分布式多視角目標跟蹤算法在OMAP3平臺上的實(shí)現與優(yōu)化

　　本系統采用“一種基于最大似然的分布式多視角目標跟蹤算法”[1-5]，是復旦大學(xué)信息學(xué)院數字信號處理與傳輸實(shí)驗室的最新研究成果，本系統在已有跟蹤算法的基礎上進(jìn)行移植和優(yōu)化裁減，通過(guò)序列蒙特卡洛方法[7-8]來(lái)具體實(shí)現數據融合，比較好地解決了視頻跟蹤中常見(jiàn)難題比如遮擋等，取得了較好跟蹤效果。本系統算法具有如下特點(diǎn)：

　?、辈捎敏敯舻慕Y構相似度作為匹配程度的度量;

　?、不谧畲笏迫欢嘁暯切畔⑷诤霞罢趽跆幚?

　?、承蛄忻商乜宸椒?粒子濾波);

　?、捶植际礁櫹到y;

　?、祫?dòng)態(tài)模板更新：抑制漂移的帶掩蔽卡爾曼外觀(guān)濾波算法。

　　3.1　視角內模板匹配

　　本文中單個(gè)視角內基本跟蹤算法是一種基于模板匹配(Template Matching, TM)技術(shù)的跟蹤算法，即在手工選定或自動(dòng)選定了待跟蹤目標后，提取目標的外觀(guān)信息作為模板，在后續的視頻序列中，將候選圖像區域與目標模板進(jìn)行匹配，找到最相似的圖像區域，作為目標的位置所在。本文中采用結構相似度指數[6](SSIM)作為模板匹配的指標。SSIM是對于兩幅圖像之間差異的客觀(guān)描述，它考慮了很多人類(lèi)視覺(jué)系統的特性。人類(lèi)視覺(jué)系統在提取場(chǎng)景中的結構信息上比較敏感，考慮到這一點(diǎn)，結構相似指數就是基于結構信息的退化性。

　　3.2　基于粒子濾波的視角間信息交互

　　本系統中采用具有分布式特點(diǎn)的多視角目標跟蹤算法。該算法首先對多視角目標跟蹤進(jìn)行建模，將各攝像機視野中目標位置的估計轉化為基于最大似然準則的估計問(wèn)題，并將似然函數分解成本地似然函數和遠程似然函數乘積的形式。每臺攝像機節點(diǎn)首先需要利用本地圖像數據計算出本地似然函數，再借助于消息傳遞機制計算出遠程似然函數，最后對兩者進(jìn)行數據融合，無(wú)須預先進(jìn)行遮擋檢測，即可完成每臺攝像機對目標的準確跟蹤。

　　本系統針對多個(gè)靜止攝像頭Ci (i=1,2,3?N)觀(guān)測待跟蹤目標O，在t時(shí)刻任意一臺攝像機采集到的圖像數據表示為)...3,2,1( Niit=z，跟蹤目標在該圖像中的真實(shí)位置橫縱坐標表示為],[′=ititityxx。整個(gè)跟蹤系統的任務(wù)是利用該時(shí)刻采集到的圖像數據集合{}NttttzzzZ...,21=，估計出運動(dòng)目標在每臺攝像機視野中所處的位置)...2,1(],[Niyxititit=′=x。根據最大似然準則，可將本文的目標跟蹤任務(wù)以如下形式進(jìn)行建模：

　　經(jīng)過(guò)推導[1]可以得到系統模型似然可分解為如下形式：

　　式(2)所表示的物理意義為：本地似然函數)|(ititpxz是第i臺攝像機利用本地數據對運動(dòng)目標位置itx進(jìn)行估計，可理解為一般的單攝像機跟蹤過(guò)程;而遠程似然函數)|(itjtpxz則可以理解為本地攝像機節點(diǎn)Ci通過(guò)一個(gè)數據融合的過(guò)程，融合其它攝像機節點(diǎn)的觀(guān)測數據來(lái)提高對運動(dòng)目標的位置itx估計的精度。

　　本系統采用粒子濾波的形式來(lái)實(shí)現似然函數的傳遞，經(jīng)過(guò)推導可以得到粒子濾波的權重中包括了遠程信息及本地信息兩個(gè)部分，與公式(2)保持一致，可以很好地實(shí)現數據融合。