13、多摄像头网络中的多目标跟踪及鲁棒在线视觉跟踪技术解析

多摄像头网络中的多目标跟踪及鲁棒在线视觉跟踪技术解析

多摄像头网络中的多目标跟踪

在许多监控场景中，摄像头的视野可能存在不重叠的情况。为了解决这一问题，我们假设存在一个中间图像 (I_{ij}) ，它与图像 (I_i) 和 (I_j) 都有重叠。对于大多数监控场景而言，这是一个合理的假设，因为获取一些过渡图像是比较容易实现的。通过这种方式，图像 (I_i) 和 (I_j) 可以像重建全景图一样依次进行配准。扩展的视场（FOV）线被定义为一个摄像头视场的扩展虚拟边界，图 10 展示了使用一个中间图像创建的扩展 FOV 线示例。

配准后，会为图像 (I_i) 构建一个可见性图 (V_i) ，其中 (V_{i}^{j}(x,y) = 1) 表示位置 ((x,y)) 在摄像头 (C_j) 中也是可见的。所有摄像头 (C) 中，在摄像头 (C_i) 中的第 (n) 个对象 (O_{i}^{n}) 能在其他摄像头中被看到的子集由以下公式给出：
[C_i(n) = { j | V_{i}^{j}(x,y) = 1, \forall i \neq j \text{ 且 } j \in C }]
其中 ((x,y)) 是当前脚部位置，它表示拟合在对象上的椭圆长轴的下端。

相邻摄像头的亮度校准

图像配准后，会计算两个图像重叠区域的灰度累积直方图。使用直方图匹配方法来补偿亮度变化。

跨摄像头的一致标注

当第 (n) 个对象 (O_{i}^{n}) 从特定一侧 (s) 进入摄像头 (C_i) 时，首先会检查可见性图，查看 (O_{i}^{n}) 在其他摄像头中的可见性。如果 (O_{i}^{n}) 仅在 (C_i)