视频监控系统中的多摄像头跟踪优化设计

针对分布式广域视频监控系统,提出了一种基于多摄像头融合的跟踪优化方法.该跟踪优化算法根据目标优先级和目标在各个摄像头中的遮挡状态及其分割图像大小进行数据加权融合,优先分配高优先级目标给具有最佳权值的摄像头进行跟踪,并动态平衡各个摄像头的跟踪负载,将跟踪负载过重的摄像头中的低优先级目标分配给其他摄像头进行跟踪.为了有效地建立重叠摄像头之间目标的对应关系,对于摄像头远离监控地平面和目标的场景,通过摄像头监视背景图像之间的SIFT特征匹配自动生成对应点,利用这些对应的关键点确定重叠摄像头之间的单应性变换矩阵参数,再根据目标质心坐标之间的单应性变换进行一致性匹配;对于摄像头近邻监控地平面和目标的场景,通过目标分割图像之间的SIFT特征进行一致性匹配.实验结果表明:该方法能有效地实现广域监控场景中多摄像头的协同跟踪,达到了较高的跟踪性能.     

实现多视角匹配的一种分块模糊投影决策算法

为实现多摄像头监控系统中同一时刻各视角图像的多目标匹配,提出了以目标分块子模块为基本单位,模糊投影至多层空间平面,利用投票决策实现匹配候选项判优的方法.该算法在提高匹配准确性的同时,不仅极大程度地修正了检测误差的影响,且相比传统的投票匹配算法,显著降低了计算复杂度.算法经公开测试视频数据库验证,具有高效性和鲁棒性.     

机器人世界杯足球锦标赛中多机器人对目标协同定位算法的改进

以机器人世界杯足球锦标赛（ROBOCUP）中全自主机器人平台为对象,针对传统的基于密度空间聚类方法（DBscAN）在对数据处理的精准度和稳定性上的出现的问题,提出了引入机器人距离阈值的改进DBSCAN算法,以提高多机器人协同定位的准确度．首先通过研究单个机器人自定位和目标定位,建立协同定位信息融合的模型;然后该算法通过引人机器人距离阈值,结合平台实际,即机器人测控距离越近测控的精度越高,将传统基于密度空间的聚类方法中有可能被剔除掉的数据,通过与阈值的对比而决定是否保留,提高融合数据的数据量和准确度,从而解决观测信息误差较大以及融合数据不稳定的问题．实验中,在多机器人获取同一个点的情况下分别使用传统DBSCAN和改进DBNscAN算法对目标点进行数据融合．实验结果表明对比传统DBSCAN,改进后的算法在领域半径EPS变化的情况下,融合数据依然稳定．ROBOCUP全自主机器人平台中使用引入机器人距离阈值判断的改进DBSCAN算法进行协同定位,这让其信息融合在稳定性和精确性方面要高于传统的DBSCAN算法．     

Xtion深度摄像头在移动机器人导航中的应用

为了提高机器人在室内移动过程中的感知能力,在移动机器人的导航系统中引入Xtion三维深度摄像头作为传感单元,以数据融合单元和路径规划单元为核心,设计了具有机载Xtion摄像头的移动机器人导航系统.系统采用IMU(Inertial measurement unit)和增量式光电编码器作为视觉导航的补偿传感器来弥补Xtion深度摄像头在80cm以内位置感应能力的不足,并采用一种机器人位移、偏移度数据融合算法,对Xtion生成的位移、偏移度数据进行修正.最后利用A*路径规划算法进行机器人的路径规划,在导航系统的作用下,实现机器人从起始位置到设定的目标位置的无碰撞运动.实验结果表明:在机器人导航中,Xtion深度摄像头与补偿传感器融合,比仅使用IMU和光电编码器的方法在导航中能提供更准确的位置感知数据和行进航迹,可以更好地帮助移动机器人完成自主导航.     

一种多机器人编队协同定位的方法

针对多机器人编队导航,提出了一种协同定位的方法.一个主机器人带领其他成员机器人,主机器人配备视觉传感器及激光扫描仪,成员机器人通过融合内部传感器数据进行自身定位.主机器人利用双目视觉进行目标检测,确定目标方位及距离信息,并利用激光扫描仪结合视觉获取的方位信息得到成员机器人位置及航向.基于联邦滤波算法提出了一种联合滤波模型,融合多传感器信息得到精确定位.1个Pioneer 3-AT和3个AmigoBot机器人编队的协同定位实验表明:该方法可行,误差范围小,满足实际应用的精度要求.     

基于加权数据融合算法的移动液化气监控系统

为了提升液化气监控系统的灵活性和数据处理的精度并减少数据量的上传,提出了一种基于加权数据融合算法的移动液化气监控系统.根据MATLAB/Simulink图形仿真环境对加权数据融合算法和算术平均法进行的模拟效果对比实验,证明了加权数据融合算法的优越性;利用实地布置的同类型的多传感器进行数据采集,并将采集的数据以JSON格式存入服务器数据库内;最后,移动端通过HTTP请求的方式获取数据.结果表明:该系统在提高数据处理的精度并减少数据量的同时,还保证了数据的上传速率,使系统可以很好地应对液化气爆炸的突发性.     

基于多特征信息融合的目标轨迹聚类方法

提出了一种基于多特征信息融合的运动目标轨迹聚类方法.针对视频监控目标的特点,引入轨迹均值、距离方向、运动方向和平均速度4个特征空间来描述目标的运动轨迹.首先,采用Mean-Shift算法对每个特征空间进行聚类,得到基本的运动类别信息;其次,设计多特征融合算法,通过计算不同特征空间的类别间关系,进行类别信息融合;最后,得到融合了多个特征空间信息的聚类结果.由于信息融合是在聚类层面进行的,能够有效避免在特征空间层面融合时的维数统一问题.试验结果表明了本方法的有效性.     

基于多源数据融合的建筑环境智能监控系统

为了优化无线通信质量,精确监控建筑环境温度、湿度等数据,设计基于多源数据融合的建筑环境智能监控系统。通过嵌入式ARM单片机构建系统主控模块来控制系统各个模块,实现建筑环境智能监控。ZigBee传感器采集模块利用传感器实时获取建筑环境数据,多源数据融合模块利用自适应加权融合方法融合采集到的多源数据,无线通信模块采用NB-IOT技术与LEACH算法将融合后的建筑环境数据传输至远程监测模块。远程监测模块根据建筑环境数据,采用BP神经网络监测建筑环境,且用户可通过远程监测模块浏览、查询建筑环境智能监控数据。经实验验证,该系统具有较高的生命周期,无线通信距离较长、安全性较高且传输速率较快,还能够精确监测建筑环境温度、湿度以及二氧化碳浓度等数据。     

基于联合概率数据关联的车用多传感器目标跟踪融合算法

针对智能车辆前向多传感器多目标跟踪融合问题,提出一种基于改进的联合概率数据关联的车用多传感器跟踪融合算法。首先,根据车辆坐标系和各传感器坐标系的相对运动关系,对多传感器数据进行坐标变换,之后采用基于改进的联合概率数据关联的单传感器多目标跟踪算法、基于相关序贯关联法的多传感器关联算法和凸组合融合算法实现了对目标的稳定跟踪与准确融合。最终,通过装备毫米波雷达和摄像头的实验车在实际交通环境下进行实车试验,试验结果表明:目标被稳定跟踪且融合结果具有良好的精度,验证了算法的可行性和有效性。     

基于激光雷达和摄像机的前方车辆检测

考虑到激光雷达和机器视觉间信息的互补性,提出了一种融合图像和雷达信息的前方目标车辆检测方法.分析激光雷达数据的特点,提出了改进的基于密度的空间聚类算法实现雷达数据的聚类.目标车辆检测时,首先通过信息融合确定车辆的初始检测区域,生成车辆假设;然后利用模糊推理系统融合车辆多个特征验证车辆假设,实现车辆检测.试验结果表明,算法实现了无约束条件下的目标车辆检测,并且具有较好的适应能力和抗干扰能力,能准确地检测前方目标车辆.     

一种基于无线视觉传感器网络的分布式多目标跟踪滤波算法

本文提出基于积分卡尔曼滤波的无线视觉传感器网络的分布式目标跟踪算法,用于从多个监控数码相机中汇总跟踪结果,然后通过中央处理器处理数据,返回到各个数码相机中,从而优化目标跟踪。无线视觉传感器网络是一个重叠视觉领域里的一个多监控摄相机网络,重叠视觉领域里有同样的目标经过,通过交换它们当地的目标位置和速率的估计值,在估计的过程中,每个加入的摄相机通过一致性算法汇总收到的状态。仿真结果表明,多个数码相机对目标预测的真实状态值要比单个数码相机预测值更精确。     

FOV线生成的一种新方法

在多摄像机跟踪中,主要的难点是如何在多个摄像机之间对相同的目标建立正确的对应关系.摄像机视野边界(FOV)线是近年来出现的一种新的有效的解决多摄像机跟踪中目标交接问题的工具.因此,精确生成视野边界线成了解决问题的关键所在.根据投影不变量FOV线生成法,在生成视野边界线时不依赖于场景中目标的运动,并且不需要摄像机参数的信息.应用PETS2001数据库里的两组不同序列进行尝试,实验结果表明,对于视野边界线恢复,其鲁棒性与可靠性都较好.     

基于整数DCT的运动目标检测与跟踪

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。它建立在一种整数DCT算法的基础上,通过低通滤波进行背景提取,并用背景减除的方法分割出前景目标,再通过模板匹配实现对运动目标的连续跟踪。在对运动目标跟踪时,该算法对背景模型进行不断的更新,可以有效的消除背景的轻度变化对目标检测的影响,再加上又同时采用了一系列滤波和模板匹配,增强了目标跟踪的稳定性和可靠性。通过对多个图像序列的实验,该算法显示出了良好的性能,对于不确定的外部因素,如光照变化、阴影等造成的干扰,均具有相当强的适应能力。     

显微立体视觉系统的研究

在分析摄像机、体视显微镜和显微立体视觉系统光学原理基础上,提出了双目显微立体视觉系统方案,此系统是由单目显微镜改造而成,根据目标物体在两个摄像机上所成图像的视差,求得目标物体距摄像机的距离,从而可以对目标物体进行各种微操作。实验证明,此系统是一种高效、精确的显微视觉系统。     

基于立体视觉的三维空间入侵检测

针对平面视频监控无法感知运动物体深度的缺点,提出了基于立体视觉进行三维空间入侵检测的理论和方法。采用双目平行摄像系统,基于立体校正后的左右图像进行视差计算,并在视差图的基础上直接对运动物体做入侵判别;同时,设计了三维敏感区域的设置和报警策略。为了加快计算速度,采用一种基于下采样块匹配的方法来计算代价空间,最后用快速的局部动态规划输出视差图。在计算某目标的实际视差时,与目标的运动区域检测相结合,以减小计算误差。实际测试结果表明,该方法可以有效地探测到三维空间的运动目标入侵。     

基于投影特征点的多摄像机标定方法

针对标定物存在的自遮挡问题,提出了一种应用于多摄像机的利用投影特征点进行标定的方法。在投影平面幕中投影标定图案,统一投影平面坐标系与世界坐标系。特征提取后,分别对每个摄像机标定,根据立体视觉特性求取摄像机间的相对位姿关系,并计算重投影误差。该方法对标定物自遮挡有一定的鲁棒性,同时有效地降低了计算量。     

基于单摄像机视觉测量系统的网络化数据融合

针对单摄像机视觉测量系统无法对被测物体的部件间相互遮挡部位进行测量的问题,提出一种基于单摄像机视觉坐标测量网络化技术。通过单摄像机视觉测量系统分别在每个网络控制点位置对光学特征点进行测量,再将测量的坐标归一化到同一世界坐标系下,进而得到全局数据,实现整体测量。最后应用加权数据融合算法,依据特征向量的稳定理论分配融合权重,将全局归一化的空间坐标进行融合,得到融合估计的最终表达式。应用三坐标测量机进行仿真对比实验,实验结果表明,应用四元数法及欧拉角法归一化的空间坐标,经过本文算法融合后,最大绝对误差为0.035mm,比点集矩中心融合算法精度高、稳定性好。同时,在测量系统的网络归一化应用中四元数法优于欧拉角法。     

基于Hausdorff距离的视觉监控轨迹分类算法

针对智能视觉监控系统中的运动目标轨迹分类问题,提出了一种基于多维Hausdorff距离的轨迹聚类算法。该算法使用流矢量序列描述目标运动轨迹,由多维Hausdorff距离进行轨迹相似性测量,通过谱聚类实现轨迹分类。该算法在轨迹描述中同时包含位置和方向信息,解决了Hausdorff距离不能区分轨迹运动方向的问题。为降低计算复杂度,本文还提出一种保距变换对轨迹相似性测量进行优化。与相关算法的对比实验表明,提出的轨迹分类算法可达到更高的聚类准确率;提出的保距变换可以显著降低算法的计算复杂度。     

基于粒子滤波的移动物体视觉跟踪方法

基于颜色特征的粒子滤波算法已成为移动物体跟踪的热点.提出一种基于加权颜色直方图的粒子滤波跟踪算法,利用Bhattacharyya距离来描述粒子与目标区域颜色模型的相似性.实验结果表明:该方法具有较好的实时性与鲁棒性,可应用在视频监控、小车寻迹等场合.