【摘要】：与双机模式相比，这种模式下需要设计跟踪任务分配机制，即图10－1中的目标选择策略，实现多球机和多目标之间的跟踪任务分配。考虑到公共安全事件的进一步发展，对于群体性事件中人员实施侦测的需求，需要对快速奔跑、倒地、多人斗殴等剧烈动作场景也进行动作和行为的实时监测，这对前后端的计算性能提出了较高的要求。我们将在以下方面进行下一步的工作：基于SoC的人脸检测。基于枪球联动的中远距离虹膜图像采集及识别。
回到最基本的多摄像机应用形态枪球联动，基于枪球联动（一枪一球）的关注人员检测跟踪机制也可以拓展到一枪多球模式，即枪机负责广角监控，球机负责各个关注目标的聚集跟踪。与双机模式相比，这种模式下需要设计跟踪任务分配机制，即图10－1中的目标选择策略，实现多球机和多目标之间的跟踪任务分配。
图10－1 多机协同人员目标检测跟踪机制
另外，我们所提出的整体技术方案，对监控视频中的人员目标检测的实时性和枪球机协调控制的时延性要求较高，在一般活动不剧烈的场景，行人以普通速度前行，以上主要基于PC机架构的方案是能够满足应用需求的。考虑到公共安全事件的进一步发展，对于群体性事件中人员实施侦测的需求，需要对快速奔跑、倒地、多人斗殴等剧烈动作场景也进行动作和行为的实时监测，这对前后端的计算性能提出了较高的要求。我们将在以下方面进行下一步的工作：(www.xing528.com)
（1）基于SoC的人脸检测。即前端智能化，将人脸检测等功能在前端摄像机的嵌入式系统中实现，以FPGA实现人脸检测，广角枪机输出的数据流包含图像内容和人脸位置信息，球机可以直接获得人脸位置信息，大大提高系统的实时性。
（2）基于枪球联动的中远距离（2～3m）虹膜图像采集及识别。
（3）前端轻量化计算节点。通过片上系统，如高通的FastCV等，实现嵌入端视觉处理常见算法，如人脸特征点的提取，表情驱动等。
（4）后台计算并行化。通过GPU运算模式，将视频处理任务分解，加快视频中人员检测、目标跟踪、运动判别以及图片相似性度量等分析任务的执行。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
