專利名稱：基于全景拼接的旋轉(zhuǎn)攝像頭背景建立法及運(yùn)動物體檢測法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視屏監(jiān)控和圖像識別技術(shù)領(lǐng)域，具體地說是一種基于全景拼接的運(yùn)動物體檢測方法。
背景技術(shù)：
隨著經(jīng)濟(jì)發(fā)展和生活水平的提高，安防產(chǎn)品已經(jīng)滲透到各行各業(yè)，安防應(yīng)用已經(jīng)對人們的日常生活產(chǎn)生了息息相關(guān)的影響。視頻分析可以大大提高監(jiān)控效率，還能從復(fù)雜的數(shù)據(jù)中辨認(rèn)行為和類型，甚至可以提供操作命令、數(shù)據(jù)和信息。視頻監(jiān)控系統(tǒng)不僅僅被認(rèn)為是事后搜尋犯罪嫌疑人的手段，而且是一種阻止犯罪發(fā)生的輔助手段。近年來，旋轉(zhuǎn)攝像頭在小區(qū)、銀行、交通路口都隨處可見，但是現(xiàn)在算法只能針對靜止攝像頭的背景進(jìn)行前景提取，在很多視野開闊的區(qū)域很難進(jìn)行24小時(shí)人工檢測，以前的方法很難對現(xiàn)在情況進(jìn)行處理，之前的大多數(shù)方法都是基于靜止背景處理，而現(xiàn)在的旋轉(zhuǎn)攝像頭背景在不斷變化，通過幀差法進(jìn)行前景提取在這樣的情況下是沒法實(shí)現(xiàn)的。需要獲得完整的全景圖片就得全景拼接，現(xiàn)在這方面的需要已經(jīng)越來越急迫。視頻監(jiān)控系統(tǒng)很大程度取決于智能分析系統(tǒng)的成功與否，監(jiān)控系統(tǒng)由目視解釋轉(zhuǎn)變?yōu)樽詣咏忉屖且曨l監(jiān)控技術(shù)的飛躍，是安防技術(shù)發(fā)展的必然。一般視頻大屏幕都是通過小屏幕拼接起來的，這樣可以做到大范圍內(nèi)的覆蓋，但無法做到360度的無縫連接，同時(shí)追蹤運(yùn)動目標(biāo)還不能實(shí)現(xiàn)自動追蹤?，F(xiàn)有技術(shù)比較浪費(fèi)資源，耗費(fèi)大量的人力成本。

發(fā)明內(nèi)容
為了克服上述缺陷，本發(fā)明提供了一種基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法以及基于該背景建立方法的運(yùn)動物體檢測方法，本發(fā)明的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法以及運(yùn)動物體檢測方法可以有效地建立可靠的全景圖像背景及前景，不需要多攝像頭對各個(gè)區(qū)域進(jìn)行檢測，只需用一個(gè)旋轉(zhuǎn)攝像頭就可進(jìn)行區(qū)域內(nèi)360度全景檢測，所以本發(fā)明減少了顯示器的耗費(fèi)，同時(shí)自動視頻檢測可以使視頻監(jiān)控的效率更高。本發(fā)明為了解決其技術(shù)問題所采用的技術(shù)方案是一種基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，包括以下步驟I)特征點(diǎn)提取首先在尺度空間進(jìn)行特征檢測，并確定關(guān)鍵點(diǎn)的位置和關(guān)鍵點(diǎn)所處的尺度，然后使用關(guān)鍵點(diǎn)鄰域梯度的主方向作為該點(diǎn)的方向特征，以實(shí)現(xiàn)算子對尺度和方向的無關(guān)性；2)特征點(diǎn)匹配從多幅待匹配圖像中提取出對尺度縮放旋轉(zhuǎn)亮度變化無關(guān)的特征向量并進(jìn)行匹配，采用RANSAC算法進(jìn)行匹配點(diǎn)對提純，最后采用L-M算法優(yōu)化計(jì)算透視矩陣；3)圖片拼接根據(jù)圖像間透視矩陣，對相應(yīng)的圖像進(jìn)行交換以確定圖像間的重疊區(qū)域，并將待融合的圖像注冊到一幅新的空白圖像中形成拼接4)圖像融合旋轉(zhuǎn)攝像頭在拍攝照片時(shí)自動選擇曝光參數(shù)，從而使圖像間存在光度差異，導(dǎo)致拼接后的圖像縫合線兩端出現(xiàn)明顯的明暗變化，采用多分辨率紋理解決拼接縫問題。進(jìn)一步地說，在進(jìn)行步驟I)特征點(diǎn)提取之前，還需要對旋轉(zhuǎn)攝像頭采集到的實(shí)時(shí)圖片進(jìn)行柱面投影。所述柱面投影的算法是
權(quán)利要求
1.一種基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，其特征在于包括以下步驟 1)特征點(diǎn)提取首先在尺度空間進(jìn)行特征檢測，并確定關(guān)鍵點(diǎn)的位置和關(guān)鍵點(diǎn)所處的尺度，然后使用關(guān)鍵點(diǎn)鄰域梯度的主方向作為該點(diǎn)的方向特征，以實(shí)現(xiàn)算子對尺度和方向的無關(guān)性； 2)特征點(diǎn)匹配從多幅待匹配圖像中提取出對尺度縮放旋轉(zhuǎn)亮度變化無關(guān)的特征向量并進(jìn)行匹配，采用RANSAC算法進(jìn)行匹配點(diǎn)對提純，最后采用L-M算法優(yōu)化計(jì)算透視矩陣； 3)圖片拼接根據(jù)圖像間透視矩陣，對相應(yīng)的圖像進(jìn)行交換以確定圖像間的重疊區(qū)域，并將待融合的圖像注冊到一幅新的空白圖像中形成拼接圖； 4)圖像融合旋轉(zhuǎn)攝像頭在拍攝照片時(shí)自動選擇曝光參數(shù)，從而使圖像間存在光度差異，導(dǎo)致拼接后的圖像縫合線兩端出現(xiàn)明顯的明暗變化，采用多分辨率紋理解決拼接縫問題。
2.如權(quán)利要求1所述的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，其特征在于在進(jìn)行步驟I)特征點(diǎn)提取之前，還需要對旋轉(zhuǎn)攝像頭采集到的實(shí)時(shí)圖片進(jìn)行柱面投影。
3.如權(quán)利要求2所述的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，其特征在于所述柱面投影的算法是
4.如權(quán)利要求3所述的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，其特征在于為了得到更精確的(X O的顏色值，需要考慮到該點(diǎn)周圍16個(gè)相鄰點(diǎn)的顏色值對它的影響，利用三差值卷積來完成此步驟
5.如權(quán)利要求1所述的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，其特征在于步驟1)特征點(diǎn)提取的具體方法是檢測尺度空間極值初步確定關(guān)鍵點(diǎn)位置和所在尺度，通過擬合三維二次函數(shù)以精確確定關(guān)鍵點(diǎn)的位置和尺度，同時(shí)去除低對比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣相應(yīng)點(diǎn)，利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，生成本地特征點(diǎn)描述符。
6.如權(quán)利要求1所述的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，其特征在于步驟2)特征點(diǎn)匹配的具體方法是當(dāng)兩幅圖像的特征向量生成后，采用關(guān)鍵點(diǎn)特征向量的歐氏距離作為兩幅圖中關(guān)鍵點(diǎn)的相似性判定度量，取圖像a中的某個(gè)關(guān)鍵點(diǎn)，并找出其與圖像b中“歐氏距離”最近的前兩個(gè)關(guān)鍵點(diǎn)，在這兩個(gè)關(guān)鍵點(diǎn)中，如果最近的距離除以次近的距離少于某個(gè)比例閾值，則接受這一對匹配點(diǎn)；使用能夠迭代求精具有魯棒性的估算算法對粗略匹配點(diǎn)對進(jìn)行提純，提出偽匹配點(diǎn)， 給定N個(gè)數(shù)據(jù)點(diǎn)組成的數(shù)據(jù)集合P，假設(shè)它們中的絕大多數(shù)是由一個(gè)參數(shù)未知的特定模型產(chǎn)生，將下述過程運(yùn)行K次①將P中隨機(jī)選擇η個(gè)數(shù)據(jù)點(diǎn)的子集SI；②由選取的這η個(gè)數(shù)據(jù)點(diǎn)計(jì)算出一個(gè)模型M；③對數(shù)據(jù)集合中其與的Ν-η個(gè)數(shù)據(jù)點(diǎn)，計(jì)算出它們與模型M之間的距離，記錄在Ml的某個(gè)誤差允許范圍內(nèi)的P中數(shù)據(jù)點(diǎn)的個(gè)數(shù)count ；重復(fù)步驟① ③K次獲得最大count值得模型即為所求模型；為了去除匹配的特征點(diǎn)集中的誤匹配點(diǎn)對，采用RANSAC算法①從匹配的特征點(diǎn)對集中隨機(jī)選取4個(gè)特征點(diǎn)對；②判斷4個(gè)特征點(diǎn)對是否存在任意3點(diǎn)共線的情況，如果3點(diǎn)共線則執(zhí)行①，否則執(zhí)行③；③將選取的4個(gè)特征點(diǎn)對計(jì)算出坐標(biāo)變換矩陣H；④配準(zhǔn)誤差Dis:對匹配的特征點(diǎn)對集中的其它匹配特征點(diǎn)對，計(jì)算出它們與模型H之間的距離dis ；⑤設(shè)定一個(gè)距離閾值T，如果dis〈=T，則認(rèn)為特征點(diǎn)匹配對為內(nèi)點(diǎn)；重復(fù)① ⑤K次之后，內(nèi)點(diǎn)數(shù)最多，同時(shí)配準(zhǔn)誤差Dis最小的坐標(biāo)變換矩陣H即為所求的坐標(biāo)變換矩陣，其中配準(zhǔn)誤差公式為
7.如權(quán)利要求1所述的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法，其特征在于步驟4)圖像融合的具體方法是先將圖像分解為一組帶通圖像；然后在每一頻率帶內(nèi)使用不同的加權(quán)函數(shù)和拼接區(qū)域?qū)挾葘⒎纸獾膸▓D像拼接合成對應(yīng)的帶通圖，在每一個(gè)頻率帶內(nèi)，加權(quán)函數(shù)的系數(shù)和拼接區(qū)域?qū)挾仁怯蓛煞鶊D像在該頻率帶的差異決定的。
8.一種基于全景拼接的運(yùn)動物體檢測方法，其特征在于按下述步驟進(jìn)行 1)旋轉(zhuǎn)攝像頭的背景建立采用權(quán)利要求1至7中任一項(xiàng)所述的基于全景拼接的旋轉(zhuǎn)攝像頭背景建立方法； 2)運(yùn)動目標(biāo)檢測識別。
9.如權(quán)利要求8所述的基于全景拼接的運(yùn)動物體檢測方法，其特征在于步驟2)運(yùn)動目標(biāo)檢測識別的具體方法是首先把當(dāng)前幀的灰度圖像與背景做絕對值減法，可以得到一幅差值圖像，使用自適應(yīng)閾值T對得到的差值圖像做二值化處理，對二值圖像做一系列的處理，消除噪聲和背景擾動帶來的影響，此時(shí)得到圖像前景塊，對此前景塊進(jìn)行檢測，以判斷是否是目標(biāo)，其中自適應(yīng)閾值T的公式為
全文摘要
本發(fā)明公開了一種基于全景拼接的旋轉(zhuǎn)攝像頭背景建立法以及采用該背景建立方法的運(yùn)動物體檢測法，本發(fā)明的背景建立方法包括特征點(diǎn)提取、特征點(diǎn)匹配、圖片拼接及圖像融合，本發(fā)明是基于特征點(diǎn)匹配的圖像拼接方法，是一個(gè)對變化背景的運(yùn)動物體識別解決方案，在實(shí)際的視頻監(jiān)控、行為分析、電子警察的領(lǐng)域有廣闊的應(yīng)用，與現(xiàn)有技術(shù)相比，使用本發(fā)明的方法，用戶可以很好的解決當(dāng)前運(yùn)動物體識別中背景變化的難題；并且是基于穩(wěn)定特征點(diǎn)的匹配拼接，目標(biāo)物體可以精確識別；只需用一個(gè)旋轉(zhuǎn)攝像頭就可進(jìn)行區(qū)域內(nèi)360度全景檢測，所以本發(fā)明減少了顯示器的耗費(fèi)，同時(shí)自動視頻檢測可以使視頻監(jiān)控的效率更高。
文檔編號G06T7/20GK103020941SQ20121058401
公開日2013年4月3日 申請日期2012年12月28日 優(yōu)先權(quán)日2012年12月28日
發(fā)明者韓光, 李曉飛, 孫寧, 陳德印, 王鵬, 趙棲平 申請人:昆山市工業(yè)技術(shù)研究院有限責(zé)任公司