实现智慧城市,首先必须“感知城市”,其中视频传感器因其全天候、形象直观、高覆盖、实时性等优点得到广泛运用。目前城市视频监控以道路交通监控与安全监控为主,视场窄、功能单一,且不能实现对目标的连续、实时跟踪,在“感知城市”中没有发挥应有的作用。本文针对目前视频传感器遍布城市这一现状,研究多视频联合的大场景下车辆连续跟踪所涉及的关键问题。主要工作和所取得成果如下:(1)提出多视频联合的大场景下运动车辆连续跟踪的思路。首先在单视场实现运动车辆的检测,确定跟踪目标;然后对跟踪目标进行特征描述,实现单视场的车辆跟踪;最后当车辆处于重叠视域时,利用目标交接算法将多相机视域中的目标进行关联,从而实现跨相机车辆的连续跟踪。(2)基于优化混合高斯模型的运动车辆检测。经典混合高斯模型背景建模时主要存在三方面不足:匹配高斯分布选择时未综合考虑分布权重及自身匹配程度、模型参数进行更新时模型参数学习率r固定不变以及背景显示时只显示权值方差比最大的分布。本文在GMM基础上,对匹配高斯分布选择、模型参数更新、背景显示三方面进行优化。实验证明优化算法提取车辆轮廓清晰,对场景变化有较强适应性,甚至对强光与树叶晃动等扰动都能良好处理,具有一定实用性。(3)基于Kalman滤波与颜色纹理联合特征的自适应Mean Shift单视场运动车辆跟踪。在车辆跟踪过程中,本文首先构建纹理与颜色联合特征直方图来描述目标;然后利用Kalman滤波进行目标运动估计,预测目标在当前时刻的位置;最后在预测位置的可信区域内进行联合特征的Mean Shift最佳匹配区域检测,且搜索窗口的大小根据前一时刻最优目标区域的矩信息调整。实验证明本文自适应Mean Shift跟踪算法,能够克服相似目标和目标形变的干扰,最大程度减少迭代搜索时间,即便目标被部分遮挡仍能保持有效跟踪。(4)基于视野分界线的跨相机运动车辆连续跟踪。跨相机车辆连续跟踪问题的本质是目标交接,本文从基于视野分界线的目标交接算法入手,着重研究存在重叠视域的跨相机车辆交接。首先利用基于投影不变量的算法生成视野分界线,再通过目标与视野分界线的关系判定其所属区域,最后通过欧氏距离与SIFT特征匹配双重条件进行相同目标的关联,提高匹配准确度,更好地实现目标交接。