45、多相机间的目标关联方法解析

多相机间的目标关联方法解析

在多相机监控系统中，准确关联不同相机中观察到的目标是一个关键问题。本文将详细介绍多相机目标关联的相关方法，包括模型参数化、最大似然估计、模拟实验以及实际序列测试等内容。

1. 模型参数化

在多相机目标关联问题中，每个目标的轨迹可以用参数化的曲线来描述。对于三次曲线，其参数化形式为：
[x(t) = p_3t^3 + p_2t^2 + p_1t + p_0]
其中，(p_0, p_1, p_2, p_3) 是曲线的系数。在这种情况下，参数矩阵 (P) 可以表示为：
[P =
\begin{bmatrix}
p_{x,0} \
p_{x,1} \
p_{x,2} \
p_{x,3} \
p_{y,0} \
p_{y,1} \
p_{y,2} \
p_{y,3} \
1 \
1 \
1 \
1
\end{bmatrix}]
由于场景被建模为平面，场景中的点与第 (n) 个相机中的图像点通过单应性矩阵 (H_n) 相关联。因此，在时间 (t) 与目标 (O_m) 相关联的测量点 (X_i^j) 可以表示为：
[X_i^j = H_iP_mt(d) + \tilde{\epsilon}]

2. 最大似然估计

最大似然估计（MLE）的目标是在给定观测轨迹 ({\bar{x} n^k} {N,K}) 的情况下，找到每个目标在不同相机之间的关联 (C) 以及参数 (\theta = ({P_k}_K, {H_n}_N)) 的最大似然估计