基于压缩感知的多摄像机系统目标跟踪算法研究

多摄像机系统目标跟踪不仅可以扩大视野的有效范围，而且可以从多个视角监视目标以解决遮挡问题。为了提高多摄像机环境嵌入式视觉系统中图像数据存储、处理和传输的的速度，有效减小目标跟踪算法的运算量，本项目基于压缩感知的信号描述和处理理论框架, 对多摄像机系统目标的稀疏性进行描述，进而对目标的特征进行描述，最终实现目标的特征提取和匹配。重点对基于压缩样本的目标检测算法和压缩粒子滤波跟踪算法进行研究，构建一个面向多摄像机系统的目标跟踪环境，实现压缩采样框架下的目标检测和跟踪等功能。本项目研究的方法能直接利用压缩样本进行目标特征提取和匹配操作，可有效降低运算量，提高多摄像机系统目标跟踪的实时性，将为压缩采样框架下构建稳定的目标检测和跟踪提供技术支持。另外，该方法摒弃了对图像进行恢复的复杂操作，直接实现对目标位置、速度等运动信息的估计，为在新的信号描述理论框架下进行图像处理提供参考。

在开展面向多摄像机实现目标跟踪方法等相关研究的基础上，为了更好的达到实时检测和跟踪要求，降低图像数据存储和传输的成本，减小目标检测和跟踪算法的运算量，基于压缩感知的信号描述和处理理论框架，主要研究成果包括：（1）压缩采样框架下目标的稀疏性描述，利用稀疏特征基、低维子空间及RGB特征直方图、HOG特征和模板特征来描述目标，根据目标的稀疏性描述，给出目标的特征描述；（2）提出稳定的基于压缩采样的运动目标检测算法，根据目标的稀疏描述，其稀疏系数可以根据稀疏方案通过解决l1规则化最小方差问题估计得到。根据目标的稀疏系数确定目标检测结果；（3）压缩粒子滤波跟踪算法，对跟踪目标的外观特征进行建模，利用贝叶斯推理获得目标外观状态参数的最优估计，最后利用最优估计的目标观测更新目标的特征基空间，将跟踪视为一个稀疏的估计问题并通过l1范数最小化方法来解决；将部分研究成果应用到了无人运动平台的环境认知系统中，解决无人运动平台的多摄像机系统环境中场景理解算法存在如信息量大不能满足实时性要求等的问题。项目实施过程中，课题组发表相关学术论文12篇；撰写专著《图像检测与目标跟踪技术》1部；获批其他基金项目4项；获批国家发明专利4项；培养博士1名，硕士4名；参加国内外学术会议4次，与相关领域专家开展了广泛深入的学术交流。本项目的研究成果可为在压缩采样框架下构建稳定的目标检测和跟踪算法提供技术支持。