一种适用于具有重叠视野的摄像机网络下的目标追踪方法技术

本发明专利技术属于摄像机网络及目标跟踪应用技术领域，涉及一种适用于具有重叠视野的摄像机网络下的目标追踪方法，首先，利用相关滤波算法在单个摄像机上追踪目标；然后验证目标是否在当前摄像机的视野边缘，不在视野边缘则继续用相关滤波追踪目标，在视野边缘则根据摄像机的位置找出下一时刻拥有目标视野的摄像机，并利用粒子滤波校准目标在下一时刻上的摄像机的位置；最后在当前摄像机继续利用相关滤波追踪目标。本发明专利技术有效的减小了带宽和计算量，使系统可以在多摄像机环境中应用，能够在提高跟踪精度的同时，提升方法的鲁棒性。提升方法的鲁棒性。提升方法的鲁棒性。

【技术实现步骤摘要】
一种适用于具有重叠视野的摄像机网络下的目标追踪方法


[0001]本专利技术属于摄像机网络及目标跟踪应用
，涉及一种适用于具有重叠视野的摄像机网络下的目标追踪方法。

技术介绍

[0002]随着传感器的可获得性越来越简单，摄像机被布置在了城市的每一个角落。摄像机网络常被用于区域监控，灾难响应，环境监控等等。多个相机拥有更多的视野，拥有更大的监测范围，但是如何更好的利用多个相机的数据，是一个重要的问题。传统的利用多个相机数据的方法主要分为两类：分布式和集中式。其中集中式是多个相机的数据传输到一个运算中心，由运算中心对各个传感器的数据加以运算，从中得到目标的数据。这样做虽然从数据运算上来说是优秀的，毕竟没有出现数据丢失的现象。但是带宽有限，很难同时传输多个相机的数据，并且多个数据传输到一个运算中心会需要更多的计算量，很难保证同步追踪。如果运算中心出现故障，则整个追踪系统彻底瘫痪。而分布式目标追踪利用加权的平均一致性算法并结合目标追踪算法，使每个传感器都是一个运算中心。数据之间的传输也是在邻居之间，不用每一个传感器节点都传输数据到每一个节点。分布式相比集中式而言鲁棒性更高。然而，传统的分布式目标追踪方法并不能有效解决朴素节点，计算量，能耗，帧异步问题。
[0003]传统的分布式目标追踪方法为了得到较为准确的精度迫使每一个相机节点都在每时每刻的接收并计算来自其它节点的信息，必须达到一致性之后才能进行下一步的操作，因此衍生了很多问题。比如在较多相机节点的摄像机网络中，一致性就需要一些时间去达到。不仅仅是一致性问题，同时计算来自多个相机节点的数据就相对于传统的目标追踪算法而言也会需要一些时间。而这些时间就可能导致异步问题，这就很大概率会得到错误的追踪结果。由于相机节点一直都在进行复杂的计算，能耗是一个待优化的问题。传统的分布式目标追踪不能有效缓解朴素节点问题，在精度上还有很大的提升空间。由于传统分布式目标追踪算法的各个环节都需要一些时间，这些时间加在一起就变得不可忽略，将产生不同相机节点之间的帧的计算不同步。以上所提的问题限制了传统的分布式目标追踪算法得应用范围。

技术实现思路

[0004]为了解决现有技术中存在的上述技术问题，本专利技术提出了一种适用于具有重叠视野的摄像机网络下的目标追踪方法，利用相关滤波，粒子滤波以及摄像机之间的位置关系对目标进行追踪；摄像机之间通过通信进行信息交互，然后利用平均一致性方法对摄像机的信息进行分布式数据融合；最后通过多次迭代得到稳定的结果，保证对处在摄像机网络下的目标在每一时刻都会有一个摄像机追踪到目标，从而实现摄像机网络中的目标跟踪，解决现有目标跟踪方法中的由于使用集中式的处理方式而不能应用于大规模系统中的问题和分布式的低实时性的问题，其具体技术方案如下：
一种适用于具有重叠视野的摄像机网络下的目标追踪方法，包括以下步骤：步骤1、从各个摄像机中得到监控视频，然后根据给出的目标初始位置，找出一个具有目标视野的摄像机；步骤2、在摄像机上，运行相关滤波算法对目标进行追踪；步骤3、判断当前时刻目标是否在摄像机的视野边缘：若不在边缘，则继续运行相关滤波算法对目标进行追踪；若在边缘，则根据摄像机的位置找出下一时刻拥有目标视野的摄像机，并利用粒子滤波算法校准目标在下一时刻的摄像机上的位置；步骤4、摄像机根据校准后的目标坐标，继续利用相关滤波算法跟踪目标。
[0005]进一步的，所述相关滤波算法是是对感兴趣得目标产生高响应，对背景产生低响应，具体表达式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）
ꢀꢀꢀꢀ
（2）其中，表示求得的响应值，根据求得的响应值，找出响应值中最大的数的位置，然后根据前一时刻的位置和响应值中最大数的位置求当前时刻目标的位置；表示正在训练的图片块，表示和的核相关，exp表示以自然数e为底的指数函数，表示回归的目标，表示测试的图片块，表示离散傅里叶变换，表示卷积操作，表示逆离散傅里叶变换，表示范数，表示的复共轭。
[0006]进一步的，所述判断当前时刻目标是否在摄像机的视野边缘，具体为：；（3）当公式（3）为真时，判定目标在边缘，反之，不在边缘；其中，是目标的位置；是帧的高，是帧的宽。
[0007]进一步的，当目标在摄像机的视野边缘，则具体采用以下步骤：步骤A，利用转换矩阵把此时目标在摄像机中的位置转换到现实3d坐标，再把3d坐标转换成每个摄像机节点的坐标，并判断出此时的坐标在摄像机视野内，然后摄像机把摄像机的位置信息和目标的坐标传给它的邻居；其中的转换矩阵是根
据摄像机网络中每个节点的位置以及视角计算得到的一种在现实坐标和帧坐标的转换矩阵；步骤B，通过平均一致性算法经过多次迭代之后，摄像机接收到坐标，并利用粒子滤波算法进行校准。
[0008]进一步的，所述平均一致性算法，具体为：每个摄像机节点初始化它的状态，为摄像机接收的信息，具体的公式如下所示；；
ꢀꢀꢀꢀꢀꢀ
（4）其中表示节点的邻居节点的集合，参数在0和 之间，其中是传感器网络拓扑图中最大的度数；迭代次数刚开始时，摄像机节点发送它的前一时刻的状态给它的邻居节点，也接收别的节点的前一时刻的状态；后使用公式（4）更新它的状态，通过迭代，所有节点的状态值收敛到初始值的平均值。
[0009]进一步的，所述粒子滤波算法校准，具体为：先撒一堆粒子，然后根据测量值计算每个粒子的权值，然后计算这堆粒子的均值就可以得到目标的估计值；有颜色特征的粒子的权值更新是用颜色直方图；；
ꢀꢀꢀꢀꢀ
（5）其中是粒子的个数，是粒子的均值；；
ꢀꢀ
（6）；（7）其中是在帧中画的一个含有目标的框的的，轴上的最小值和最大值；求每个颜色通道的值，分别表示以状态所画框的颜色通道，为每个通道上的大小；为粒子的颜色直方图；；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）；
ꢀꢀ
（9）其中表示的是目标的颜色直方图，是一个很小的值，加上它是为
了防止分母为0。
[0010]本专利技术的有益效果：本专利技术考虑到过程计算量问题，实时性问题，跟踪精度问题，使存在这些问题的多摄像机系统也能够实现目标跟踪应用；使用相关滤波可以解决追踪精度问题，并提高了在单个摄像机追踪目标时的速度。同时结合平均一致性算法，摄像机们的位置，以及借鉴了粒子滤波的思想，使系统可以在多个摄像机环境中应用；本专利技术所提出的方法能够在提高跟踪精度的同时，减少运算量，提升方法的鲁棒性；本专利技术可以通过适当改进拓展到其他分布式系统中，在目标跟踪具有一定的应用前景。
附图说明
[0011]图1是本专利技术的一种适用于具有重叠视野的摄像机网络下的目标跟踪方法流程示意图；图2是本专利技术实施例的网络连通以及摄像机示意图；图3是本专利技术实施例的具体实验中在每一帧的追踪结果示意图；图4是本专利技术方法在某次目标跟踪中的位置误差结果示意图；图5是本专利技术方法不同迭代次数下的均方根误差的结果图。
具体实施方式
[0012]为了使本专利技术的目的、技术方案和技术效果更加清楚明白，以下结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于具有重叠视野的摄像机网络下的目标追踪方法，其特征在于，包括以下步骤：步骤1、从各个摄像机中得到监控视频，然后根据给出的目标初始位置，找出一个具有目标视野的摄像机 s；步骤2、在摄像机s上，运行相关滤波算法对目标进行追踪；步骤3、判断当前时刻目标是否在摄像机的视野边缘：若不在边缘，则继续运行相关滤波算法对目标进行追踪；若在边缘，则根据摄像机s的位置找出下一时刻拥有目标视野的摄像机，并利用粒子滤波算法校准目标在下一时刻的摄像机上的位置；步骤4、摄像机根据校准后的目标坐标，继续利用相关滤波算法跟踪目标。2.如权利要求1所述的一种适用于具有重叠视野的摄像机网络下的目标追踪方法，其特征在于，所述相关滤波算法是是对感兴趣得目标产生高响应，对背景产生低响应，具体表达式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）
ꢀꢀꢀꢀ
（2）其中，表示求得的响应值，根据求得的响应值，找出响应值中最大的数的位置，然后根据前一时刻的位置和响应值中最大数的位置求当前时刻目标的位置；表示正在训练的图片块，表示和的核相关，exp表示以自然数e为底的指数函数，表示回归的目标，表示测试的图片块，表示离散傅里叶变换，表示卷积操作，表示逆离散傅里叶变换，表示范数，表示的复共轭。3.如权利要求1所述的一种适用于具有重叠视野的摄像机网络下的目标追踪方法，其特征在于，所述判断当前时刻目标是否在摄像机的视野边缘，具体为：；（3）当公式（3）为真时，判定目标在边缘，反之，不在边缘；其中，是目标的位置；是帧的高，是帧的宽。4.如权利要求1所述的一种适用于具有重叠视野的摄像机网络下的目标追踪方法，其特征在于，当目标在摄像机的视野边缘，则具体采用以下步骤：步骤A，利用转换矩阵把此时目标在摄像机中的位置转换到现实3d坐标，...

【专利技术属性】
技术研发人员：李超，荆月青，
申请(专利权)人：之江实验室，
类型：发明
国别省市：