题目：一种交通场景下的多摄像机接力跟踪方法

在智能交通系统中，可通过摄像机将交通状况实时传输给远程控制中心，然后由计算机利用图像处理、模式识别等技术对其中车辆、行人等运动物体进行检测、跟踪以及更进一步的行为理解。随着交通事业的发展，城市道路网络不断延伸和扩张，而单个摄像机的实际监控范围有限，不可能覆盖整个监控区域，必须通过安装多个摄像机来扩大有效监控范围。因此，如何实现所部署的多个摄像机之间的协同工作以达到更高效监控的目标已成为当前研究的一个热点，研究多摄像机监控具有重要的理论意义和实用价值。实际交通场景中，存在光照变化、天气变化、物体遮挡等复杂情况，使得场景拼接、目标跟踪、摄像机协同等成为多摄像机监控的研究难点。针对上述问题，本文提出了一种交通场景下的多摄像机接力跟踪方法，主要研究内容和贡献如下：提出一种改进的图像拼接算法，基于SIFT特征和RANSAC匹配。对多摄像机获得的交通路面图像提取SIFT特征进行图像配准，获得图像间的变换参数，以此确定摄像机之间的变换参数，减少摄像机的标定工作。采用RANSAC算法剔除SIFT特征匹配的伪特征点，并用L-M算法优化RANSAC的变换矩阵，该矩阵用于图像配准及变换，形成路面的全景图像。为进一步消除图像拼接的空白点和拼缝，采用双线性卷积法和渐入渐出的平滑过渡方法提高图像的融合效果。提出一个基于Camshift算法和运动预测器的分层目标跟踪方法。通过Camshift算法利用目标区域的颜色模板进行跟踪，能够解决目标形变、部分遮挡和实时跟踪的问题。通过运动预测器学习目标的运动信息，在Camshift算法失灵的情况下对其进行修正或者作为它的替换方法。提出基于交叠区域边界的多摄像机目标交接方法。根据图像配准过程中获得的摄像机视野交叠区域的分界信息，当算法检测到目标进入交界时触发下一个摄像机进行目标检测。目标检测使用Camshift算法获得的颜色模板进行匹配，检测的初始位置由运动预测器和图像变换参数计算得出。该方法降低了目标交接的计算量，并能正确进行目标接力跟踪。设计并实现了交通场景下目标接力跟踪系统，通过高清摄像机获取北京某路面上一段实际的交通路况，在光照变化，路面遮挡等情况下对该系统进行测试，实验验证了本文方法的有效性。