實現多攝像機目標跟蹤的視頻圖像結構化描述處理的方法

2023-04-28 04:25:46

專利名稱：實現多攝像機目標跟蹤的視頻圖像結構化描述處理的方法
技術領域：
本發明涉及視頻處理技術領域，特別涉及多攝像頭目標跟蹤技術領域，具體是指一種實現多攝像機目標跟蹤的視頻圖像結構化描述處理的方法。
背景技術：
隨著計算機視覺的發展和安全防控意識的增強，視頻監控技術得到了充分重視和有力推動。由於視頻監控中真正需要幹預的只是一些發生概率較小的事件，安全監控人員不可能長時間不間斷地將注意力集中在大量的監控視頻上，注意力的降低將極大地影響監控的及時性和有效性，因此如何有效地、自動地跟蹤與分析目標越來越受到人們的關注。各國研究者在基於視頻的目標跟蹤與分析方面也取得了一些值得關注的研究成果。視頻結構化描述是一種視頻內容信息提取的技術，它對視頻內容按照語義關係，採用時空分割、特徵提取、對象識別等處理手段，組織成可供計算機和人理解的文本信息的技術。從數據處理的流程看，視頻結構化描述技術能夠將監控視頻轉化為人和機器可理解的信息，並進一步轉化為公安實戰所用的情報，實現視頻數據向信息、情報的轉化。視頻結構化描述技術緊緊抓住視頻內容信息處理和網絡化共享應用的主線，力爭經過若干年的技術攻關和系統建設，全面實現監控視頻信息的情報化、視頻監控網絡的智慧化，強化警務視頻應用的普適性。即實現以機器自動處理為主的視頻信息處理和分析，並且通過技術手段轉化為公安工作可用的情報；實現監控網絡之間、終端之間、警種之間的信息共享和主動互操作，實現主動監控、自動聯網分析等網絡功能；全方位拓展視頻在警務工作中的應用模式，大幅度提高技術的易用性，實現以業務民警為中心的隨時隨地的靈活、簡單和多樣的視頻按需服務應用。然而，現有的研究大多是基於單個攝像機的，其缺點是監控範圍非常有限且存在場景遮擋問題。採用多攝機進行實時目標跟蹤與分析可以擴展信息採集的區域，從而擴大監視範圍和角度，有助於解決單個攝像機中目標遮擋及景深難題，有效克服單個攝像機中存在的盲點問題。多攝像機條件提供了比單個攝像機更豐富的目標信息，因此有效地融合這些信息將在目標跟蹤與分析理解中將發揮更大的作用。目前監控攝像機布設範圍較廣，多攝像機的目標跟蹤在廣域監控場景中倍受關注。如何有效地融合不同攝像機間的有用數據，如何自動、及時地提取運動目標，進行可靠地分析，如何使監控技術在複雜的自然環境和多變的運動目標跟蹤中具有穩定性，成為該領域亟待解決的問題。這些技術的研究將進一步促進監控系統的自動化、智能化，大大降低了監控人員的工作強度。

發明內容
本發明的目的是克服了上述現有技術中的缺點，提供一種結合多個攝像機採集的圖像，對同一目標進行檢測、跟蹤、匹配，並在此基礎上實現對目標的協同跟蹤，進而對目標進行結構化描述，最終實現對於重要目標的視頻跟蹤檢索，從而大幅降低監控人員的工作強度，提高視頻檢索的準確性和效率，且實現方式簡便，成本低廉，應用範圍廣泛的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法。為了實現上述的目的，所述的計算機系統連接有多個攝像機，本發明的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法包括以下步驟(I) 所述的多個攝像機對所拍攝的視頻圖像進行分割，提取目標；(2)所述的多個攝像機對各自提取的目標進行跟蹤；(3)所述的多個攝像機對各自跟蹤的目標更新目標特徵模型；(4)所述的多個攝像機對各自跟蹤的目標進行顯著特徵提取；(5)所述的系統計算各目標之間的距離；(6)所述的系統判斷各目標間是否匹配，若是，則進入步驟(7)，若否，則返回步驟
(O;(7)所述的系統控制所述的多個攝像機進行目標協同跟蹤；(8)所述的系統對目標進行結構化描述產生對應的文本信息。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的步驟(I)包括以下步驟(11)所述的各攝像機採集圖像序列；(12)所述的各攝像機根據所採集的圖像序列基於高斯混合背景建模進行圖像分害I]，獲得運動的目標。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的多個攝像機對各自提取的目標進行跟蹤，具體為所述的各攝像機基於改進的三維背景加權顏色直方圖的均值漂移和卡爾曼濾波對目標進行跟蹤。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的步驟(3)具體包括以下步驟(31)所述的各攝像機，在所述的採用均值漂移和卡爾曼濾波對目標進行跟蹤的過程中，進行幹擾檢測；(32)所述的各攝像機對於幹擾檢測結果的強弱，根據不同的比例因子對卡爾曼濾波預測結果與均值漂移結果進行線性加權；(33)所述的各攝像機對所跟蹤的目標的特徵模型進行在線更新。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的步驟(4)具體包括以下步驟(41)所述的各攝像機對分割獲得的區域進行多級小波變換，並用零樹結構表示；(42)所述的各攝像機根據所述的零樹結構構造顯著圖；(43)所述的各攝像機根據所述顯著圖查找顯著點並進行顯著點數目自適應控制；(44)所述的各攝像機對顯著點提取顯著值及其周圍的顏色信息作為顯著特徵。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的步驟(5)具體包括以下步驟(51)所述的系統根據各目標的顯著特徵判斷相似的目標；
( 52 )所述的系統根據各攝像機之間的距離計算各相似目標之間的歐氏距離。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的步驟(6)具體包括以下步驟(61)所述的系統建立各目標的局部特徵模型；(62)所述的系統根據所述的各目標的局部特徵模型，對所述各攝像機跟蹤的目標進行匹配，查找相同的目標。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的步驟(7)具體包括以下步驟(71)所述的系統根據所述的匹配結果，控制跟蹤所匹配的目標的多個攝像機進行 目標協同跟蹤；(72)所述的系統將所匹配的目標的顯著特徵與系統的目標模型庫進行直接匹配。該計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，所述的步驟(8)具體包括以下步驟(81)所述的系統根據目標的顯著特徵對目標進行對象識別；(82)所述的系統根據對象識別結果查詢系統的描述信息庫，獲取對應的描述信息；(83)所述的系統根據所述的描述信息產生可供計算機和人理解的文本信息。採用了該發明的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，多個攝像機分別對視頻圖像進行分割，提取目標；跟蹤目標；更新目標特徵模型；並進行目標的顯著特徵提取；而後系統計算各目標之間的距離，並匹配相同的目標，進而控制多個攝像機進行目標的協同跟蹤；最終對目標進行結構化描述產生對應的文本信息，能夠應用於對於重要目標的視頻跟蹤檢索。利用本發明的方法，能夠大幅降低監控人員的工作強度，提高了視頻檢索的準確性和效率，且本發明的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其實現方式簡便，成本低廉，應用範圍廣泛。


圖I為本發明的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法的步驟流程圖。圖2為本發明實際應用中的基於兩個攝像機信息融合的視頻結構化描述方法示意圖。圖3為本發明的實際應用中目標模型建立與更新過程示意圖。圖4為本發明的實際應用中視頻結構化描述過程示意圖。圖5為本發明的小波係數之間的零樹結構關係示意圖。
具體實施例方式為了能夠更清楚地理解本發明的技術頁面，特舉以下實施例詳細說明。請參閱圖I所示，為本發明的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法的步驟流程圖。
在一種實施方式中，所述的計算機系統連接有多個攝像機，所述的方法包括以下步驟(I)所述的多個攝像機對所拍攝的視頻圖像進行分割，提取目標；(2)所述的多個攝像機對各自提取的目標進行跟蹤；(3)所述的多個攝像機對各自跟蹤的目標更新目標特徵模型；(4)所述的多個攝像機對各自跟蹤的目標進行顯著特徵提取；(5)所述的系統計算各目標之間的距離；(6)所述的系統判斷各目標間是否匹配，若是，則進入步驟(7)，若否，則返回步驟 (O;(7)所述的系統控制所述的多個攝像機進行目標協同跟蹤；(8)所述的系統對目標進行結構化描述產生對應的文本信息。在一種較優選的實施方式中，所述的步驟(I)包括以下步驟(11)所述的各攝像機採集圖像序列；(12)所述的各攝像機根據所採集的圖像序列基於高斯混合背景建模進行圖像分害I]，獲得運動的目標。在另一種較優選的實施方式中，所述的多個攝像機對各自提取的目標進行跟蹤，具體為所述的各攝像機基於改進的三維背景加權顏色直方圖的均值漂移和卡爾曼濾波對目標進行跟蹤，所述的步驟(3)具體包括以下步驟(31)所述的各攝像機，在所述的採用均值漂移和卡爾曼濾波對目標進行跟蹤的過程中，進行幹擾檢測；(32)所述的各攝像機對於幹擾檢測結果的強弱，根據不同的比例因子對卡爾曼濾波預測結果與均值漂移結果進行線性加權；(33)所述的各攝像機對所跟蹤的目標的特徵模型進行在線更新。在進一步優選的實施方式中，所述的步驟(4)具體包括以下步驟(41)所述的各攝像機對分割獲得的區域進行多級小波變換，並用零樹結構表示；(42)所述的各攝像機根據所述的零樹結構構造顯著圖；(43)所述的各攝像機根據所述顯著圖查找顯著點並進行顯著點數目自適應控制；(44)所述的各攝像機對顯著點提取顯著值及其周圍的顏色信息作為顯著特徵。在更進一步優選的實施方式中，所述的步驟(5)具體包括以下步驟(51)所述的系統根據各目標的顯著特徵判斷相似的目標；( 52 )所述的系統根據各攝像機之間的距離計算各相似目標之間的歐氏距離。在更優選的實施方式中，所述的步驟(6)具體包括以下步驟(61)所述的系統建立各目標的局部特徵模型；(62)所述的系統根據所述的各目標的局部特徵模型，對所述各攝像機跟蹤的目標進行匹配，查找相同的目標。所述的步驟(7)具體包括以下步驟(71)所述的系統根據所述的匹配結果，控制跟蹤所匹配的目標的多個攝像機進行目標協同跟蹤；(72)所述的系統將所匹配的目標的顯著特徵與系統的目標模型庫進行直接匹配。且所述的步驟(8)具體包括以下步驟(81)所述的系統根據目標的顯著特徵對目標進行對象識別；(82)所述的系統根據對象識別結果查詢系統的描述信息庫，獲取對應的描述信息；(83)所述的系統根據所述的描述信息產生可供計算機和人理解的文本信息。·在實際應用中，要實現多個攝像機的目標跟蹤，並對視頻圖像進行結構化描述處理，首先要從攝像機的不同圖像序列中找到運動目標位置，提取目標的特徵，利用這些特徵找到目標在不同角度間的對應關係，其匹配的結果直接影響後續的目標分析、數據融合等。多攝像機目標協同跟蹤的關鍵在於目標的匹配。目前存在的研究方法可以按提取什麼類型的特徵，或是否進行攝像機的標定，又或攝像機之間的信息融合是採用基於點的方法還是基於區域的方法等來劃分等。多攝像機之間的目標匹配問題可以轉化為在不降低目標匹配準確率的前提下，儘可能地減少約束條件。其中約束條件可以是計算複雜度、目標遮擋程度、場景情況、攝像機參數設置等。本發明所選用的是具有局部特性的小波顯著特徵，小波顯著特徵是提取目標的顯著點鄰域的顏色信息。小波顯著點檢測器利用了小波的多解析度分析和空頻分析特性，能自動地對人視覺系統感興趣的區域進行定位。其檢測到的點是圖像的關鍵點，主要分布在最能表現圖像內容的感興趣區域上。因此，根據顯著點的位置提取關於感興趣區域的局部有效信息，能大大提高圖像處理和分析的效率。本發明利用小波顯著特徵作為運動目標跟蹤與匹配的線索，在不用對攝像機進行標定的前提下，簡單且有效地對運動目標進行協同跟蹤。為了實現多攝像機之間的跟蹤，需要首先對單攝像機內的跟蹤進行處理，每個攝像機都採用了基於高斯混合模型法分割出運動目標區域，再利用均值偏移對目標進行有效跟蹤。為了提高目標匹配的準確率與運算速度，本發明只針對運動目標區域進行顯著特徵提取。具體而言，實際應用中本發明的方法如圖2所示，可以包括以下步驟(I)在複雜場景下的單攝像機運動目標的提取與跟蹤，對每個攝像機所採集的圖像序列，採用高斯混合背景建模的方法對運動目標進行分割。單攝像機運動目標的提取與跟蹤是多攝像機進行目標匹配的基礎，主要是找到運動目標的準確位置。(2)採用基於改進的三維背景加權顏色直方圖的均值漂移跟蹤算法，該算法對目標旋轉變形、部分遮擋具有較好的適應性，並且計算簡單、實時性好。(3)採用結合均值漂移和卡爾曼濾波的目標跟蹤算法，該算法對跟蹤過程中受到的幹擾進行檢測，根據目標所受幹擾的強弱，採用不同的比例因子將卡爾曼濾波預測結果與均值漂移算法得到的結果進行線性加權，算法中對被跟蹤目標的特徵模型進行在線更新，提高了跟蹤的可靠性，原理如下圖3所示。( 4 )在目標分割後的運動區域進行顯著特徵的提取，其過程如下首先把分割得到的區域進行多級小波變換，用零樹結構表示；其次構造顯著圖，找到顯著點並進行顯著點數目自適應控制；最後提取顯著值及其周圍的顏色信息作為顯著特徵。該步驟具體包括以下步驟
(41)小波係數的零樹結構，由前一小節可知，對圖像I進行了 _r(r ( -I)級小波分解後，將得到每個尺度2j (r ^ j ^ -I)下的四個子圖像，一個為圖像I的近似圖像A2rl和另三個細節圖像。然後，我們可以基於零樹理論構造小波係數的一個等級數據結構。零樹結構能很好地描述數據的分支和層次關係，小波係數之間的 零樹結構關係如圖5所示。小波係數的零樹結構構造方法有幾下步驟I.把像素點P (X，y)作為樹的根結點。2.在位置p(x，y)上，每一個根結點P (x，y)有三個子結點，分別是同一尺度下三個細節圖像的小波係數W1U, y)、W2(x, y)和W3 (X，y)。3.由於小波變換過程具有下採樣特性，細節子帶的小波係數Ws(x，y) (s=l, 2, 3)與上一尺度D中位於同一子帶的2x2點區域對應。該區域位於(2x，2y),包含(2x, 2y)、(2x, 2y+l)、(2x+l, 2y)、(2x+l, 2y+l)四個點。這四個點共同構成小波係數Ws (x, y)(s=l，2，3)的子節點。4.零樹數據結構相當於四叉樹，每一個小波係數Ws (x，y) (s=l, 2, 3)均有四個子節點。由D中位於(2x，2y)的2x2點區域所對應的小波係數組成。按照以上方法，可以構造出小波分解後係數的零樹數據結構。(42)顯著圖構造，利用前一小節完成的小波係數的零樹結構表示圖，可以構造圖像的顯著圖。解析度為NX M=2k+1 (N=2k, M=2l)的圖像I經過_r層小波分解後，在每一個尺度為其建立一張顯著圖S，-r個尺度共有-r張顯著圖。顯著圖S在尺度-r下能反映出重要的小波係數信息。每個顯著值的計算都要考慮零樹數據結構所有尺度的信息，因此s包含了最重要的顯著值。(43)顯著點查找，一旦小波顯著圖構造完，我們要反過來找到原圖像I對應的顯著點位置。由前面的零樹結構圖可以構造顯著四叉樹結構。根據前面介紹的零樹數據結構理論，在顯著圖s的基礎上，利用小波係數構造出四叉樹的層次等級結構，稱為顯著值四叉樹。每一棵四叉樹的根節點為_r尺度下顯著值，在_r+l尺度顯著圖S中2x2的顯著值區域作為_r尺度的顯著圖S的四叉樹子節點，構造方法類似前面的小波係數零樹結構的構造方法，每個父節點s對應4個子節點,這4個子節點由s中與s (X，y)對應的4個顯著值組成。按照這種方法，可以遞歸地建立2K+1+&棵四叉樹，每棵四叉樹的高度為_r用T表示第i棵顯著值四又樹，我們獲得了 2k+1+&棵顯著值四叉樹排序後的序列L L= {Tl, , T2k+1+2r}要找到原圖像，所對應的顯著點的位置，根據構造的顯著樹裡，我們要找到每一棵樹T最具有顯著性的分枝，稱為顯著枝SB(i)，過顯著枝的位置來確定圖像顯著點的位置。(44)顯著點的數目控制，採用上面方法得2k+l+2r個顯著點，但實際上，只要一部分顯著值較大的顯著點就能表示出目標的大概情況。因此需要自適應地控制目標的顯著點數目，去除那些作用不大的顯著點，保留那些很好體現圖像內容的顯著點，其算法如下把顯著圖S中2k+l+2i■個非空顯著值從大到小依次排列，組成序列C。計算C中顯著值的總能量E，設C中前S個顯著值的能量與總能量的百分比為H(S)。最後，通過設定一個能量閾值W，自適應地控制顯著點的數目。(5)建立目標的局部特徵模型進行不同攝像機間的目標匹配以進行多攝像機協同跟蹤，並與目標直接匹配法進行比較。(6)採用視頻結構化描述對跟蹤的信息進行描述，它是一種視頻內容信息提取的技術，對視頻內容按照語義關係，採用時空分割、特徵提取、對象識別等處理手段，組織成可供計算機和人理解的文本信息的技術，如下圖4所示。採用了該發明的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法中，多個攝像機分別對視頻圖像進行分割，提取目標；跟蹤目標；更新目標特徵模型；並進行目標的顯著特徵提取；而後系統計算各目標之間的距離，並匹配相同的目標，進而控制多個攝像機進行目標的協同跟蹤；最終對目標進行結構化描述產生對應的文本信息，能夠應用於對於重要目標的視頻跟蹤檢索。利用本發明的方法，能夠大幅降低監控人員的工作強度，提高了視頻檢索的準確性和效率，且本發明的計算機系統中 為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其實現方式簡便，成本低廉，應用範圍廣泛。在此說明書中，本發明已參照其特定的實施例作了描述。但是，很顯然仍可以作出各種修改和變換而不背離本發明的精神和範圍。因此，說明書和附圖應被認為是說明性的而非限制性的。
權利要求
1.一種計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，所述的計算機系統連接有多個攝像機，其特徵在於，所述的方法包括以下步驟 (1)所述的多個攝像機對所拍攝的視頻圖像進行分割，提取目標； (2)所述的多個攝像機對各自提取的目標進行跟蹤； (3)所述的多個攝像機對各自跟蹤的目標更新目標特徵模型； (4)所述的多個攝像機對各自跟蹤的目標進行顯著特徵提取； (5)所述的系統計算各目標之間的距離； (6)所述的系統判斷各目標間是否匹配，若是，則進入步驟(7)，若否，則返回步驟(I); (7)所述的系統控制所述的多個攝像機進行目標協同跟蹤； (8)所述的系統對目標進行結構化描述產生對應的文本信息。
2.根據權利要求I所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的步驟(I)包括以下步驟 (11)所述的各攝像機採集圖像序列； (12)所述的各攝像機根據所採集的圖像序列基於高斯混合背景建模進行圖像分割，獲得運動的目標。
3.根據權利要求I所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的多個攝像機對各自提取的目標進行跟蹤，具體為 所述的各攝像機基於改進的三維背景加權顏色直方圖的均值漂移和卡爾曼濾波對目標進彳了跟蹤。
4.根據權利要求3所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的步驟(3)具體包括以下步驟 (31)所述的各攝像機，在所述的採用均值漂移和卡爾曼濾波對目標進行跟蹤的過程中，進行幹擾檢測； (32)所述的各攝像機對於幹擾檢測結果的強弱，根據不同的比例因子對卡爾曼濾波預測結果與均值漂移結果進行線性加權； (33)所述的各攝像機對所跟蹤的目標的特徵模型進行在線更新。
5.根據權利要求I所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的步驟(4)具體包括以下步驟 (41)所述的各攝像機對分割獲得的區域進行多級小波變換，並用零樹結構表示； (42)所述的各攝像機根據所述的零樹結構構造顯著圖； (43)所述的各攝像機根據所述顯著圖查找顯著點並進行顯著點數目自適應控制； (44)所述的各攝像機對顯著點提取顯著值及其周圍的顏色信息作為顯著特徵。
6.根據權利要求I所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的步驟(5)具體包括以下步驟 (51)所述的系統根據各目標的顯著特徵判斷相似的目標； (52 )所述的系統根據各攝像機之間的距離計算各相似目標之間的歐氏距離。
7.根據權利要求I所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的步驟(6)具體包括以下步驟 (61)所述的系統建立各目標的局部特徵模型； (62)所述的系統根據所述的各目標的局部特徵模型，對所述各攝像機跟蹤的目標進行匹配，查找相同的目標。
8.根據權利要求I所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的步驟(7)具體包括以下步驟 (71)所述的系統根據所述的匹配結果，控制跟蹤所匹配的目標的多個攝像機進行目標協同跟蹤； (72)所述的系統將所匹配的目標的顯著特徵與系統的目標模型庫進行直接匹配。
9.根據權利要求I所述的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其特徵在於，所述的步驟(8)具體包括以下步驟 (81)所述的系統根據目標的顯著特徵對目標進行對象識別； (82)所述的系統根據對象識別結果查詢系統的描述信息庫，獲取對應的描述信息； (83)所述的系統根據所述的描述信息產生可供計算機和人理解的文本信息。
全文摘要
本發明涉及一種計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，屬於視頻處理技術領域。本發明的方法中，多個攝像機分別對視頻圖像進行分割，提取目標；跟蹤目標；更新目標特徵模型；並進行目標的顯著特徵提取；而後系統計算各目標之間的距離，並匹配相同的目標，進而控制多個攝像機進行目標的協同跟蹤；最終對目標進行結構化描述產生對應的文本信息，能夠應用於對於重要目標的視頻跟蹤檢索。利用該方法，大幅降低了監控人員的工作強度，提高了視頻檢索的準確性和效率，且本發明的計算機系統中為實現多攝像機目標跟蹤功能對視頻圖像數據進行結構化描述處理的方法，其實現方式簡便，成本低廉，應用範圍廣泛。
文檔編號G06T7/20GK102930556SQ20121035649
公開日2013年2月13日 申請日期2012年9月21日 優先權日2012年9月21日
發明者李萬才, 陳建永, 湯志偉, 沈冬青, 梅林 , 吳軼軒 申請人:公安部第三研究所