21、多摄像头下的人体跟踪技术：从原理到应用

多摄像头下的人体跟踪技术：从原理到应用

在当今的安防监控、智能交通等领域，多目标跟踪技术发挥着至关重要的作用。然而，在非重叠视野的多摄像头环境下进行目标跟踪面临着诸多挑战，如光照条件变化、目标姿态改变以及摄像头成像特性差异等，这些因素导致目标在不同摄像头视图中的外观可能发生巨大变化，给直接基于颜色信息的轨迹关联带来了困难。本文将介绍一种结合软生物特征和参考集的多摄像头跟踪模型，旨在解决这些问题。

多摄像头跟踪的挑战与现有方法

在公共区域，如机场、停车场和购物中心，对监控摄像头的需求日益增长。由于使用单个摄像头难以覆盖整个感兴趣区域，且多个重叠视野摄像头在经济和计算成本上较高，因此非重叠视野的摄像头网络在现实世界中得到了广泛应用。

多目标跟踪是监控领域的基础技术，其目标是估计所有移动目标的轨迹，并确保目标身份在帧与帧之间的一致性。在单摄像头跟踪中，同一目标的连续观测在外观、空间和时间上通常具有较高的接近度。但在非重叠视野的多摄像头跟踪中，即使是相邻摄像头，同一目标的外观也可能因光照条件的突然变化（如从室外到室内）、姿态变化（如从正面视图到背面视图）以及摄像头成像条件的差异而有很大不同。

为了解决多摄像头之间的外观差异问题，研究人员提出了亮度传递函数（BTF），它可以将一对摄像头之间的颜色模型进行映射。然而，BTF并不适用于摄像头内部光照变化较大的网络。例如，当两个摄像头的视野中都存在暗区和亮区时，一个能够将一个摄像头暗区（低亮度）的颜色映射到另一个摄像头亮区（高亮度）的BTF，可能无法很好地将该摄像头亮区（高亮度）的颜色映射到另一个摄像头的暗区（低亮度）。

软生物特征与参考集的引入

为了增强跟踪的外观模型，除了颜色直方