视频监控中的多目标识别与跟踪技术

　　网络摄像机智能算法的关键是对包含运动目标的图像序列进行分析处理，其核心技术就是对场景中活动目标的检测、跟踪、识别，以及进一步的行为分析及事件检测。目标跟踪的目的就是通过对视频数据的处理与分析，将图像序列中不同帧内同一运动目标关联起来，从而计算出目标的运动参数，如位置、速度、加速度以及运动轨迹等。
　　
　　基于多目标识别与跟踪技术的视频监控应用文/江浩现有的运动目标检测方法可以归纳为四种：背景减除法、时间差分法、光流法和运动能量法。这些算法在现有的各类智能视频分析产品中已经有广泛的应用，表现形态为绊线入侵、区域入侵、电子围栏、徘徊检测、物品、物品搬移等多种行为检测功能。
　　
　　如要实现对目标的跟踪，需要应用一些数学工具，在连续的图像帧间创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配关系。目前，就跟踪人身对象而言，有跟踪如手、脸、头、腿等
　　
　　身体部分，以及跟踪整个人体；就跟踪视角而言，有对应单摄像机的单一视角、对应多摄像机的多视角和视角；另外也可以通过跟踪空间（二维或三维）、跟踪目标类别（人、汽车等）、摄像机状态（运动或固定）等方面进行分类。
　　
　　球机控制技术，主要是指对云台的运动角速度、镜头变倍的倍率与速度等机械运动部件的控制，需要与智能跟踪算法相结合，以实现跟踪平滑、倍率适当、目标比例合适等良好的视觉效果。
　　
　　多目标跟踪技术
　　
　　多目标识别与跟踪技术是以单球机智能跟踪作为基础，网络高清监控摄像机能够同时实现对大范围内多个活动目标的智能识别与跟踪，并对其中单个目标进行智能跟踪的技术。
　　
　　多目标识别与跟踪技术在应用中，通常使用一台固定摄像机，对广域范围内目标进行的智能行为分析，并将同时监控的多个目标按照既定的策略进行排序，并按照先后顺序，指挥智能跟踪球机逐个
　　
　　跟踪监控目标。与单目标跟踪相比，多目标跟踪技术的关键点是数据关联问题，即建立一个统一的坐标系，使得固定摄像机可以将目标的坐标信息传递给跟踪球机，实现联动跟踪。
　　
　　多目标跟踪的过程可以划分为以下几部分：
　　
　　数据关联：在观测数据和目标之间建立起对应关系
　　
　　常见的方法有zui近邻算法、联合概率数据关联滤波器、多假设跟踪算法。
　　
　　状态估计：每个目标根据其对应的观测进行状态估计
　　
　　多目标识别与跟踪技术的产品形态
　　
　　通常采用基于贝叶斯理论的方法，将多目标跟踪问题转化成对多个单目标的跟踪过程，并建立相应的状态空间模型。为每个目标分配一个单目标跟踪器，相互独立地跟踪每个目标，通过设计一些特
　　
　　殊的方法来处理目标之间的交互和遮挡问题。
　　
　　坐标传递：在主摄像机和球机间建立统一的坐标系在多目标监控场景中，提取目标的位置和运动轨迹信息，发送给从摄像机，从摄像机根据目标的位置和运动轨迹信息跟踪锁定目标。
　　
　　另外，多目标跟踪技术在实际的应用中，还需要重点优化和改进以下方面：提升算法的效率，以实现同时能够跟踪尽量多的目标；需要改进算法的抗干扰性能，以减轻光线变化、影子、目标间遮挡等常见的干扰因素；需要能够对每个目标排定警戒优先级，以使球机在跟踪时能够及时切换到威胁等级更高的目标。