监控摄像头多路的连接问题分析

yucooo

  为了满足扩大监控范围，提高监控质量的需求，近年来，多路监控摄像头的视频监控问题的研究也引起人们广泛重视，人们从不同角度对此予以了讨论。例如不同数目和不同类型监控摄像头(灰度的或彩色的，单的或立体的摄像机，CCD 或网络摄像机等)的应用，以及它们的速度和解析度，不同的环境类型(室内或室外)，不同的覆盖区域(一个房间或大厅，走廊，几个连起来的房间，停车场，高速公路等等)，不同的红监控摄像头的放置方式(具有视野重叠和不具有视野重叠)等。有许多文献对这方面的问题给予了讨论。
        M2Tracker 系统使用 6 到 16 个同步监控摄像头在被限制的区域(3.5 m by 3.5 m)跟踪多达 6 人。为了在每一个监控摄像头的视野范围内分割图像，系统使用以下模型作为人的模型：位于不同高度的颜色模型，即颜色在不同的高度沿水平方向出现的概率，再由卡尔曼滤波跟踪的目标在地板平面的位置，然后在每对监控摄像头之间匹配从红外摄像机图像中分割出来的结果，以此来估计每个人的 3D 模型通过 Gauss 核构建位置邻域地图来估计目标在地板平面的位置。系统归并由几对监控摄像头得到的结果，直到目标在地板平面位置稳定为止。接着用此结果更新人的当前位置并计算新的位置预测。由于系统的复杂性较高，所以不能实时工作，但是作者希望能将来通过代码的优化和先进的计算手段能使得实时性变成现实。
        在微软的 EasyLiving 项目中，利用了两个彩色的立体监控摄像头在相对比较小的房间中实时地辨认和追踪最多至三人。该系统评价 3D blobs 模型，并把它们集成在一起使之与人形的 blobs 模型相对应。然后将 blobs 的质心投影到房间的地板平面上，将地板平面划分成 10×10 的方格，并估计每个监控摄像头拍到的某人图像落到某一格内的直方图。被跟踪的人在过去一段时间的位置信息被保存下来用来预测当前位置。如果预测位置含有几个候选目标，则用直方图来区分他们。
        给出了一种用于室内的多监控摄像头监控系统，该系统基于 agent 技术并利用知识来识别和跟踪人，并且概括他们的活动。系统采用色彩直方图和平均垂直颜色来构建人的模型，并采用贝叶斯决策的方法实现人的定位。提出的系统中，使用了几个非重叠摄像机以及有关摄像机之间路径的拓扑知识，它利用问题贝叶斯形式以概率的方式为每一个被跟踪的行人建立观察区间的链模型，为了估计观察的最优链，作者将最大后验估计问题变成线性规划的优化问题。
      提出的方法使用了由多个重叠的同步灰度监控摄像头得到的多线索，以此来选择最好视野的监控摄像头对人进行跟踪。系统有三个模块组成：单视野的跟踪，多视野传递跟踪和监控摄像头跟踪的自动切换。系统对每个要跟踪的人使用下列特征：被选特征点的位置，被选特征点的强度以及与粗略 2D 人体模型有关的几何信息。多变量 Gauss 模型和 Mahalonobis 距离被用来对人建模和跟踪。在多重视野转移跟踪的匹配中，与空间和时空匹配有关的类条件分布被用来预测人的位置和人体模型尺寸。如果行人从当前摄像机的视野移出或者远离当前的摄像机或者一个行人被另一个行人所遮挡等，则必须有监控摄像头跟踪的自动切换。系统依照当前行人的运动预测选择使行人在其中持续时间最长的摄像机执行跟踪。KNIGHTM 系统是一种使用几个重叠或者非重叠的非标定的彩色摄像机对人进行跟踪的监控系统。系统在一个摄像机视野内对每个人使用空间和色彩的Gauss概率分布来确认并跟踪人。人的确认采用基于前景像素的投票方式。如果两个或多个人从相同的区域都收到了基本的投票比率，则系统就假人的部分遮挡发生了。
            在完全遮挡情况下，用速度线性预测算子来消除模棱两可的情况。为了在多监控摄像头环境中跟踪人，在训练期间，系统学习每个红外摄像机被其他监控摄像头观察的视线域、红外摄像机位置的信息和被用来对移动中行人进行确认的知识。建议在多监控摄像头系统的体系结构和构想中应该利用视频摄像机技术的最新成就，诸如全方位的红外摄像机和具有移动平台的 PTZ 摄像机。利用这些红外摄像机组合可以创造一种智能监控系统。该系统可以自动地选择最优视野的摄像机跟踪和确认人以及他们的行为。
            一种非监督的检测和分类人的活动的算法。该算法使用由一个监控摄像头所保存几天长的视频图像来检测在视频的剪辑中的相关事件和一些视觉的特征。视频数据的预处理包括删除所有无运动的图像帧，将剩余的数据采样率降低到3Hz。然后对每一帧图像提取下列特征：5 对 5 的 2D 前景像素数目的直方图，它们的色彩和纹理。特征向量被量化为 N=500 组，每一个视频剪辑由低采样帧的特征集合来表示。在相关事件矩阵中允许看到那一些视频剪辑具有相同的特征，但是不考虑特征之间的相似性。为了解决相似性的问题，该作者建议求一个一致的嵌入空间，在此空间中，如果那些相关的并且特征相似的特征影射后彼此比较接近，则特征和剪辑的投影也是互相接近的。在嵌入空间中视频剪辑的聚类允许确认相似的寻常和不寻常的事件。一个新的视频剪辑在一致的嵌入空间中使用原型特征向量通过 k-近邻方法进行分类。

相关延伸：监控摄像头的常见问题