随着视频监控技术的快速发展,多监控摄像机的信息融合逐渐得到重视,作为核心技术之一的无重叠视域多摄像机目标跟踪也成为了研究的焦点。这是机器视觉研究领域的一个新兴的、多学科交叉的研究方向,存在着广泛的应用前景。在重叠视域多摄像机监控环境下,可以利用不同摄像机视域的重叠部分获得目标间的对应关系,从而实现目标的持续跟踪。然而在非重叠(无重叠视域)多摄像机监控环境下,无法套用此方法,只能利用单个摄像机得到的目标时空信息来实现不同摄像机间的目标对应。主要技术包括单摄像机运动目标检测与跟踪、多摄像机目标关联、目标轨迹生成与可视化。本文分别对其展开研究,设定的应用环境为室外车辆监控和室内行人监控,具体内容如下:单摄像机运动目标检测:(1)对帧差法进行研究,提出基于像素块最大后验概率的运动目标检测算法。把目标检测单位由传统的像素转为像素块,增加像素的连续性。通过时空邻域定义先验能量进一步增加像素块的连续性。大大提高了对大面积目标检测的完整性;(2)对减背景法进行研究,提出一种基于熵能和广义高斯分布的运动目标检测方法。建立分割阈值的模型,通过图像分区自动生成与局部噪声相匹配的分割阈值。提高了混乱背景下的目标检测效果,并具有较小的计算量。单摄像机运动目标跟踪:(1)针对颜色特征对光照变化敏感的问题,提出一种LICH特征。以对比度为统计基础,并引入对数亮度理论,从而弱化环境光照的影响;(2)提出一种基于遮挡预测的目标跟踪算法。通过预测各个目标的包围盒是否重叠来预测目标的遮挡,并结合特征匹配结果判断预测遮挡是否发生。在遮挡时通过目标子块匹配进行跟踪。遮挡预测机制避免了大量不必要的计算,提高了算法的速度。非重叠多摄像机目标关联的主要研究内容包括目标关联特征提取、摄像机拓扑关系估计和目标关联算法,本文采用先验知识建立摄像机拓扑关系,重点研究另外两个问题。(1)研究目标关联特征的提取。对车辆提出一种ILICS特征,对光照变化和目标姿态变化具有较好的适应性。对人提出一种基于人体关键点的身体量测特征估算方法,把人的身高、肩高、肩宽和步幅作为关联特征,对拍摄环境有较强的适应性;(2)提出了一种基于最小费用流模型的数据关联算法。通过求取关联数限制下的最大总体效用得到目标关联结果。相比于传统的贝叶斯方法,可较大提升开放空间下目标关联的正确率;(3)提出一种大规模监控网络的目标关联求解策略。将摄像机网络划分为多个独立的子单元,每个单元只需负责其内部的目标关联,对不同结构的监控网络有较强的适应性。目标的轨迹生成与可视化:提出一种非重叠摄像机间的目标轨迹生成方法,弥补目标轨迹在摄像机间盲区的空白,得到目标在监控区域上的完整轨迹。针对大范围车辆监控和多层建筑室内人物监控分别提出了合适的轨迹可视化方法。