曹建荣,武欣莹,吕俊杰,王亚萌,杨红娟,张 旭

1(山东建筑大学 信息与电气工程学院,济南 250101)

2(山东省智能建筑技术重点实验室,济南 250101)

随着监控场景复杂度的增加和视频监控系统规模的不断扩大,基于智能视频分析的多摄像机下的运动目标交接技术逐渐成为计算机视觉领域热门的研究方向之一.运动目标交接的目的是分别在相邻的摄像机下确认运动目标的身份等各项参数指标,由此利用毗邻的多台摄像机实现对该运动中目标对象的不间断追踪.

以目标的特征融合为基础的目标交接一般应用于无重叠视域的多摄像机连续跟踪.在进行目标的特征提取时,陆兴华等[1]通过统计灰度直方图的信息可以提取到目标的特征,但目标和背景的颜色差异有可能带来特征匹配误差；Liang 等提出使用LOMO (LOcal Maximal Occurrence)算法[2]将手工特征和深度特征两种特征交融在同一个深度网络中完成目标的交接,但网络训练速度较慢.而常用的特征相似度度量有余弦相似度、欧式相似度、MLAPG 相似度[3]和NLML 相似度[4].

以空间模型为基础的运动目标交接一般应用于有重叠视域的多摄像机连续跟踪.张正本等[5]提出了一种采用卡尔曼一致滤波对空间内多个目标状态进行一致性估计的方法解决分布式多运动目标交接问题,但该方法对测量模型要求高,实用性不高.阳小燕等[6]提出了一种改进的基于视野分界线的多摄像机运动目标跟踪算法,但当视野分界线被遮挡……