分布式多視角目標跟蹤算法在OMAP3平臺上的實現與優(yōu)化

　　本系統(tǒng)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]，是復旦大學信息學院數字信號處理與傳輸實驗室的最新研究成果，本系統(tǒng)在已有跟蹤算法的基礎上進行移植和優(yōu)化裁減，通過序列蒙特卡洛方法[7-8]來具體實現數據融合，比較好地解決了視頻跟蹤中常見難題比如遮擋等，取得了較好跟蹤效果。本系統(tǒng)算法具有如下特點：

　?、辈捎敏敯舻慕Y構相似度作為匹配程度的度量;

　　⒉基于最大似然多視角信息融合及遮擋處理;

　?、承蛄忻商乜宸椒?粒子濾波);

　　⒋分布式跟蹤系統(tǒng);

　?、祫討B(tài)模板更新：抑制漂移的帶掩蔽卡爾曼外觀濾波算法。

　　3.1　視角內模板匹配

　　本文中單個視角內基本跟蹤算法是一種基于模板匹配(Template Matching, TM)技術的跟蹤算法，即在手工選定或自動選定了待跟蹤目標后，提取目標的外觀信息作為模板，在后續(xù)的視頻序列中，將候選圖像區(qū)域與目標模板進行匹配，找到最相似的圖像區(qū)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描述，它考慮了很多人類視覺系統(tǒng)的特性。人類視覺系統(tǒng)在提取場景中的結構信息上比較敏感，考慮到這一點，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(tǒng)中采用具有分布式特點的多視角目標跟蹤算法。該算法首先對多視角目標跟蹤進行建模，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(jié)點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，最后對兩者進行數據融合，無須預先進行遮擋檢測，即可完成每臺攝像機對目標的準確跟蹤。

　　本系統(tǒng)針對多個靜止攝像頭Ci (i=1,2,3?N)觀測待跟蹤目標O，在t時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位置橫縱坐標表示為],[′=ititityxx。整個跟蹤系統(tǒng)的任務是利用該時刻采集到的圖像數據集合{}NttttzzzZ...,21=，估計出運動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以如下形式進行建模：

　　經過推導[1]可以得到系統(tǒng)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目標位置itx進行估計，可理解為一般的單攝像機跟蹤過程;而遠程似然函數)|(itjtpxz則可以理解為本地攝像機節(jié)點Ci通過一個數據融合的過程，融合其它攝像機節(jié)點的觀測數據來提高對運動目標的位置itx估計的精度。

　　本系統(tǒng)采用粒子濾波的形式來實現似然函數的傳遞，經過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部分，與公式(2)保持一致，可以很好地實現數據融合。