分不同目標外觀來實現準確的數據關聯。隨著其它學科(如生物學、計算機圖形學、概率論與統計學、隨機過程等)的發展，多目標關聯的新思路、新方法層出不窮。運動目標檢測技術已經有大量的研究，形成了三種傳統的運動目標檢測方法：幀間差分法[1,2]、背景差分法[39]和光流法[10]。缺點是目標內部一般會有不連續的空洞。目前研究人員大多數都在研究如何開發不同的背景模型，期望建立更加合理的背景模型并對其及時進行更新，希望借此能夠抵消背景的干擾和變化。假如圖像序列中不出現運動目標時，光流矢量在整個圖像區域是連續變化的。針對單一視覺信息描述目標不夠充分、跟蹤目標不夠穩定的缺點，出現了許多基于多特征融合的多目標跟蹤算法[1115]。上述文獻都是將多特征用于目標描述。目標的運動信息是目標檢測中一項重要特征，運動檢測技術包括光流法、差分法等。當目標數量發生變化時,采用基于相交區域面積的關聯矩陣判斷場景中各種特殊情況的發生。這里的3D 體現在：3D 模型描述目標，3D 狀態空間。由于多攝像頭必須同步工作，且成本較大，文獻[19]中使用單攝像頭機制。多目標關聯目標關聯目標關聯是指把在不同時刻出現在不同攝像機前的目標進行關聯，從而識別出相同的目標，實現不同攝像機中同一目標的對應。表現模型是指利用目標物體在不同攝像機前出現時表現出的特征所建立的模型。另外，為了彌補不同檢測視頻中同一目標的表現模型之間的變化差異，轉移模型的估計就顯得非常重要。他們針對車輛的剛體特征采用了以線特征為基礎，其它特征為輔助的表現模型建構方法。由于多種特征的融合關聯，這使得她們的算法可以在小于30 度的姿態變化條件下取得大于90%的關聯準確率。他們通過在線k 均值聚類的方法建立了一種最大顏色光譜直方圖表示模型（MCSHR）來構建表現模型，并給出了針對這種模型的相似度估計算法；而且，他們還進一步利用相鄰的35 幀圖像建立累積的最大顏色光譜直方圖表示模型（IMCSHR）來克服短期內目標的小幅度姿態變化。Bowden[35]和Gilbert[36, 37]等人先把目標的顏色直方圖進行芒賽爾顏色空間的一致顏色轉換（CCCM），然后進行關聯，這種方法對于低解析度目標的關聯體現了很好的效果；其中，文獻[19]還利用對顏色直方圖轉移矩陣的估計來提高關聯的準確性。他們還證明了這些參數可以用低維空間參數來表示，并使用概率主成分分析（PPCA）的方法實現了降維計算。5 結束語本文對無重疊視域多目標關聯相關的問題和技術進行了綜述。 Electrical Engineering Magazine,vol. 26, , March 2009.[2] Valera M，Velastin ．Intelligent distributed surveillance systems [J]．IEE Proc．Vision Image Signal Process，2005，152 (2)：192204[3] C. Stauffer and W. Grimson. Learning patterns of activity using realtime tracking. IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI),22(8):747–757, 2000.[4] Z. Zivkovic and F. van der Heijden. Efficient adaptive density estimation per image pixel for the task of b

點擊復制文檔內容

黨政相關相關推薦

稀疏表示目標關聯-wenkub

基于稀疏表達的圖像恢復算法研究畢業論文-資料下載頁

關聯交易管理制度-資料下載頁

小學語文關聯詞大全-資料下載頁

關聯交易自查報告-資料下載頁

試論關聯方審計實務-資料下載頁

基于稀疏表達的圖像恢復算法的研究畢業論文-資料下載頁

關聯詞語練習及答案-資料下載頁

關聯詞大全及答案-資料下載頁

突變表示方法-資料下載頁

森林經理抽樣調查-稀疏總體抽樣方法講課-資料下載頁

企業會計準則之關聯方關系和關聯方交易-資料下載頁

【管理精品】關聯交易回避制度-資料下載頁

同業競爭關聯交易問題匯總-資料下載頁

高考常見關聯詞搭配-資料下載頁

關聯公司借款合同范本-資料下載頁

稀疏表示目標關聯-文庫吧在線文庫

稀疏表示目標關聯(完整版)

稀疏表示目標關聯(更新版)

稀疏表示目標關聯(專業版)

稀疏表示目標關聯(留存版)