65、目标跟踪与多相机监控系统技术解析

目标跟踪与多相机监控系统技术解析

1. 卡尔曼滤波器与目标运动处理

在处理人类交互时，卡尔曼滤波器需要谨慎使用，以提出关于运动的假设。它可以有效地融入粒子滤波器中，也能被整合到监督整个跟踪过程的程序里。不过，对于某些场景，卡尔曼滤波器的处理效果并不理想。例如，场景 (b) 的处理效果会因时间延迟而变差甚至无法处理，场景 (c) 则完全无法由该模块处理。

2. 倒角匹配、跟踪与遮挡处理

2.1 倒角匹配基本原理

倒角匹配是通过物体边界将物体与模板进行匹配的过程，相较于通过整个物体区域进行匹配，这种策略的计算量要小得多。为了使匹配过程更加平滑并加速，需要先定位图像中的边缘点，然后生成距离函数图像。模板同样以边缘点的形式应用，理想情况下，沿着模板点的图像距离函数值之和为零；当模板位置错误或物体形状扭曲时，该值会升高。

平均“倒角”距离可以表示匹配程度，计算公式如下：
[D_{chamfer}(T, I) = \frac{1}{N_T} \sum_{i = 1}^{N_T} DFI(i)]
其中，(N_T) 是模板内边缘点的数量，(D_{chamfer}(T, I)) 实际上是一种不相似度度量，完美匹配时值为零。

2.2 特征点选择与方法局限性

图像和模板不一定非要使用边缘点，角点或其他特征点也可以使用，该方法具有一定的通用性。但当点集稀疏时，方法效果最佳，既能实现准确的定位，又能减少计算量。然而，点的数量过少会导致灵敏度和鲁棒性不足。

该方法存在局限性，任何异常值（如由遮挡或分割错误引起）都会导致严重的匹配问题。为了限制这个问题，有以下两种方法：