论文部分内容阅读
近年来,随着公共安全问题的日益突出、高性能微处理器的推陈出新、视频分析技术的不断发展,视频监控系统在安防、交通、医疗等行业得到了广泛应用。但仅使用单摄像机其视野域有限,难以解决目标遮挡以及跨摄像机的目标连续跟踪等问题;而采用多个摄像机,并在多摄像机之间进行协同,可以扩大摄像机的视野域、增加观测的角度、更全面的捕捉运动目标的信息,有助于解决目标遮挡、环境光照突变情况、3D目标建模等问题。正因如此,基于多摄像机协同的智能视频监控越来越受到相关学者的关注,同时也是当前研究的热点和难点。本文重点研究智能监控中的多摄像机协同关键技术之一——目标匹配技术,即在不同的监控图像序列中找到运动目标之间的对应关系并进行同一性标记。本文主要利用对极几何约束和单应性约束这两种几何约束,主要研究内容和创新点如下:(1)在对极几何约束关系获取方面,提出了一种新的鲁棒性基础矩阵估计方法。即首先利用SIFT算法提取并匹配特征点,经过预处理得到初始的匹配点对集合;再融合LMedS和M-estimators方法剔除误匹配点对,得到精确的匹配点对集合;最后利用Levenberg-Marquardt算法对基础矩阵进行非线性优化,得到精确鲁棒的基础矩阵。实验结果表明:本文提出的估计方法鲁棒性强、精度高。(2)在单应性约束关系获取方面,针对人工取点计算单应性矩阵不精确问题,本文结合对极几何约束,提出了一种简单的基于对极几何约束的二步取点方法。该方法首先以转移误差为准则人工得到匹配点的初始坐标位置,然后以对极距离和为准则优化得到匹配点的更精确坐标位置。(3)在主轴特征提取方面,针对基于LMedS方法提取主轴耗时较长,不适用于摄像机有一定程度倾斜角的情形,本文提出了一种基于K-L展开式的主轴提取方法。该方法首先计算二值目标图像的二阶中心矩,然后由此获得目标质心点及主轴与上边框的夹角a ,最后由这两个参量来确定目标的主轴。(4)基于以上研究,提出了一种基于主轴和对极几何约束的目标匹配方法(PA-EGC:Principal Axis and Epipolar Geometry Constraint)。该方法首先利用K-L展开式的方法提取主轴并基于主轴进行目标匹配;但由于脚点获取、交点计算等存在误差,导致匹配过程中可能会“遗忘”正确的目标匹配对;为了克服此问题,本文选择目标质心点作为特征点,结合对极几何约束进行“二次匹配”,在一定程度上进行弥补。实验结果表明:本方法在主轴提取时间、匹配准确性、场景适应性等方面相对于文献[35]均有改进。文章最后对全文内容进行了总结,并对该课题可以进一步研究的重点方向进行了展望。