一种基于修正加权二部图的无重叠视域目标匹配方法组成比例

本发明专利技术提出一种基于修正加权二部图的无重叠视域目标匹配方法，涉及计算机视觉领域。本发明专利技术将无重叠视域目标匹配问题表示成一个最大后验概率问题，从而将目标观测模型与监控网络时空约束信息结合起来，并通过求解加权二部图的最大权匹配解决最大后验概率问题。针对普通加权二部图构造中容易引入错误匹配的问题，本发明专利技术提出了一种基于自适应阈值的修正加权二部图构造方法，从而尽可能地避免在构造加权二部图的过程中引入错误的匹配。针对传统KM方法在处理大规模加权二部图匹配问题时计算量过大的弊端，提出了一种基于MH采样的方法近似求解加权二部图的最大权匹配，从而得到无重叠视域目标匹配关系。

【技术实现步骤摘要】
-种基于修正加权二部图的无重叠视域目标匹配方法
本专利技术属于计算机视觉领域，具体涉及智能监控领域，特别涉及一种基于修正加 权二部图的无重叠视域目标匹配方法。
技术介绍
随着摄像机监控技术的发展，对大范围区域进行监控成为了保障人民生命财产安 全的一项重要手段。然而，对于区域较大的监控场合来说，使用摄像机覆盖所有的监控区域 很不现实。因此，通常采用重点区域覆盖的方法来搭建包含无重叠视域的多摄像机监控系 统。对于无重叠视域监控网络，只有确定了目标在不同视域中的匹配关系，才能较好地理解 目标在整个监控场景中的行为。但是，无重叠视域环境下的光照变化、场景变化等干扰因素 会导致目标在不同视域下的观测值发生变化，从而降低目标正确匹配的概率。因此，需要综 合考虑目标信息以及场景信息，从而尽可能地提高无重叠视域下的目标匹配率。 无重叠视域目标匹配问题本质上属于数据融合问题，目的是把观测模型的外 表相似信息与监控网络的时空约束信息相融合，从而实现无重叠视域下的目标匹配。 国内外研究者对这种数据融合问题进行了研究，取得了一定的成果。如文献Huang T, Russell A. Object identification:A Bayesian analysis with application to traffic surveillance [J] · Artificial Intelligence. 1998, 103 (1) : 1-17 建立了一个贝叶斯框架 来匹配高速公路上相邻两个摄像机检测到的车辆。文献Kettnaker V，Zabih R. Bayesian multi-camera surveillance[C]. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Fort Collins: IEEE, 1999. 2010-2016也是用贝叶斯框架实现了 室内型人的匹配和识别，将最大后验概率估计问题近似成一个线性规划问题。文献Javed 0, Shafique K. Tracking across multiple cameras with disjoint views [C]. Proceedings of the IEEE International Conference on Computer Vision. Nice: IEEE, 2003. 952-957不但 更加细致深入地给出了外表模型和拓扑关系的估计方法，还使用二分图匹配的方法计算最 大后验概率，计算过程符合多项式时间要求。 国内对相关数据融合问题的研究主要是在文献Javed 0, Shafique K. Tracking across multiple cameras with disjoint views[C]. Proceedings of the IEEE International Conference on Computer Vision. Nice: IEEE, 2003. 952-957的基础上展开 的。譬如，文献刘少华，张茂军，陈旺.无重叠视域多摄像机的数据关联方法[J].计算 机应用，2009, 29(9) :2378-2382提出了一种基于权重二部图的关联策略，以目标为节点， 结合时间约束和空间约束构造边，目标的相似度为边的权重，通过求取二部图的最大权匹 配得到最优关联结果。文献刘少华，赖世铭，张茂军.基于最小费用流模型的无重叠视 域多摄像机目标关联方法[J]·自动化学报，2010,36(10):1484-1489提出了一种基于最 小费用流的关联方法，修正了二部图关联中过度依赖效用函数的缺点。但是，费用流关联问 题的时间复杂度大于二部图关联问题，因此不适用于处理大规模匹配问题。 因此，利用无监督学习方法自适应学习多摄像机监控网络的拓扑结构，对于多摄 像机监控系统能否应用于实际至关重要。在无重叠视域目标匹配方法中，主要有以下三点 需要注意：（1)如何对目标自身信息与外部环境信息进行融合，构建无重叠视域目标匹配 方法框架；（2)如何利用成熟的方法解决所构建的无重叠视域目标匹配问题；(3)在利用图 论方法解决无重叠视域目标匹配问题时，如何尽可能避免引入错误匹配关系，并提高匹配 的速度。
技术实现思路
本专利技术的目的在于提出。此 方法对无重叠视域下光照变化、环境差异对目标匹配造成的影响具有很强的鲁棒性。 本专利技术的技术方案为：将无重叠视域目标匹配表示成最大后验概率问题，在构造 最大后验概率问题时，综合考虑了目标观测模型与监控网络时空约束。构造加权二部图，通 过求解-部图的最大权匹配从而解决最大后验概率问题。针对普通加权-部图构造中各易 引入错误匹配的问题，提出一种基于自适应阈值的修正加权二部图构造方法，从而尽可能 地避免在构造加权二部图的过程中引入错误的匹配。针对传统KM方法在处理大规模加权 二部图匹配问题时计算量过大的弊端，提出一种基于MH采样的方法近似计算加权二部图 的最大权匹配，从而得到无重叠视域目标匹配关系。 本专利技术的具体实现步骤依次为： 1)确定目标观测模型 2)确定监控网络时空约束 3)划分时空最小单元 4)构造最大后验概率问题 5)计算自适应阈值 6)构造修正加权二部图 7) MH方法近似求解加权二部图的最大权匹配 【附图说明】 图1是本专利技术基于修正加权二部图的无重叠视域目标匹配方法的系统流程图 图2(a)是本专利技术使用的主颜色特征的提取示意图 图2(b)是本专利技术使用的空间纹理特征的提取示意图 图3是本专利技术中监控网络拓扑示意图 图4是本专利技术中空间最小单元划分示意图 图5是本专利技术中时间最小单元划分示意图 图6是本专利技术中修正加权二部图示意图 【具体实施方式】 图1给出了基于修正加权二部图的无重叠视域目标匹配方法的系统流程图：使用 最大后验概率框架描述无重叠视域目标匹配问题，在构造最大后验概率框架时，综合考虑 了目标观测模型与监控网络时空约束。本专利技术提取了目标的主颜色特征与空间纹理特征， 构造出对光照差异、环境变化有较强鲁棒性的目标观测模型。本专利技术在假设监控网络拓扑 已知的前提下，从拓扑中得到监控网络的时空约束。根据监控网络的时空约束，将监控网络 拓扑按独立性原则与最小化原则划分为多个最小单元，对于最小单元中的任意消失目标， 其再次出现仍然位于最小单元中。对于任意最小单元内的目标匹配问题，利用贝叶斯推断 准则将其表示为最大后验概率问题。本专利技术利用图论的方法解决最大后验概率问题，将求 解最大后验概率问题转化为求解加权二部图的最大权匹配问题，进而得到无重叠视域目标 的匹配关系。针对普通加权二部图构造中容易引入错误匹配的问题，本专利技术提出了一种基 于自适应阈值的修正加权二部图构造方法，从而尽可能地避免在构造加权二部图的过程中 引入错误的匹配。针对传统KM方法在处理大规模加权二部图匹配问题时计算量过大的弊 端，提出了一种基于MH采样的方法近似计算加权二部图的最大权匹配，从而得到无重叠视 域目标匹配关系。 本文档来自技高网...

【技术保护点】
一种基于修正加权二部图的无重叠视域目标匹配方法，其特征在于，使用最大后验概率问题描述无重叠视域目标匹配，在构造最大后验概率问题时，综合考虑目标观测模型与监控网络时空约束；构造加权二部图，通过解二部图的最大权匹配以解决最大后验概率问题；具体包括以下步骤： 1)确定目标观测模型； 2)确定监控网络时空约束； 3)划分时空最小单元； 4)构造最大后验概率问题； 5)计算自适应阈值； 6)构造修正加权二部图； 7)MH方法近似求解加权二部图的最大权匹配。

【技术特征摘要】
1. 一种基于修正加权二部图的无重叠视域目标匹配方法，其特征在于，使用最大后验 概率问题描述无重叠视域目标匹配，在构造最大后验概率问题时，综合考虑目标观测模型 与监控网络时空约束；构造加权二部图，通过解二部图的最大权匹配以解决最大后验概率 问题；具体包括以下步骤： 1) 确定目标观测模型； 2) 确定监控网络时空约束； 3) 划分时空最小单元； 4) 构造最大后验概率问题； 5) 计算自适应阈值； 6) 构造修正加权二部图； 7. MH方法近似求解加权二部图的最大权匹配。2. 根据权利要求1所述的基于修正加权二部图的无重叠视域目标匹配方法，其特征在 于，所述步骤1)目标观测模型的构造可选用颜色特征、纹理特征、形状特征中的一种或几 种进行组合，对于上面所述的任意特征，都包含大量的子特征，所述子特征包括但不限于： 颜色特征包括主颜色特征、RGB直方图特征、HSV直方图特征，纹理特征包括边缘特征、HOG 特征、LBP特征，形状特征包括面积特征、离散度特征。3. 根据权利要求2所述的基于修正加权二部图的无重叠视域目标匹配方法，其特征在 于，所述子特征使用主颜色特征与HOG特征组合建立目标观测模型。4. 根据权利要求1所述的基于修正加权二部图的无重叠视域目标匹配方法，其特征在 于，所述步骤2)监控网络时空约束的确定中，所述监控网络的时空约束包括网络中节点的 可达性以及平均通过时间，这两种信息可以通过人为给定，也可以从监控网络拓扑中获得。5. 根据权利要求1所述的基于修正加权二部图的无重叠视域目标匹配方法，其特征在 于，所述步骤3)划分时空最小单元具体为：根据监控网络的时空约束，将监控网络拓扑按 完备性原则与最小化原则划分为多个最小单元，对于最小单元中的任意消失目标，其再次 出现仍然位于最小单元中。6. 根据权利要求1所述的基于修正加权二部图的无重叠视域目标匹配方法，其特征 在于，所述步骤4)最大后验概率问题的构造具体为：利用贝叶斯推断准则将无重叠视域目 标匹配问题表示成一个最大后验概率问题，假设在某个时空最小单元内，检测到％个消失 的观测值，记作〇i = {〇Λ 〇Λ…，〇严}，其中〇im表示该最小单元中第i个摄像机捕捉到的 第m个目标的信息，包括目标的观测模型OAapp)与时空约束关系Ο;(st)，由于目标的观 测模型与目标在监控网络中出现的时间与位置无关，因此可以认为(^(app)与〇i m(St)相 互独立；同理，检测到N」个出现的观测值，记作0」={0/，0/，…，0/j}，令α:表示观测值 对（〇Λ〇/)相互关联，那么，无重叠视域目标匹配问题可以表示为寻找一个匹配集合Α= m,n }，满足以下条件： mji ① 当且仅当〇，及〇/属于同一目标； τη,η ② 一个观测值至多只有一个前继及一个后继，即对所有有 ， a::;' e 4β::;.矣 ?/::;1 々（i，m)矣（k，c)Λ n)矣 d) m,n 假设A={}是目标匹配问题的一个解，并且所有的匹配相互独立，那么目标匹配问 题可以表示为：其中，0?)表示检测到观测值0im与〇/之后，匹配发生的概率；通过贝 叶斯推断可以得到：可以将目标的观测模型(^(app)及时空约束信息(^(st)引入到目标匹配问题中，定义 如下：其中，M〇/H(app)，0,(app)| '丨:）表示目标的观测模型匹配率， 表示拓扑结构的时空约束信息，P(fl=)表示目标从摄像机Q到?. 的转移概率，Ρ(〇Λ〇/)使用一个常数尺度因子表示，假定目标出现属于均匀分布； 无重叠视野目标匹配问题就是寻找令后验概率最大时的解Α* : = arg max p(A \ O) AeV °7.根据权利要求1所述的基于修正加权二部图的无重叠视域目标匹配方法，其特征在 于，通过计算修正加权二部图的最大权匹配来解决最大后验概率问题，其中步骤5)自适应 阈值的确定具体为： 该阈值必须满足下述两个标准： ① 如果待匹配观测值的相似度普遍较大，说明坏境的改变对目标匹配的影响较小，此 时应该增加阈值，从而排除错误的观测值对；反之，如果待匹配观测值的相似度普遍较小， 此时应该减小阈值，从而防止排除正确的匹配关系。 ② 如果某个最小单元中消失观测值数目与出现观测值数目不一致，说明可能发生了误 检测或盲区替换，此时应该增...

【专利技术属性】
技术研发人员：林国余，杨彪，张宇歆，张为公，戴栋，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32