智能摄像机传感网络分布式数据关联方法研究

智能摄像机传感网络数据关联的目标是确定网络中每个摄像机的观测数据与被监控目标之间的对应关系。分布式数据关联通过各摄像机的局部信息处理和相互之间的信息交互实现全局关联推理，对于建立大规模高可靠性视频监控系统具有重要意义。.本项目以图模型为工具研究智能摄像机传感网络分布式数据关联问题：①首先探索智能摄像机传感网络数据关联问题的图模型描述方法，将分布式数据关联与模型估计问题映射为图模型推理问题；②针对所建立的图模型，在变分框架下展开基于消息传递的图模型近似推理算法研究，深入分析近似推理的逼近精度、稳定性以及实现近似推理的消息传递算法的收敛性条件；③深入研究消息误差在消息传递过程中的传播机制，阐明消息误差和推理精度之间的关系，以此为基础研究非理想通信条件下消息传递算法的优化设计方法，最终形成可部署到各个智能摄像机上的信息处理算法和信息交互协议；④通过实际智能摄像机传感网络平台验证研究成果的有效性。

数据关联是视觉监控网络信息处理中的核心问题之一，本项目针对基于智能摄像机的无重叠视域视觉监控网络分布式数据关联中的若干关键问题进行研究。主要研究成果包括：..1．.提出一种基于信念传播的分布式数据关联算法，提高了数据关联的精度。考虑漏检情况下分布式数据关联算法设计，采用扩大相邻节点范围的方法提高了算法在漏检情况下的鲁棒性；提出近似推理算法以降低算法运算量；将提出的分布式推理算法嵌入到EM算法框架中，使该算法能够应用于目标外观模型未知的情况；.2．.提出一种基于贝叶斯推理的分布式数据关联算法：在目标数目未知的情况下，通过在线估计关联变量的取值空间，利用邻居节点上观测的外观与时空特征的相似性，进行关联变量后验概率的贝叶斯推理。算法还对漏检情况展开了研究，通过扩大相邻节点范围的方法，给出了稳定高效的分布式关联算法。.3．.提出一种基于对偶分解的分布式数据关联算法：在目标数目未知的情况下，通过对问题进行低阶与高阶的建模，利用对偶分解的方法，提出了基于优化方法的分布式数据关联算法。算法提高了关联准确率与效率，并能准确的估计出目标总数。.4．.提出一种基于全联概率随机场推理的分布式数据关联算法，用全联结的条件随机场模型建立图像类别的联合概率分布，通过对模型的最大后验概率推理得到所要查询图像类别的边缘概率。.5．.提出一种基于换向对偶分解的分布式数据关联算法：在行人再识别过程中引入多幅匹配图像之间的一致性约束关系，将全局匹配问题转化为求解带有约束的优化问题，通过对偶分解的方式提高了求解效率。..项目研究成果对于发展和丰富智能摄像机传感网络技术具有重要的理论价值和实际意义。