稀疏表示目標關聯(更新版)

　　

【正文】 tionbased background subtraction using adaptive kernel density estimation, CVPR 2004. [9] Shengcai Liao。國內外眾多研究者綜合運用各學科知識，大膽嘗試，無重疊視域多目標關聯算法具有廣闊的研究前景。在處理不同攝像機之間的顏色變化的問題上，Porikli 和Divakaran[39, 40]提出了基于顏色直方圖的非參數非線性顏色轉移函數模型和相關的距離度量，并給出了簡化算法。 基于顏色特征的方法顏色特征由于具有很好的區分性，因此成為眾多特征中被研究最多的一種。 基于線特征的方法由于剛體目標的線特征比較容易抽取，而且對光照、時間、地點等環境變化不敏感，因此，線特征在車輛目標關聯方面得到了較多使用。所以，無重疊視域攝像機之間的目標關聯[20,21]需要建立適合自己特殊問題的新的理論體系。利用目標空間位置的惟一性，能對嚴重遮擋的人進行較準確地跟蹤。文獻[16]針對人的跟蹤中常出現的變形、遮擋以及多目標跟蹤中常出現的目標合并、分裂、消失、新增等情況。文獻[13]針對此問題提出了多特征融合與自適應模板相結合的多目標跟蹤算法，能有效處理模板隨時間變化的情況，但是算法計算量大。但是，在多攝像機監控系統中，由于圖像背景存在變化，不能直接采用背景差分法，本文在第二章中針對多攝像機環境下背景擾動的問題進行了實驗，實驗結果表明利用改進的扭曲背景差分模型，可以有效去除背景擾動的影響，一定程度上提高了檢測的準確率。運動目標檢測通常采用以下幾種方法[56]：（1）幀間差分法：基本思想是將視頻中相鄰兩幀或多幀圖像做差分，然后利用閾值進行分割，將超過閾值的當做前景，其他的當做背景。一個好的運動目標跟蹤系統必須要兼顧兩者，要對兩個性能指標加以平衡。目標數目的隨機性：數目可變也是多目標跟蹤中的常見問題。在無重疊視域多攝像機視頻監控系統中，目標在時間和空間上都是分離的，如何將不同攝像機中相同目標進行有效地關聯是多攝像機目標跟蹤的關鍵問題。這個研究焦點是計算機視覺研究領域的一個新興的、多學科交叉的研究方向。背景的復雜性，目標比例變化、目標顏色與背景顏色的相似程度、背景的穩定程度，多目標的交互及各種特殊情況的發生都會給多目標跟蹤帶來困難。如何準確得到當前幀的目標個數，是多目標跟蹤中的又一個難點。以下對近年來國內外解決多目標核心問題的主流方法進行總結與分析，并比較各方法的優缺點。目前對于幀間差分法一般用來做前期檢測，（2）背景差分法：背景差分法是視頻監控中最為常見的運動目標檢測方法，它的基本思想是將當前幀圖像與參考背景圖像做差分運算，然后設定一定的閾值來檢測運動目標。反之，運動物體所形成的速度矢量就會與鄰域背景速度矢量不同，從而檢測出運動目標的具體位置。文獻[15](針對人臉)將多特征融合技術用于判斷新目標的出現；基于在線學習的自適應模板以適應背景與目標外觀的變化；以目標觀測概率小于某一閾值判斷舊目標的消失；對每一個目標單獨建立一個粒子濾波器，實現多個目標的跟蹤。當目標輕微合并時，采用基于顏色直方圖的均值漂移算法分別跟蹤合并在一塊的各個目標，當目標分裂時，要判斷分裂出的目標屬于遮擋前的哪一個目標，用巴氏距離表示分裂前各目標和分裂后目標直方圖的關聯度，取最大值者作為關聯目標。文中用兩個橢圓體表示一個目標，用3D 坐標表示狀態向量。這些特征主要包括顏色特征、點特征、線特征、區域特征、幾何特征、模型特征等等。文獻[23, 25]提出了一個非監督學習的方法來提取視頻中車輛的線特征，然后基于線特征來關聯車輛，這個方法在兩個視頻中車輛的形狀差別很小的情況下取得了不錯的效果。除此之外，在文獻[33]中，他們還嘗試采用監控視頻中人的身高作為關聯的特征要素，并給出了身高的估計算法。同樣是估計顏色轉移函數，Jeong 和Jaynes[43]卻采用目標的色度而不是亮度，他們的算法體現了更好的關聯性能。 Shaohui Ning。 Pietika?inen, M.。 Tracking in Videos. In CVPR. 2005, 761768.[38] Guo Y,Sawhney H S,Kumar R,et Object Matching for Persistent Tracking with Heterogeneous Feature. In Joint IEEE Int. Workshop ,8188.[39] Guo Y,Hsu S,Sawhney H S,et al. Robust Object Matching for Persisitent Tracking with Heterogeneous Feature. IEEE Trans. Pattern Anal. Machine Intell.,2007(29):824839.[40] Cheng E D, Madden C, Piccardi M. Mitigating the Effects of Variable Illumiantion for Tracking across Disjoint Camera Views. In IEEE Int. Conf. AVSS. 2006, 3237.[41] Cheng E D, Piccardi M. Matching of Object Moving across Disjoint Cameras. In , 17691772.[42] Cheng E D. Piccardi M. Disjoint track matching based on a major color spectrum histogram representation. Optical Engineering, 2007(46):14.’[43] Madden C, Piccardi M. Height Measurement as a Sessionbased Biometric for People Matching Across Disjoint Camera Views. In IEEE Vis. Comput 20058 /