基于对偶分解的智能相机网络分布式数据关联

利用智能相机网络进行视觉监控的基本要求之一，是正确关联不同相机生成的每个人观测数据。近年来，仅涉及每个相机节点本地信息处理及相邻相机间互信息交换的分布式数据关联，因其在大规模应用中的优越性而吸引了广泛的研究兴趣。本文通过引入一组链接变量，将智能相机网络中的数据关联问题表述为整数规划问题，并提出两种分布式算法（即 L-DD 和 Q-DD），利用对偶分解技术求解该整数规划问题。在我们的算法中，原始整数规划问题被分解为若干子问题，这些子问题可在每个智能相机上本地且高效地求解；随后，不同子问题基于投影次梯度优化调整参数，以严格方式就其解达成一致。所提方法简单灵活：(i) 可将任何特征提取与匹配技术纳入我们的框架，以衡量两次观测之间的相似度，从而定义每条链接的代价；(ii) 只要生成的子问题可在单个相机上独立求解，即可任意分解原始问题。理论分析及在两个真实数据集（分别采集自我们校园花园和办公楼的相机网络）上与最先进算法的实验对比，展示了我们方法在精度和速度上的竞争力。