在單攝影機有限的視頻監控中，使用大量重疊視野的攝影機覆蓋所有監控區域，在經濟與計算量等方面的考量下，已無法滿足廣域視頻監控的需求，因此近年來，非重疊視野多攝影機間移動物體的訊息傳遞與融合之研究已成為視頻監控領域中一個熱門的研究焦點。由於攝影機空間上的不連續，以及攝影機擺放角度與環境的不同，使得攝影機所拍攝到之物體因為外在條件因素的影響，進而造成物體比對上的困難。
在本技術提出了一套整合系統，利用多個非重疊攝影機在不同亮度與角度之場景下，對物體進行廣域的長程追蹤。首先利用高斯混合背景建模與背景相減法，藉由陰影濾除與形態學等前處理後，進而提取出完整的前景物體，在追蹤部分，我們採用物體方框相交集的方式進行追蹤，而為了解決多個物體產生遮蔽的現象，我們結合了均值飄移與卡爾曼濾波器來進一步追蹤物體。在訓練的階段，藉由觀察者手動決定攝影機間的連結關係，透過數對已知配對且連續穿越不同攝影機視野的移動物體，統計並估算物體在穿越盲區時所需花費時間的高斯分布，進而得到物體在盲區所需花費的最大與最小時間；且利用亮度轉換函式取得不同視野間的亮度關係。而藉由訓練階段取得的亮度關係，對物體進行色彩校正後，擷取物體主要色彩做為物體外在特徵；接著，結合所估算出的時間關係，篩選出可能之物體，進行物體的特徵比對。
實驗的部份我們針對不同燈光、角度之場景進行分析，如室內走廊兩台攝影機、室外廣場兩台攝影機與室內走廊三台攝影機。我們提出的方法可以正確對移動物體進行識別，在室內走廊兩台攝影機的準確性是97.5％，在室外廣場兩台攝影機是94.4％，在室內走廊三台攝影機是94.6％，且整體畫面更新率，約每秒15到30偵畫面。
|
技術摘要：
專利行銷平台
