【技术实现步骤摘要】
本专利技术涉及一种。
技术介绍
对于单摄像头跟踪的方法而言,对于在复杂环境中准确跟踪多个目标并计算目标 的3D位置而言,必须使用多个摄像头。此时,遮挡处理会因为多个摄像头的使用变得简单。 然而,许多方法只把2D视角作为输入信息,遮挡主要通过持续跟新运动模型来处理,使用 卡尔曼滤波或更普遍使用的马尔科夫模型。如果过程开始离散化,这些方法将不能再进行 持续准确地跟踪。多摄像头环境下的跟踪分为以下三类: (1)基于二进制块的跟踪方法:最新的技术提出了一种基于降维的方法来学习跨 越多个视图的外观行人之间的对应关系,卡尔曼滤波技术应用于一个最佳的假设和多假设 的方法进行比较,以发现人跟踪从多个校准点提取前景二进制点从而获得三维位置。 (2)基于颜色的跟踪方法:该方法下能够实现一种系统段,能够在场景中使用多 达16个同步摄像机的宽基线设置用以检测和跟踪多个目标人,强度信息被直接用来进行 单个相机视图像素分类和匹配同样标记的区域从而推导三维情况下目标人的位置。有两种 方式进行遮挡分析。第一,对像素进行分类,先验概率的计算需要闭塞考虑。第二,证据是 所有相机的聚集计算,用地平面上每个被占用的点在每个相机视图中的可见性,即地平面 的存在可能性的地图来判断,根据地平面的位置,然后随时间跟踪使用卡尔曼滤波器。无论 是在图像平面和顶视图跟踪,计算每个目标单独的2D和3D位置,以便最大限度地定义从一 个卡尔曼滤波器导出的基于颜色的外观模型和2D和3D运动模型的产品的联合概率。 (3)基于栅格的跟踪及定位方法:最近的技术明确地使用一个离散地图 ...
【技术保护点】
一种基于粒子滤波的多摄像头多目标跟踪算法,其特征在于:建立二阶自回归运动模型及基于目标颜色直方图和运动直方图的观测模型,利用粒子滤波在各个单摄像头中进行跟踪,通过各摄像头目标检测数据在中心处理机进行融合并基于粒子滤波对多个摄像头的目标进行有效地跟踪。
【技术特征摘要】
1. 一种基于粒子滤波的多摄像头多目标跟踪算法,其特征在于: 建立二阶自回归运动模型及基于目标颜色直方图和运动直方图的观测模型,利用粒子 滤波在各个单摄像头中进行跟踪, 通过各摄像头目标检测数据在中心处理机进行融合并基于粒子滤波对多个摄像头的 目标进行有效地跟踪。2. 如权利要求1所述的基于粒子滤波的多摄像头多目标跟踪算法,其特征在于:使用 消息传递框架来执行从单摄像头到多摄像头的推断,其结果近似于地平面上每个跟踪器k 的跟踪结果,其后验概率表示为(23) 其中,Nt,k为的关联测量数,^(Xt,k,J为从相机j到地平面的传递信息,估计 值为3. 如权利要求2所述的基于粒子滤波的多摄像头多目标跟踪算法,其特征在于,使用 从多摄像头跟踪到单摄像头跟踪的反馈机制,这使得有遮挡情况下实现正确的跟踪效果; 通过单摄像头改进的建议分布实现:用&投影得到从相关联地平面跟踪器1?./1 或从之前的粒子滤波器中取样,参 数at&控制其混合;用质量测量来设置此值Citlu= Yt,kj。4. 如权利要求1-3任一项所述的基于粒子滤波的多摄像头多目标跟踪算法,其特征在 于,利用联合关系的暂时的先验来加速数据融合处理过程。5. 如权利要求4所述的基于粒子滤波的多摄像头多目标跟踪算法,其特征在于,首先 基于马氏距离来检验,如果符合,就保持,否则就通过下述方法搜索相应的匹配关系:每个 潜在的联系(k。,U,马氏距离的候选值计算如下 :其中,为h的平均投影分割,为1?的平均状态; 低于门限值β Μ的候选关联值被舍弃;式(21)计算的对于h的距离只适 用于目标h的领域,余下的关联值(4為)遵循Ai4i:, > 并满足如下:6. 如权利要求5所述的基于粒子滤波的多摄像头多目标跟踪算法,其特征在于,多个 摄像头之间主轴检测匹配: 首先由各个单个摄像头检测到各目标人的主轴并跟踪,各摄像机同步进行; 然后把通过结合单应矩阵把检测结果融合,实现多个摄像头之间的匹配,从而得到对 应的融合后的统一的检测结果,并将此结果又反馈到各个摄像机的的检测中。7. 如权利要求6所述的基于粒子滤波的多摄像头多目标跟踪...
【专利技术属性】
技术研发人员:梁志伟,徐小根,刘洋,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。