复杂广域场景中无重叠摄像机间行人关联与语义分析研究

The video surveillance system has been widely used。 But how to use computer technology to achieve the active and continuous tracking of the key objects in the wide-area monitoring scene, is urgently needed to resolve. And the basic premise of solving this problem is to achieve the object correspondence across multiple cameras. Pedestrians correspondence across multiple non-overlapping camera views is a challenging problem in the wide-area video surveillance field. For the existing key issues of this current research in the complex scene, this project focuses on three aspects: 1) studying the pedestrian correspondence model based on the probabilistic graphical model and graph matching theory and proposing a good pedestrian correspondence algorithm across non-overlapping camera views in the complex scene; 2) studying the adaptive dynamic estimation of the transfer relation model between two cameras; 3) studying the high-resolution recovery algorithms of the low-quality image and the pedestrian's features representation which is adaptive for real video surveillance. Based on the pedestrian correspondence research, we investigate the semantic analysis of the entire surveillance scene using the trajectory reconstruction and generative rule. The theoretical achievements and algorithms of this project will greatly enrich the research and development of the wide-area video surveillance field, and promote the development of the related cross subjects of computer vision, pattern recognition, image processing and machine learning.

视频监控系统已被广泛使用，但如何利用计算机技术实现对重点目标在广域监控场景中主动、持续的跟踪，是目前急需解决的问题。而摄像机间的目标关联又是解决这个问题的前提和基础。无重叠摄像机间行人关联是广域视频监控领域中一个极具挑战性的研究方向。针对目前该研究方向在复杂场景中存在的若干关键问题，本项目着重研究三个方面的内容：1）基于概率图模型和图匹配理论的行人关联模型研究，并给出复杂场景下较优的无重叠摄像机间行人关联算法；2）摄像机间转移关系模型的自适应动态估计研究；3）低质量图像的高分辨率复原方法及适合实际视频监控的行人特征表达方法研究。在行人关联研究的基础上，利用行人的运动轨迹重构和产生式规则，探讨了行人在整个监控场景的语义分析研究。本项目的理论成果和算法将大大丰富广域视频监控领域的研究与发展，同时也将促进计算机视觉、模式识别、图像处理和机器学习等相关学科的发展。

视频监控系统已被广泛使用，但如何利用计算机技术实现对重点目标在广域监控场景中主动、持续的跟踪，是目前急需解决的问题。本项目的主要研究内容包括4个方面：１）基于概率图模型和图匹配理论的行人关联模型研究；２）摄像机间转移关系模型的自适应动态估计研究；３）面向视频监控的鲁棒性特征提取方法研究；４）广域无重叠多摄像机网络行人标准数据库的建立及算法的验证和应用。目前已对这几方面开展了相应的研究，在行人关联方面，实现了基于概率图的行人关联模型；在摄像机间转移关系模型方面，提出了CMCSHR算法从而能有效减轻摄像机间的颜色差异；在鲁棒性特征提取方面，提出了sub-DLBPs描述子去有效刻画目标的特征；最后还建立了一个初步的行人标准数据库。在本项目的支持下，已发表6篇论文，其中有5篇已经见刊，1篇已经被接收。本项目的理论成果和算法将大大丰富广域视频监控领域的研究与发展，同时也将促进计算机视觉、模式识别、图像处理和机器学习等相关学科的发展。