分布式多视角目标跟踪的统计推理方法及实现.pdf资源-CSDN文库

版权申诉

182 浏览量 2022-06-21 19:08:00 上传评论收藏 18.81MB PDF 举报

资源详情

资源评论

资源推荐

摘要

目标跟踪是计算机视觉中一个重要的问题，它在视频监视、视频检索、车辆

导航等领域有广泛应用。多摄像机 (多视角 ) 目标跟踪系统中，由于视角间存在

大量信息冗余可有效提高跟踪鲁棒性，多视角目标跟踪备受业界关注。卡尔曼滤

波为较为传统的目标状态估计工具，随着计算机能力的提高序列蒙特卡洛粒子滤

波也被广泛应用于目标状态估计中。卡尔曼滤波及序列蒙特卡洛粒子滤波均可在

贝叶斯估计框架下得到解释。本文针对多摄像机视频跟踪的应用场景，在贝叶斯

推理的框架下，提出了一种具有分布式时空交互计算特点的目标跟踪算法，包括

基于卡尔曼滤波自适应初始点算法，基于序列蒙特卡洛粒子滤波的数据融合算

法，最后经过算法及软件的合理剪裁优化后，在 Tl O M A P 3530 上实现实时的多

视角目标鲁棒跟踪。

多摄像机 (视角 ) 目标跟踪系统中，由于视角间存在大量信息冗余可有效提

高跟踪鲁棒性。在传统基于模板匹配方法中，由于视角不同导致匹配不准，会带

来较大跟踪误差，同时传统搜索方法计算量较大。针对这个问题本文提出了一种

基于卡尔曼滤波自适应初始点搜索算法，利用多摄像机几何限制，实现多个摄像

机的目标位置信息交互，减少了模板匹配的搜索范围。同时通过在线估计卡尔曼

滤波模型中噪声功率，并且自适应调整卡尔曼增益，将信息交互过程中误差传递

降至最小。仿真结果表明，该方法降低了多摄像机目标跟踪算法有限搜索精度下

的跟踪精度。

其次，多摄像机目标跟踪系统提供了更多的目标灰度及位置信息，需要有一

个鲁棒高效的算法进行有效融合这些信息。本文利用贝叶斯网络对拓扑确定的多

摄像机系统进行建模，对待估状态 ( 目标位置 )高阶联合后验概率密度函数进行时

空的递推分解，最后借助序列蒙特卡洛 (粒子滤波 ) 逼近后验概率密度函数，高

效求解出跟踪目标在各个摄像机视野中状态估计值。通过序贯蒙特卡洛粒子滤波

融合时空的目标灰度及位置信息，有效地抑制了部分摄像机内遮挡现象给跟踪造

成的影响。定性和定量实验均证明了该算法的鲁棒性和高效性。

最后，针对多摄像机目标跟踪系统的效率问题，本文设计了一种适用于现实

系统的跟踪算法并且在最新的 O M A 玲平台上实现算法。系统由多个摄像机及相

应的处理部分组成，各个摄像机分别独立地采集图像数据并进行跟踪。为降低网

络传输负荷，仅将提取的目标参数进行摄像机之间的交互，通过参数融合和判决，

有效地利用各个摄像机的信息，实现目标鲁棒跟踪，可较好地抵抗部分或全遮挡。

整个系统充分利用 O M A P3 53 0 处理器的强大运算能力和网络传输能力，合理地

在 O M A P 353O 的 A R M 核和 D SP 核上进行任务分配，并进一步地对核心跟踪算

法进行代码级优化，大量的运行结果证明本系统达到了实时、高效、鲁棒的跟踪

效果。

关键词 : 多摄像机目标跟踪，分布式系统，贝叶斯推理，卡尔曼滤波，序列

蒙特卡洛粒子滤波

中图分类号 : T N g n .73

今

A b stra e t

A b s tr a C t

Vi su al objeet traekin g 15 u n d er in ten sive researeh in th e field of eom Pu ter v ison

an d h a s a w id e ran g e o f ap P lie atio n ，in e lu d in g v id e o m o n ito rin g ，v id e o re triev in g ，

v eh ie le n a v ig a tin g ， an d e te . M u lti一e am er a v id e o e a n P ro v id e u s m o re re d u lld a n t

in fo rm a tio n w h ie h e an h e lP to im P ro v e tra e k in g rob u stn e ss， th u s m u lti一e am e ra

tra e k in g sy stem 15 g a in in g m o re an d m o re atte n tio n la te ly. K a lm a n filte r an d

S e qu e n tia l M o n te C a rlo P a rtie le F ilter are b o th B a y e sia n in fere n e e m e th o d s . K a lm a n

filter 15 a tra d itio n a l m e th o d o f state e stim a tio n . Wi th th e d e v e lo P m e n t o f e o m P u tin g

e a P a e ity， P artie le F ilte r 15 im P le m e n te d m o re a n d m o re e o m m o n in re a l一tim e v id e o

obj eet trackin g sy stem s. A n ov el algorithm 15 P roP osed to P erform objeet traek in g

w ith m u ltiP le e am era s in th e B a y e sia n In fere n e e fra m e w o rk in c lu d in g th e K alm a n

filter b a se d a d a P tiv e P re d ietio n o f in itia l se a reh in g P o in t alg o rith lll，th e d a ta fu sio n

m e th o d b a se d o n S e q u e n tia l M o n te C arl o P art ie le F ilte r . F in a lly， th e a lg o r ith m 15

o P tim iz e d an d im P lem en te d re a l一tim e o n T l O M A P 3 5 3 O P la tform .

R e d u n d a n t in form a tio n P r o v id e d b y m u lti一e a m e ra sy stem c a n h e lP to im P ro v e

tra ek in g ro b u stn e ss . H o w ev e f， tra d itio n a l tem P la te m a tc h in g b a se d m u lti一c am era

object traekin g su ffe rs from traekin g fai]ure b rou gh t b y diffe rent v iew s and

com Pu tatio n requ irem ent 15 h igh .TO solv e th is P rob lem ，a n ew algorit】lln 15 P roP o sed ，

w h ich u ses th e geom etrieal eon strain ts to eom m u n ieate objeet lo cation b etw een

diffe rent eam era v iew s 50 as to Prediet th e initial search ing P oin t of th e objeet in th e

eu rren t v iew . B e sid e s，b y e a lcu latin g th e K a lm a n F ilte r m o d e l P a ram ete rs o n lin e a n d

adap tiv ely adju st th e K alm an G ain to lim it th e error P assin g du rin g th e in teraetion

P ro e e ss . E x P e rim e n ts sh o w th a t th e P r o P o se d a lgo ritl加 e a n gr e atly re d u e e

eo m P u tatio n e o st a s w ell a s im P ro v in g tra e k in g P e rform a n e e .

B e sid e s，th is P ap er ex P lo re s B a y e sian n etw o rk to fuse sP a tial一tem P o ra l P o sitio n

and tem P late objeet feature in m u ltiP le cam eras. F irstly， B ay esian n etw o rk 15 used to

m o d e l th e sy stem o f m u ltiP le static e am e ra s ， traek in g sy stem . Th e n ， th e

high 一dim ension al join t P o sterior 15 ProP ag ated sP atiotem P orally. F in ally， th e

e stim a tio n o f th e ta rg ct lo e atio n in e a c h e am era v ie w 15 a ch iev e d b y u sin g a n e ffi c ien t

m essag e P assin g m eehan ism w ith sequ en tial M onte C arl o A P P rox im ation (P art iele

F ilter) o f th e join t P o sterioL B y tak in g full adv an tage o f im ag e d ata an d P o sition d ata

fro m m u ltiP le e am e ra s，the tra e k in g a lg o rith m 15 q u ite y ro b u st to o e e lu sio n in so m e

e a m er a s o f th e sy ste m . B o t h qu a lita tiv e a n d q u a n tita tiv e e x P e r im e n ts h a v e

d e m o n strate d the e ffe etiv e n e ss an d ro b u stn e ss o f th e P ro P o se d a lg o rith m .

F in a lly， a n e ffi e ie n t tra c k in g a lg o rith m su ite d to re al一tim e im P le m e n ta tio n 15

P ro P o se d an d im P le m en te d o n O M A P 3 5 3 0 P la tform . O ur sy ste m 15 co m P o se d o f

m ultiP le e a m e ra s an d the e o r re sP o n d in g P r o e e ssin g m o d u le s . T h e e a m e ra s c o llect d a ta

an d P e rfo rm tra ck in g d istrib u ted ly . In o rd e r to red u e e th e lo a d o f n etw o rk

tran sm issio n ， o n ly th e n e c e ssa ry a rg u m en ts are tra n sm itte d am o n g c a m e ra s. O u r

rob u st tra e k in g sy stem e ffi e ien tly fu s e s in form a tio n fro m

e ap ab le o f d e a lin g w ith P art ia l a n d fu ll o e e lu sio n . In o rd er to

d ifl七re n t v ie w s an d 15

a e h iev e th e se go a ls ，w e

丫

第一章绪论

1.1 摄像机跟踪的任务描述

视频目标跟踪指的是在由一系列图像帧组成的视频序列中，由计算机自动确

定一个给定目标在每一帧图像中的几何状态，可以包括目标的位置、尺寸以及取

向等。多视角目标跟踪时指在各个摄像机的视角观测的视频序列中，都能通过计

算机自动确定每个视角内每一帧图像中的目标状态。

视频目标跟踪技术是计算机视觉领域的研究热点，因为它是实现更高层视频

分析的基础，此外，视频跟踪技术在视觉导航、人机交互、视频检索等领域都有

很广泛的应用。同时，视频目标跟踪技术也是研究难点。由于现实世界千变万化，

观跟踪目标的外观在跟踪过程中会受到环境光照、观察视角、目标自身形变等因

素的影响，此外，复杂的观测背景也会给跟踪带来干扰，总之，现实世界中的视

频目标跟踪是非常富有挑战性的。

多摄像机的系统，可以提供更全的视野，可以提供比单视角更多的目标信息，

给下层的视频分析提供更多的辅助，因而多摄像机视频跟踪系统近几年称为一个

新的研究热点。多视角目标跟踪同时也是研究难点，因为每个视角对目标的观测

角度不同，给数据融合带来的挑战，同时多视角目标跟踪也要遇到目标自身变化

及复杂环境等的影响。总之，多摄像机目标跟踪是一个具有挑战性的新课题。本

文着眼于固定摄像机基于有重叠观测区域的同一个目标的跟踪问题。

1 .2 多摄像机跟踪技术的研究意义

视频跟踪技术的广泛应用激励着国际上各界学者对其进行研究 [48][49]。比如说

国际电气和电子工程师协会 (l E E E) 在 1 99 8 ，1 99 9 及 20 00 年分别在印度，美国和

爱尔兰资助了 IE E E 视频跟踪国际研讨会。此后多年出版了多本视频跟踪领域的

专刊。类似的视频跟踪领域的项目有美国国防部高级研究计划局 D A R 队 (D efense

A dV an ced R eseareh p rojeetion A g en ey)于 1997 年开始资助的视频跟踪与监督项目

I，0](v s A M :vi su al su rveillan ce an d M onitoring P rojeet)，其目的在于开发自动视频

理解技术，这样即使是一个人也可以对很复杂的场景完成行为检测。在 9 11 事件

之后，各国政府也开始加大视频跟踪领域的投资。例如在 20 00 年 D A R 队投资

了远距离人体识别项目(th e H um an Id en tifieation at a D istan ee p ro g am )，用于远距

离长时间多方式的检测技术，以期对人进行长时间检测，分类和识别。上述各个

领域的项目及研究都证明了视频跟踪领域在国际上各界都备受关注，以及多摄像

机视频跟踪在现实世界有着广阔的应用前景。最新的项目有 D A R R A 在 2 0 10 年

投资的智能摄像机项目(D A R 卫A ，5 M ind ’5 E ye Program )用于对目标的某个特定行

为做出相应的反应，而多摄像机的目标跟踪为此项目的基础。

现实生活中，基于摄像机的目标跟踪技术的应用越来越广泛，自动化的跟踪

技术，可极大减少人力监测的浪费。随着计算机运算能力的提高，以及摄像机传

第一章绪论

感技术的发展成本的降低，可以预见到会有更多的摄像机应用到视频监控、车辆

导航和安全预警等领域。鉴于单个摄像机的视野有限，在很多场景下，为了避免

监控区域出现死角等问题，多摄像机跟踪系统称为一种新的研究热点。多个视角

的信息输入，在应用领域可以提供很多便利。例如，多视角信息可以让我们更鲁

棒地估计出目标四肢的几何状态【6]。当摄像机处于低分辨率的状态时候，多个

摄像机的跟踪场景坐标下的目标可以帮助我们更好地理解跟踪场景。举例来说，

论文【7]通过多个摄像机来跟踪地面上的足球运动员。类似地，论文〔81【9]【10]【川

均考虑在地平面上的多视角目标跟踪。本文主要针对基于摄像头之间有重叠区域

的地面目标跟踪问题。

1 .3 多摄像机跟踪算法分类

多摄像机目标跟踪从参数角度来分可以分为确定性跟踪和随机跟踪。确定性

跟踪一般归结为确定性参数的优化问题。随机跟踪 [2][ 3][4115]一般可归结为动态系统

的状态估计问题，在这类问题中，对于线性、高斯估计问题，卡尔曼滤波【’]给出

了最优解 ; 对于非线性、非高斯问题，序贯蒙特卡洛粒子滤波 [3][4][5](Pa rti cle Filter)

为较常用的方法。随着计算机计算能力的提高，近年来，粒子滤波成为研究的热

「〕课题，它是多测量数据融合的强大工具。近年来，随着科研人员不断地投入，

计算机处理能力的不断加强，粒子滤波的性能不断得到改善，应用于目标跟踪、

计算机视觉、故障诊断、金融领域数据分析等方面。

对于多摄像机跟踪，除了单视角需要考虑的时间域的信息交互，还需要进行

目标信息的空间域交互，交互方式来看目前主要方法有基于外观 [’2][’3]方法，基

于几何变换 [’“1[”]I’6][’7]的方法，以及基于外观和几何变换的方法。

基于外观 [’2][”]方法利用目标图像特征进行匹配，例如利用颜色信息「’2]，在各

摄像机图像亮度白平衡调整不同的情况下，仅仅采用目标的颜色信息交互方法会

带来匹配误差。为了提高匹配精度，有研究者加入其他辅助信息，如人脸的识别

[I8 ][l 3]等，但对目标跟踪提出了额外的要求。

基于几何变换【’41[’5][’6][’7]的方法利用多摄像机视角之间的几何关系，该方法

可分为摄像机参数已知及未知两种情况，在摄像机参数已知的情况下，建立各个 ’

视角的重叠区域场景的三维模型〔‘4〕，通过三维场景的反投影来限制目标在各个视

角中位置，在摄像机参数未知的情况下，通常采用对极限制 [’4][’5][’“J[’”l和单应限

制 [’5]l’7][’”〕直接建立各个视角之间的几何投影关系。与前面三维场景反投影相比，

计算简单，并且不需要摄像机定标。

1.4 问题的提出及研究现状分析

目标跟踪是计算机视觉中一个重要的问题，它在视频监视、视频检索、车

辆导航等领域有广泛应用。在跟踪过程中，待跟踪目标外观不断发生变化，且

目标可能会被其它物体遮挡，再加上复杂的背景干扰，为跟踪算法提出了一系

剩余68页未读，继续阅读

评论收藏

内容反馈

版权申诉

programmh

粉丝: 4
资源: 2163

分布式多视角目标跟踪的统计推理方法及实现.pdf

评论0

最新资源

分布式多视角目标跟踪的统计推理方法及实现.pdf

评论0

分布式多视角目标跟踪的统计推理方法及实现

分布式多视角目标跟踪算法在OMAP3平台上的实现与优化.pdf

大数据-算法-分布式多视角目标跟踪算法研究.pdf

基于贝叶斯理论的分布式多视角目标跟踪算法.pdf

智能视频监控系统中多视角目标跟踪研究与FPGA实现.pdf

多摄像机分布式监控中运动目标跟踪的研究与系统实现.pdf

分布式多传感器融合多目标跟踪方法.pdf

分布式多传感器多目标跟踪融合算法[汇编].pdf

分布式目标检测在FPGA中并行实现.pdf

基于贝叶斯理论的分布式多视角目标跟踪算法

智能视频监控系统中多视角目标跟踪研究与FPGA实现.rar

论文研究-基于多视角航拍配准的运动小目标检测与跟踪.pdf

基于足球比赛规则视角下的视觉机器人目标识别与跟踪定位探讨.pdf

一种高效的分布式多传感器多目标跟踪算法.pdf

基于Python的分布式爬虫系统的设计与实现.pdf

论文研究-基于分布式数据融合的无线移动传感器网络目标跟踪算法.pdf

使用KafkaStreams和SpringBoot实现微服务Saga分布式事务-Piotr.pdf

应用服务平台-分布式微服务应用平台建设方案.pdf

分布式存储基础、Ceph、cinder及华为软件定义的存储方案.pdf

分布式同步协同CAD_CAM系统的Web模型及实现.pdf

基于分布式主体协作的知识检索研究及实现.pdf

相关实用应用程序（Windows可用）

李飞飞自传 我看见的世界 The World I see

ChatGPT使用总结：150个ChatGPT提示词模板（完整版）

chromedriver-win64.zip

全国计算机二级WPSoffice精选350道选择题题库（含答案）.pdf

哈尔滨工业大学-ChatGPT调研报告-2023.3.6-94页.pdf

智联招聘：2024年大学生就业力调研报告.pdf

最新资源

李飞飞自传我看见的世界 The World I see