[发明专利]多相机网络时空模型的候选目标提取方法

摘要

本发明公开了一种多相机网络时空模型的候选目标提取方法，首先通过运动前景分割和单相机目标跟踪获取每个相机中每个目标进出时间数据及其运动轨迹，根据时间数据计算不同相机对之间不同目标的转移时间，根据其判定相机对之间是否连通从而获得相机网络的空间拓扑结构；然后对连通相机之间的转移时间建模，并通过学习方式拟合模型参数，最终得到相机网络的时间模型；时间模型与空间结构组合得到相机网络时空模型。在候选目标提取时，根据相机网络空间结构确定相机节点之间的连通性，再根据转移时间概率模型计算连通相机中的搜索时间窗口，最后提取候选目标。本发明在缩小目标的搜索范围同时保证候选目标提取的可靠性，而且极大地降低了搜索复杂度。

主权项

多相机网络时空模型的候选目标提取方法，其特征在于，包括下列步骤：步骤1：训练相机网络时空模型：基于相机网络中的各相机节点在不同时段采集到的视频样本，对车辆目标进行检测和跟踪，得到不同车辆目标进入相机网络中的相机节点的时刻其中上标n为车辆目标区分符、下标j为相机节点区分符；采集相机网络中的任意一对相机节点间的转移时间构建任意相机对Cij的转移时间样本集合其中i、j用于区分不同的相机节点；若转移时间样本集合的转移时间样本数量大于或等于数量阈值，则将相机对Cij之间的连通性设置为连通；分别将各连通的相机对Cij的转移时间样本集合中的转移时间作为输入样本进行高斯混合建模，得到对应相机对Cij的转移时间分布：随机初始化K个高斯分布，每个高斯分布由权重ω、转移时间均值tmean、时间方差构成；依次将集合的转移时间分别与K个高斯分布进行匹配：若转移时间与时间均值tmean的距离d大于距离阈值，则认为与当前高斯分布不匹配，更新当前高斯分布的权重ω为：ω＝(1‑α)×ω，其中α表示预设的学习速率；若转移时间与时间均值tmean的距离d小于或等于距离阈值，则认为与当前高斯分布匹配，更新当前高斯分布的权重ω、转移时间均值tmean、时间方差更新ω＝(1‑α)×ω+α，再基于权重ω的当前取值得到对每个转移时间若与K个高斯分布均不匹配，则将K个高斯分布中权值最低的高斯分布替换为：以当前转移时间为转移时间均值tmean初始化一个新的高斯分布；步骤2：候选目标提取处理：获取当前跟踪目标n进入的相机节点j，及进入相机节点j的时刻为将相机网络中与相机节点存在连通的相机节点作为候选提取对象，基于相机节点j与各候选提取对象的转移时间分布设置各候选提取对象的搜索时间窗口W，并在每个候选提取对象中根据窗口W提取候选目标；其中tmean,k、表示当前转移时间分布的K个高斯分布中不同高斯分布的转移时间均值、时间方差，k为K个高斯分布的区分符。