复杂大场景下的多摄像机接力目标跟踪问题研究

课题针对复杂大场景下视觉目标跟踪的难点和亟待解决的问题，研究多摄像机接力目标跟踪的相关理论和算法。主要研究内容包括运动目标分割、目标特征的选择与提取、基于自适应分段边界特征和自适应分块颜色（灰度）分布特征的目标特征模型的建立、复杂场景下（目标半遮挡、遮挡、变形、强机动和光照变化等）的目标跟踪算法、目标运动特性的经验模型的建立、多摄像机的空间坐标标定与转换、摄像机运动控制模型的建立与接力区的确定、大场景下多摄像机的接力跟踪和协同跟踪策略以及接力区内的时空渐进特征匹配算法。在此基础上，研究和开发安保监控多摄像机接力目标跟踪的原型系统。本项目的研究成果可以应用在视觉自主导航机器人、多智能体协作、可疑目标的连续跟踪、智能交通监控与违章追踪、军事领域的无人驾驶飞机和车辆等实际系统中，这也是该类系统中亟待解决的一些关键理论和技术问题，具有重要的理论价值、实用价值和科学意义，有着广阔的发展和应用前景。

本课题拟针对采用集中式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合数据配准、关联和融合算法,以及针对采用分布式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合航迹配准、关联和融合算法。传统上人们一般将数据配准、数据关联和数据融合三者分开研究，或者是将航迹配准、航迹关联和航迹融合三者分开研究，但实际上它们是相互影响的：数据配准需要正确关联了的多传感器数据而存在配准误差的多传感器数据又会增加错误关联的概率，它们都会对数据融合的性能产生影响；同样航迹配准需要正确关联了的局部航迹而存在配准误差的局部航迹又会增加错误关联的概率，它们都会对航迹融合的性能产生影响。本课题将它们作为一个整体研究从而解决传统上将它们分开研究和工程实现的弊端，因考虑了它们之间的相互联系和相互影响，我们能大大提高多传感器多目标跟踪的精度，从而可提高军事和民用领域对目标监视和跟踪的能力。

为提高成像设备在运动中对全场景进行监视和分析的效率和效果，课题以分布于球形表面的摄像机阵列获得的视频数据为对象，研究球面机器视觉模型，以新的视角- - 曲线空间中的视频处理和分析- - 研究球面机器视觉的形成机制和基础应用环节中的理论问题，以及全动态场景中目标全方位跟踪方法。首先，研究从球形摄像机阵列获得的高维图像集合到球面图像之间的数据优化传递关系，建立球面视觉的形成方法和曲线空间中更具一般性的图像处理理论和方法；进而研究成像设备运动过程中，寄生运动对成像过程的影响，提出从观测运动中相对运动的分离方法和寄生运动的抑制方法，提出球面立体视觉的形成机制、误差传递方法以及精度估计模型；在此基础上研究全动态场景中目标跟踪线索的选择机制和描述方法以及曲线空间中连续形变目标的立体跟踪方法。球面视觉是实现全动态场景监视和连续形变目标全方位不间断跟踪的有效途径。

多智能体系统的一致跟踪问题是一致性问题中的一个重要研究分支，因其在卫星编队、传感器网络等领域有重要应用前景，引起了国内外学者的广泛研究。而在实际工程系统中，多智能体系统中的个体基于物理特性或者任务分配可能会分成不同的群,每个群中的跟随者都跟踪同一群中的领航者。因此，我们有必要研究群一致跟踪控制问题。与一致跟踪问题相比，群一致跟踪控制的研究将更能揭示多智能体系统网络的复杂性和更符合工程实际。 本课题拟围绕连接拓扑变化、时延、采样、噪声和干扰等问题，研究一阶/二阶积分系统和高阶系统的群一致跟踪控制问题, 具体研究内容包括建立一套规范的建模理论和方法；围绕着群一致跟踪问题的可解性、群一致跟踪的条件和群一致跟踪协议设计建立群一致跟踪控制理论；解决系统参数、时延、采样周期的计算和优化问题；群一致性跟踪控制理论在机器人仿真系统中的验证。最终，形成一套完整的多智能体系统群跟踪控制理论体。