20、多相机下的人员持续跟踪技术解析

多相机下的人员持续跟踪技术解析

1. 基本概念与模型概述

在多相机跟踪系统中，有两个重要的概念：同一人的进出观察对和异常值。同一人的进出观察对是指在一对相机中，进出观察属于同一人的情况。而异常值则是指在这对相机中，仅在其中一个相机中出现的进出观察，比如一个相机的离开观察在指定时间窗口内未进入另一个相机，或者一个相机的进入观察在指定时间窗口内未从另一个相机离开。

相机链接模型类似于二维图像点匹配中的仿射变换，它用于处理两个相机观察之间的转换。对应矩阵 $P$ 是基于观察集特征向量之间的距离来估计的，在计算距离时，相机链接模型需要补偿相机之间的偏差。同时，给定对应矩阵 $P$，也可以估计相机链接模型 $M$。因此，采用类似 EM 的方法迭代估计矩阵 $P$ 和相机链接模型 $M$ 是合理的。在每次迭代中，先根据最近估计的 $M$ 求解最小化问题得到 $P$，然后基于新更新的 $P$ 估计模型 $M$。

2. 测试阶段

在测试阶段，每个相机 $C_i$（$i = 1 \leq N_C$）会为每个进出区域 $k$ 维护一个离开列表 $L_{i,k}$，该列表包含在 $T_{max}$ 秒间隔内从区域 $k$ 离开视场的人员观察结果，即：
$L_{i,k} = {O^1_{i,k}, O^2_{i,k} … O^{|L_{i,k}|}_{i,k}}$

当有人进入相机视野时，系统会在直接相连相机的相关区域离开列表中找到最佳匹配。基于相机链接模型，两个观察 $O_1$ 和 $O_2$ 之间的匹配距离可以计算为距离的加权和：
$match_dist = \sum_{i=1}^{N_{feature}} \alpha_i \times