● 摘要
视频监控网络的应用规模正在飞速的发展，为了满足实时高效的视频监控要求，迫切需要开展视频传感网络数据自动分析和处理理论和方法的研究。本论文主要研究视频传感网络联合目标跟踪的理论与方法，以提高多视频传感联合目标跟踪的正确率和稳定性。主要研究工作如下：1．总结了视频传器网络多目标跟踪系统中存在的关键问题，包括观测在时空上的不连续性及环境影响引发的观测不确定性等，以及针对上述问题国内外的主要解决方法。2．介绍了单摄像机视觉跟踪系统的总体结构和关键问题，分析了当下主流算法的优缺点，完成了单摄像机视觉多目标跟踪软件的设计与实现，自定义前景检测、目标提取和目标跟踪模块，添加了自定义轨迹和特征提取模块。3．针对视频传感网络联合目标跟踪中的数据关联问题，提出了在贝叶斯框架下基于动态贝叶斯网络的观测-目标关联的一般方法：以分配向量建立观测-目标关联的假设空间；提出了基于动态贝叶斯网络的目标观测生成模型的建立方法。4．分析并实现了动态贝叶斯网络的前向-后向推理算法，完成了基于观测数据的观测-目标关联。通过仿真验证，分析比较了外观关联算法、似然函数关联算法、前向在线推理算法、前向－后向离线推理算法的关联准确率、稳定性和实时性。结果表明，后两种算法运行时间要长于前两种算法，但在恶劣环境下的关联准确率和稳定性大大优于前两种算法。5．分析了影响视频传感网络联合目标跟踪准确率和算法性能的重要因素，改进了基于动态贝叶斯网络的目标观测生成模型，提出了将外观随机变量对观测点的依赖关系引入观测生成模型，并以对数正态分布来描述目标在两地间的平均运动时间随机变量，提出了检测和避免虚警的方法，进一步提高了算法的准确率和稳定性。6．在上述理论研究的基础上，设计并实现了基于视频传感网络的多目标联合跟踪系统，通过不同场景下的实际视频数据对上述系统进行了验证，试验结果表明该系统具有良好的跟踪性能。本文从算法研究和具体实现两个方面，对视频传感器网络联合目标跟踪中的数据关联算法进行了研究。仿真实验和实际实验表明，本文提出的方法，一定程度上克服环境影响和噪声干扰，提高了观测-目标关联的准确率，并且算法具有良好的稳定性。