رديابي و شناسايي مجدد افراد در شبكه اي از دوربين ها با ديد مجزا بر مبناي سيستم فازي در محيط هاي بسته

Tracking and Re-identification of People in a Network of Cameras with Disjoint Views based on Fuzzy System in Indoor Environments

انتخاب يك ويژگي مناسب جهت شناسايي و رديابي در سيستم هاي نظارتي با شبكه اي از دوربين ها به معيارهايي مانند سرعت و دقت به دليل بلادرنگ بودن اين نوع از سيستم ها بستگي دارد. به همين منظور در اين مقاله از ويژگي هيستوگرام رنگ به عنوان يك روش ساده و درعين حال موثر براي رديابي و انطباق افراد در بين دوربين هاي مختلف استفاده شده است. ولي استفاده از اين ويژگي در بعضي از موارد به دليل تغيير شدت روشنايي محيط و تغيير اندازه افراد نسبت به دوربين هاي مختلف، نتايج رضايت بخشي را از خود نشان نمي دهند. در اين مقاله براي كاهش تغيير شدت روشنايي در هنگام عبور افراد در بين دوربين ها از تابع انتقال روشنايي تجمعي استفاده شده است. از آنجايي كه تغيير اندازه افراد با توجه به فاصله ي آنها نسبت به دوربين، عملكرد ويژگي رنگ را در مكان هاي متفاوت از محيط تحت تاثير قرار مي دهد، به همين منظور، با به كارگيري يك سيستم فازي محيط تحت پوشش هر دوربين به قسمت هاي متفاوت تقسيم شده است. در ادامه، به منظور مقايسه رنگ ظاهر افراد، بدن هر فرد با استفاده از فاصله نسبي قسمت هاي مختلف به سه قسمت سر، نيم تنه و پايين تنه (پاها) تقسيم مي شود. براي رديابي در يك دوربين و شناسايي مجدد افراد در بين دوربين ها، از ويژگي هيستوگرام قسمت هاي مختلف بدن با توجه به موقعيت قرار گرفتن افراد نسبت به هر دوربين استفاده شده كه نتايج بدست آمده از روش پيشنهادي نشان دهنده بهبود عملكرد اين نوع از سيستم ها مي باشد.

The selection of a suitable feature is an important and indispensible issue in real-time surveillance systems employing a network of cameras to achieve rapid and accurate results. We have used the concept of color image histograms, as a simple but efficient method, to track people in different cameras in this research. Employing the image histogram for tracking may not be robust as it is sensitive to the environmental brightness changes and the human body shape and size. In this paper, we propose a novel method employing the Cumulative Brightness Function (CBF) to attenuate the effects of brightness changes in tracking objects moving in the camera networks. In the proposed method a fuzzy system is used to partition the field of view of each camera to cope with the size variations of people in different cameras. Then the body of each subject is divided into three portions, namely the head, the torso and the bottom section, with the prior knowledge about the human physiology, to have a better distinction between variance people appearance color. Finally, the histograms of the body sections with respect to the distance of subject from each camera are used for subject identification, reidentification and tracking. The results achieved by the proposed method in various environmental conditions show its robustness and effectiveness for tracking people in a network of cameras.