【摘要】 本发明公开了一种多摄像机目标匹配特征融合方法，用于多摄像机视频监控领域中的信息处理，利用叠代加宽的算法进行实时特征融合，包括：(1)提取被跟踪目标的外观特征，包括颜色直方图特征，UV色度特征，主要颜色谱特征，以及SIFT特征；(2)分别针对各种特征计算两个待匹配目标间的相似度，并建立特征相似度矩阵；(3)根据相似度矩阵计算确定待匹配目标间的置信度指数；(4)采用叠代加宽的特征融合算法获取目的目标。本发明具有易于实现、鲁棒性强、可靠性高、实时性强等优点，可以为多摄像机目标匹配提供实时可靠的信息。 【专利类型】发明授权 【申请人】上海交通大学 【申请人类型】学校 【申请人地址】200240 上海市闵行区东川路800号 【申请人地区】中国 【申请人城市】上海市 【申请人区县】闵行区 【申请号】CN200810041217.1 【申请日】2008-07-31 【申请年份】2008 【公开公告号】CN101329765B 【公开公告日】2010-04-14 【公开公告年份】2010 【授权公告号】CN101329765B 【授权公告日】2010-04-14 【授权公告年份】2010.0 【IPC分类号】G06T7/00 【发明人】吕晓威; 孔庆杰; 翁菲; 刘允才 【主权项内容】1.一种多摄像机目标匹配特征融合方法，其特征在于包括以下步骤： 1)对于不同摄像机中出现的跟踪目标提取外观特征；其中，对于跟踪目标的颜色直方图特征，提取结果以一维混合高斯模型表示；对于UV色度特征，提取结果以二维混合高斯模型表示；对于主要颜色谱特征，提取结果以主要颜色直方图表示；对于尺度不变特征，提取结果为128维尺度不变特征； 2)建立特征相似度矩阵S： 对于颜色直方图特征及UV色度特征，利用混合高斯模型参数，由下式计算两个待匹配目标间的相似度， 其中，wai和wbi表示待匹配目标a和b的混合高斯模型中各分量的权值，xaik和xbik表示混合高斯模型中各分量的协方差矩阵，d(pai，pbi)表示混合高斯模型均值的欧式距离，相似度数值越小，相似度越大； 对于主要颜色谱特征，由下式计算两个待匹配目标间的相似度， 其中，pai和pbi表示待匹配目标a和b的主要颜色直方图中相对应颜色柱的权值；d(Ca，Cb)表示颜色柱Ca和Cb之间的距离，相似度数值越小，相似度越大； 对于尺度不变特征，两个待匹配目标间的相似度采用提取尺度不变特征方法获取，相似度数值越大，相似度越大； 将获得的相似度构成特征相似度矩阵S，其表示为： 其中，si，j表示特征i中跟踪目标与第j个待匹配目标间的相似度；i＝1，2，…，Nj＝1，2，…，M； 3)确定置信度指数： 对于颜色直方图特征，UV色度特征及主要颜色谱特征，两个待匹配目标间的置信度指数根据相似度矩阵，由下式计算得到： 其中，Sij表示相似度矩阵每行的元素；i＝1，2，…，M j＝1，2，…，N； 对于尺度不变特征，两个待匹配目标间的置信度指数根据相似度矩阵，由下式计算得到： 如果Crij的值小于 则将置信度指数最小值设为 置信度指数最大值为1； 将置信度指数构成置信度指数矩阵，置信度指数矩阵与相似度矩阵行列数相同；4)进行叠代加宽的特征融合，通过以下步骤实现： (1)设置w为叠代宽度阈值，设置叠代宽度初值a＝1； (2)在相似度矩阵中每个特征行中前a个相似度最大的目标，如果某一列且只有一列中的所有N个特征行的元素都被到，则该列所对应的待匹配目标即表示目的目标，叠代终止； (3)如果有大于1的m列中所有N个特征行的元素都被到，则分别计算置信度指数矩阵中与此m列所对应的每一列的期望值，期望值最高的一列所对应的待匹配目标即表示目的目标，叠代终止； (4)如果没有一列中的所有特征行的元素都被到，即在当前宽度下未找到任何目的目标，则更新叠代宽度a＝a+1；若a≤w，转步骤(2)，进行下一次叠代； (5)若a＞w，则在当前宽度下第二相似的目的目标，即取被到的元素最多的那一列所对应的待匹配目标作为目的目标，叠代终止。 【当前权利人】上海交通大学 【当前专利权人地址】上海市闵行区东川路800号 【统一社会信用代码】1210000042500615X0 【引证次数】2.0 【自引次数】1.0 【他引次数】1.0 【家族引证次数】2.0 【家族被引证次数】22
