ｏｎｅ
ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎｔｏ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｔｏ ｒｅｍｏｖｅ ｔｈｅ ｄｉｓｔｕｒｂａｎｃｅ ａｎｄ ｃａｖｉｔｉｅｓ ｉｎ ｔａｒｇｅｔ ｅｘｔｒａｃｔｉｏｎ．Ｌａｓｔｌｙ，ｔｈｅ ｗｏｒｋ ｐｒｅｓｅｎｔｓ ｋｉｎｄ ｏｆ ｔａｒｇｅｔ ｍａｔｃｈｉｎｇ ｓｔｒａｔｅｇｙ ｗｉｔｈ ｓｔａｔｉｓｔｉｃａｌ ｈｉｓｔｏｇｒａｍ，ａｎｄ ｉｔ ｇｉｖｅｓ
ｃ工，ｙ，＝｛：莩｛工ｘ，，ｙｙ，）芒∈ｘＸ。ｓ
（４）
３．２运动目标匹配
肘就是形态学滤波的结果。这个步骤主要用来去 在运动目标特征匹配过程中，单纯的差值法作为 匹配准则不是很稳定。比如目标进入阴影的前后，同 一目标的直方图会发生整体的左右移动，而差值法则 会将整体移动带来的差异大幅扩大。事实上，整体移 动后，直方图仍然保持原来的走势，这个走势是不变 量，可以作为待匹配的特征。因此本文提出一种引入 平移因子的直方图匹配策略，有效地解决了以上问题， 该匹配策略可以归纳为
式中，．表示当前罔像，Ｂ为背景图像，背景更新的 目标就是由当前图像，．与当前背景０。来估计下一时刻
的背景图像Ｂ；…Ｄ。是由帧Ｉ＇ｕＪ差法和形态学滤波后估
计出的运动目标一值罔像，用来刻画当前时刻图像发生 剧烈变化的位置，而函数ｒ（Ｄ。【』，¨）则是当Ｄ。（』，ｙ）值
万方数据
模式识别与仿真
巳皇！！皇！翼旦呈璺旦ｇ旦！！！里旦垦旦ｇ墨！盟垡！璺！！鱼旦
重要的方向，监控网络化所起到的作用不只是简单地多 增加几个摄像头，而摄像头之间的联系显得非常重要。 在未来的智能监控网络中将会根据实际情况采用不同 的摄像机，它们的视场有可能交织在一起，也可能彼此 的视场里没有重复区域。跨摄像头的运动目标跟踪不 仅有效地扩大了监控的视野，同时也能对运动目标在整 个监控区域内的行为有着更加清晰的把握。文献【１】详 细介绍了摄像头之间有重叠视野的运动目标不同视点 之间的对应问题并取得了良好的性能，然而该方法对于 摄像头视野无重叠区域是不适用的。而本文介绍的跨
－Ｆ
喈
系数，ｆｆ：Ｉ以上数据计算出的口。（』，Ｙ）即为自适应权值。 如果Ｄｔ（Ｊ，ｙ）值为１，则ｒ（Ｄ＾（』，』）ｊ值为０，即口＾（Ｊ，Ｊ）
‘’函
图１
民ｌｉ盼－田， 随心－ｊ
跨摄像机运动目标跟踪框架
值为０，表示此处可能存在目标，因而背景暂时不更新， 直到目标不再运动或离开此处时再更新此处背景，这样 可以对背景的移入移出的变化有很强的适应能力；’’值 Ｄ。（ｚ，ｙ）为０时，认为此刻两帧图像没有剧烈变化，此时 即可更新背景，用来适应一些渐变过程，而自适应权值 吼（ｚ，Ｙ）的引入则可使背景更新更加平滑。
跨摄像头运动目标检测与识别
梅江元，司玉林，高会军
（哈尔滨工业大学智能控制与系统研究所，黑龙江哈尔滨１５００８０）
摘要：跨摄像头运动ｌｊ标跟踪足ｆ｜前智能Ｉ删络监控的一个重点研究力‘阳。本文白‘尢提出Ｊ，一种局郑背景更新法，有效地解决了背景 更新的稳定性与，Ｆ滑性等问题；其次，本文提｝Ｈ ｒ一种基于自适应阈值的运动目标提取方‘法，同时通过形态学滤波有效地去除 了提取门标时的噪声干扰与空洞问题；最后，文章提出了１种基于ＹＣ 时加入ｒｊ｜，－移因子，在测试集合中得到了非常好的匹配性能。 关键词：跨摄像头；运动目标枪测；直方图ｌ，‘配；运动１１标识别 中图分类号：ＴＮ９１９．７，ＴＰ３９１．４ 文献标识码：Ａ 文章编号：１００３
当前背景在某一区域相关性很大时，表示这个罔像是 背景的可能性很大，ｙ。（Ｊ，ｙ）为一个较大的值；而当丰ｕ 关性较小时，表明此处发生了突变．运动目标出现的几 率很大，因而ｎ（ｘ，ｙ）较小，能充分满足以ｊ：的要求。 注意此处计算中Ｂ．中最小像素值必须取为１，否则会 出现奇异点。 在得到二值化图像后，本文采Ｊ｝ｊ了形态学滤波法进
（Ｒｅｓｅａｒｃｈ
Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ ａｎｄ Ｓｙｓｔｅｍｓ，Ｈａｒｂｉｎ
ａ
Ｉｎｓｔｉｔｕｔｅ ｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００８ Ｃｈｉｎａ）
ａ
Ａｂｓｔｒａｃｔ：Ｍｕｌｔｉ—ｃａｍｅｒａ ｔｒａｃｋｉｎｇ ｉｓ
ｂａｓｅｄ
ｏｎ
ｋｅｙ ｒｅｓｅａｒｃｈ ｄｉｒｅｃｔｉｏｎ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｎｅｔｗｏｒｋ ｍｏｎｉｔｏｒｉｎｇ．Ｆｉｒｓｔｌｙ，ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ
％（ｒ）＝丑１％∞一％仗刊）七＝％，ｔｏ＋ｔ，…－，２５％
ｋ
ｋ
％（ｒ）＝丑１％∞一％＠＋叫）七＝％，ｚｏ＋ｌ，．．．，２５吒（６）
ｋ
Ｄ＝ｎｊｒｌ（Ｉ让≥（，）＋ｙ％∞＋（１—ｐ—’，）￡ｂ（砌ｆ＝ｑ±１，一ｊ±毛
式中日ｒ１日Ｇ１日ｃｌ与日ｙ２日Ｇ２日ｃ，２分别代表第一 个和第二个目标ＹＣ。Ｃ，分量的直方图，ｆ为平移因子， ％为平移的限度，一般是个较小的整数，而Ⅳ与ｙ则分 别代表三个分量在最后匹配过程中的加权。如果两个 直方图走势相似，而出现整体的左右移动时，平移因子ｆ 的引入，可以保证两个直方图仍然能对应地很好，距离 Ｄ仍然很小，因而比普通的差值法有更好的鲁棒性。 在运动目标跟踪过程中，通过计算运动目标的移动 轨迹，可以估计该目标出现在每一个摄像头的序列关 系。该直方图匹配法配合时空信息，如迁移时间、速度、 人口区域、出口区域、路线等等，即可实现跨摄像头的 动态目标的全程跟踪。
收稿日期：２
００ ７—０ ３－１ ６
万方数据
“自动化技术与应用”２ ０１１年第３０卷第１１期
———————————————————————一Ｐａｔｌｅ，ｎ
像头运动目标的匹配。
模式识另｜Ｊ与ｔ：８真
Ｒｅｃｏｇｎｉｔ Ｊｏｎ ａｎｄ Ｓｉ
ｍ
Ｊｌａｔｉｏｎ——一——
为０时该像素与Ｊ割围离得最近的Ｄ。（Ｊ，ｙ）为ｌ的像素的 距离，而Ｒ丧示图像长宽中较小的仳，，值为一个口『调
《自动化技术与应用》２０１１年第３０卷第ｌｌ期
行滤波。首先提取所有的连通区域Ｘ，通过求取每个连 通区域的面积从中选取连通区域像素数量大于某一阈 值的大连通区域的集合ＸＢ
Ｍ
本文中将三个通道灰度分布０—２５５的区间分为了 ２５个子区间进行统计，如果子区间过少则起不到区分的 效果，子区间过多则会对光强等因素敏感。经过测试， 发现区间数取２０。３０比较合适。统计得到的灰度分布 即为运动目标的直方图特征。
的权值，因而此交接处更新的背景往往不是很平滑。因
一。＝｛：扩ｉｆ １Ｉ，。ｋ。（。ｘ，，，ｙ，）－一口Ｂ。ｋ。（，ｘ，，ｙ，，）ｉ；＞，ｙ＾。。（。ｘ，，，ｙ；
（：，
Ａ表示当前图像，．与当前背景图像口。的差分的二 值化图像，而此处起关键效果的就是自适应闯值 ｙ。（ｚ，，）的选择。由于有些目标与背景的相似性很大， 比如运动目标在阴影中运动，这样的情况下，希望 ｙ。（Ｘ，Ｙ）越小越好；而对于一般的背景，由于光照或噪声 引起了微小的变化，则希望此区域ｙ。（Ｔ．ｙ）越大越好，这 样不易引进噪声。因此ｎ可以被这样定义为
摄像头图像序列的运动跟踪正是应对没有重复视野的 运动目标检测与匹配问题。 图１所示是跨摄像头运动目标跟踪的一个框架图， 多台摄像机分别对自己视场中的目标进行检测提取并 跟踪，当某一摄像头视场中的目标离开视场时，就会根 据该目标的时空信息（比如出场区域，路线，速度）通知 相关摄像机，被通知的摄像机从进入视场的候选目标 中进行识别匹配，继续对该目标的跟踪。在这个框架 下除了对运动目标简单的跟踪，跨摄像头的运动目标 匹配就显得尤为重要，然而运动目标的匹配离不开非 常准确稳定的运动目标分割提取，否则会大大降低识 别的可信度。因此，本文主要致力于解决两个问题，一 是复杂环境下的运动目标的准确分割，另一个是跨摄
ａ
ｖｅｒｙ ｇｏｏｄ ｍａｔｃｈｉｎｇ ｐｅｒｆｏｒｍａｎｃｅ．
Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉｐｌｅ ｓｅｐａｒａｔｅｄ ｃａｍｅｒａｓ；ｍｏｖｉｎｇ ｔａｒｇｅｔｓ ｄｅｔｅｃｔｉｏｎ；ｈｉｓｔｏｇｒａｍ ｍａｔｃｈｉｎｇ；ｍｏｖｉｎｇ ｔａｒｇｅｔｓ ｒｅｃｏｇｎｉｔｉｏｎ
１
引言
在智能监控系统中，网络化监控已经成为一个非常
此式是用相戈性来求取闻值ｎ（』，Ｙ），式中ｍ，”
ｎｔ，．，，：ａ冉冉。。，ｆ—Ｉｎｆ｛｝ 箍１ １。，，
表示模板大小，Ａ为一个可调系数。如果当前图像和
…
、ｌ ７
Ｊ
ａ＾（Ｊ，ｊ’）：（ｒ（Ｄ＾（』，ｙ）），科 ＩＢｋ＋ｌ（ｘ，ｙ）＝口ｔ（ｘ，ｙ），ｔ（ｘ，）。）＋（１一口＾（』，Ｊ）】Ｂｋ（Ｔ，）’）ｄ ｕｐｄａｔｉｎｇ，ｉｔ ｅｆｆｅｃｔｉｖｅｌｙ ｓｏｌｖｅｓ ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ｔｉｍｅ—ｄｅｌａｙ ａｎｄ ｉｎｓｔａｂｉｌｉｔｙ．Ｓｅｃｏｎｄｌｙ，ａ ｍｏｖｉｎｇ
ｏｂｊｅｃｔ
ｅｘｔｒａｃｔｉｏｎ ｍｅｔｈｏｄ ｗｉｔｈ ａｄａｐｔｉｖｅ ｔｈｒｅｓｈｏｌｄ ｉｓ ｐｕｔ ｆｏｒｗａｒｄ ｉｎ ｔｈｉｓ ｗｏｒｋ，ａｎｄ ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ，ｍｏｒｐｈｏｌｏｇｉｃａｌ ｆｉｌｔｅｒｉｎｇ
３．１运动目标特征提取
的角度不一致，这就使得基于结构特征的匹配方法往往 会失效。本文所使用的运动目标匹配方法是基于颜色 直方图的匹配方法，该方法对于全局信息的获取与匹配 有着非常好的效果。 在预处理过程中，首先将待匹配目标周围背景去 除，然后将目标合理地划分成适当的几个区域，比如对 于行人目标可以划分成头、上半身、下半身三个区域。 可以发现，同一目标即使观察角度不一样，状态各异，但 是每个区域的颜色特征一般都是非常相似的。文献【３】 介绍了对ＲＧＢ三个通道分别进行直方图匹配的方法， 在光照条件良好，色彩对比较高的条件下都取得了很好 的效果，然而在光照条件不是很好的情况，颜色的对比 度往往会很低，该方法往往失去了适用性，因此，为了能 适应这种低对比度环境下的运动目标跟踪，在接下来本 文采用一种基于ＹＣ。Ｃ，分量的直方图匹配。下式为 ＲＧＢ分量转换为ｙｃ．Ｃ分量的转换公式：