论文部分内容阅读
智能视频监控中,随着监控场景复杂度的增加,基于二维图像的运动目标跟踪已不能满足连续可靠跟踪的需求。由于摄像机获取的每幅图像受到其位置和方向、以及周围环境条件等多种因素的影响,即使对同一场景不同的摄像机获得的图像也不尽相同。在进行多摄像机的目标匹配跟踪中最为可靠的特征就是它的三维空间坐标。因此,运动目标在三维空间的定位技术成为多摄像机系统中目标跟踪的关键技术之一,其研究正受到研究人员越来越广泛的关注。本文研究在对运动目标准确检测的基础上,通过摄像机标定技术,建立统一的世界坐标系,然后根据摄像机的位置关系和投影矩阵实现运动目标空间位置上的准确定位。本文主要研究了两种类别的空间定位的方法——空间相对位置的定位和空间绝对位置的定位,并且提出了完整的优化算法。本文的主要工作和创新点如下:(1)在基本矩阵优化计算中,采用Surf算法提取特征点,然后进行三级特征点匹配剔除误匹配点计算两个摄像机之间的基础矩阵。即首先利用特征点最近距离与次近距离的比为准则进行初级匹配;然后统计初级匹配点对的主方向差值的直方图,对应直方图最大值的Bin周围10%的范围认为是匹配点对;最后采用LMeds方法对中级匹配点对进行鲁棒性匹配得到鲁棒的匹配点对,用于计算基本矩阵。(2)在计算运动目标的三维空间相对坐标中,研究了摄像机自标定方法。针对Kruppa方程提出了基于粒子群优化算法和遗传算法的混合优化算法求出摄像机内参数的方法;利用基础矩阵和本质矩阵分解计算两个摄像机之间的位置关系并确定摄像机的外参数的符号,由计算的摄像机内外参数得到投影矩阵。最后利用空间中已知的两点之间的距离计算比例因子,通过投影矩阵和目标图像坐标位置,由三角形定位原理计算出的运动目标空间三维坐标。(3)在计算运动目标的三维空间绝对坐标中,研究了摄像机基于标定物的标定方法。首先利用平面模板标定方法计算主点坐标和纵横比,然后采用Tsai的摄像机模型,引入GPS建立世界坐标系。通过携带GPS接收器测得五个或五个以上运动目标的三维坐标,及图像中相应点的二维坐标,进行摄像机标定,并计算其投影矩阵;为了得到精确的标定参数,利用初次得到的投影矩阵将三维空间坐标投影到二维图像坐标与真实二维图像坐标的差值,通过迭代优化求得更为精确的摄相机参数。最后利用反投影矩阵和需要定位的运动目标图像坐标计算运动目标的三维空间绝对坐标位置。论文通过多个监控视频序列对所提算法进行了仿真实验。实验结果表明,所提出的基础矩阵优化算法可以得到较准确的估计结果,而相对空间坐标和绝对空间坐标下的目标空间定位算法的误差也在一定的误差范围内,说明了本文所提各算法的有效性和可行性。论文最后对全文工作进行了总结,并且对今后的研究方向进行了展望。