由于智能交通、医疗、安防等各个领域的迫切需求,智能监控中的多摄像机协同关键技术越来越受到人们的关注,其主要包括目标检测和定位、目标匹配、目标交接和目标行为分析等技术。目标匹配技术作为实现多摄像机协同的桥梁近年来亦成为智能监控领域研究的热点和难点。本文主要对目标匹配方法做了研究,首先介绍了常用的目标匹配方法,然后深入分析了基于颜色特征的目标匹配方法,针对相关方法中存在计算量大、未考虑颜色空间分布信息、目标匹配不够准确等问题,本文主要从以下几个方面进行了研究:(1)提出了一种基于二级中心优化和M-Kmeans融合的目标主颜色谱描述算法。即在用Kmeans聚类算法对目标的颜色进行聚类以降低计算复杂度时,先用二级中心优化算法确定聚类初始中心点,然后用M-Kmeans算法进行聚类过程中的类成员调整。研究及实验结果表明,融合算法不仅提高了目标主颜色谱描述的准确性,而且降低了聚类结果对初始中心点的敏感性,提高了聚类结果的稳定性。(2)提出了主颜色谱空间分布熵技术。即对于目标的主颜色谱,依据其对应像素在不同划分区域的分布比例,应用香农熵公式计算主颜色谱分量的熵以表示其空间分部信息。实验结果表明,通过主颜色谱空间分布熵能够很好地区分目标主颜色谱直方图相似但颜色空间分布不同的目标。(3)基于前两点研究结果,提出了MCS-SDE(Major Color Spectrum and Spatial Distribution Entropy)目标匹配方法。即用主颜色谱进行颜色相似度计算的同时,用该谱分量的空间分布熵相似度模型进行加权,以此计算目标的匹配度。并在最后讨论了基于MCS-SDE目标匹配的多帧联合匹配方法。实验结果表明,新的目标匹配方法与文献[11]的方法比较,提高了匹配对与非匹配对的区分度,匹配判定阈值更易确定,提高了目标匹配的准确性和鲁棒性。本文最后对所研究的内容进行了总结,并对本课题可继续深入研究的方向进行了展望。