42、多相机检测中的统计模式识别与异常路径检测

多相机检测中的统计模式识别与异常路径检测

1. 多相机系统中的一致标注问题

在大型户外环境中，多相机系统是必要的。分布式视频监控系统利用多个视频流来增强观测效果。此时，跟踪问题从单相机扩展到多相机，这就要求目标的形状和状态不仅在单视图中保持一致，在多视图的空间中也需如此，这就是一致标注问题。

当相机的视野（FOV）重叠时，一致标注可以利用基于几何的计算机视觉方法。不过，精确的系统校准往往难以实现，尤其是在相机已预先安装且内外参数不可用时。因此，可以采用部分校准或自校准来提取一些几何约束，如地面平面单应性。

我们提出了一种名为 HECOL（基于单应性和对极几何的一致标注）的方法来解决部分重叠 FOV 的相机网络中的一致标注问题。具体步骤如下：
1. 训练阶段 ：在初始的无监督自动训练阶段，计算 FOV 之间的重叠区域、地面平面单应性以及成对重叠相机的对极点位置。
2. 在线处理 ：当新对象出现在相机 C1 的 FOV 中时，多相机系统需要检查该对象是全新的还是已存在于其他相机 FOV 中的对象。同时，还需处理群组并识别其组成对象。

为了提高计算效率，当场景中有多个对象和多个相机时，通过图模型（相机过渡图）提取满足相机拓扑约束的 K 个潜在匹配对象子集。这些对象组合形成假设空间，包含 (2^K - 1) 种可能的匹配假设。使用 MAP 估计器找到最可能的假设 (\theta_i)：
[
\theta_i = \arg \max_k [p(\theta_k | \varphi)] = \arg \max_k [p(\varphi | \theta_k)