本發(fā)明涉及視頻GIS、公共安全和計算機圖形學等技術，具體涉及一種基于SIFT匹配的云臺相機姿態(tài)變化檢測方法。

背景技術：

隨著社會經(jīng)濟和科學技術的發(fā)展，近年來，人們對安全技術防范的要求越來越高。上個世紀八十年代末至今，隨著各種新型安保觀念的引入，數(shù)字視頻監(jiān)控系統(tǒng)在社會各行業(yè)、各部門的安全防范領域得到了廣泛應用，視頻監(jiān)控技術在公共安全領域發(fā)揮了重要作用(范建福.視頻監(jiān)控技術的現(xiàn)狀及發(fā)展[J].中國市場,2015,11:201-202.)。

隨著攝像機技術的發(fā)展，視頻監(jiān)控系統(tǒng)所采用的監(jiān)控攝像頭由模擬攝像頭向數(shù)字攝像頭轉(zhuǎn)變，現(xiàn)在的視頻監(jiān)控系統(tǒng)中基本都采用高清晰度的數(shù)字攝像頭。目前的視頻監(jiān)控系統(tǒng)多采用一個固定的攝像頭對某個場景進行監(jiān)控。對于范圍較大的區(qū)域，如機場、海關、廣場、火車站等，單個攝像頭往往無法覆蓋整個區(qū)域(楊建國.論視頻監(jiān)控的犯罪預防功能及犯罪偵查價值[J].犯罪研究,2011,01:64-74.)。在實際應用中，可以采用兩種方法解決大范圍的視頻監(jiān)控問題：一種方法是利用多個固定的攝像頭覆蓋整個監(jiān)控區(qū)域；另一種方法是利用一個安裝在固定云臺上的、可以按照控制指令左右上下轉(zhuǎn)動的云臺相機來監(jiān)控整個區(qū)域，該云臺相機在監(jiān)控區(qū)域內(nèi)按照控制指令轉(zhuǎn)動、重復掃描。與第一種方法中的固定攝像頭相比，云臺相機可以按照控制指令靈活轉(zhuǎn)動，可以覆蓋更大的區(qū)域，是當前視頻監(jiān)控系統(tǒng)中廣泛采用的主流攝像頭。

云臺相機可以按照控制指令靈活轉(zhuǎn)動，但也會因為人為因素或自然因素，導致相機姿態(tài)發(fā)生變化，相機的覆蓋區(qū)域發(fā)生改變，造成監(jiān)控盲區(qū)。視頻監(jiān)控技術在公共安全領域的廣泛應用帶來了監(jiān)控攝像頭數(shù)量迅猛增長，如果云臺相機姿態(tài)發(fā)生變化時，這么多攝像頭僅僅依靠人工檢測，管理部門不可能做到及時發(fā)現(xiàn)，進行檢修。

確定相機姿態(tài)變化，可以通過攝像機標定技術準確求解，相機標定可以得到相機的旋轉(zhuǎn)角、俯仰角。然而傳統(tǒng)的相機標定方法需要利用特定的標定塊，在實際使用過程中，常需要重復定標，既不經(jīng)濟也費時，標定的精度也依賴于定標的精確程度。依賴于固定標志物的傳統(tǒng)標定方法難以適用于云臺相機的自動化標定，自標定方法不失為一種選擇，它不需要標定塊，僅需要不同視角下的一系列圖像，但是要求這一系列圖像中具有相同的特征點，并構(gòu)建這些特征點在不同圖像中的對應關系，要求極高的圖像識別技術，實現(xiàn)困難。

總之，隨著視頻監(jiān)控系統(tǒng)在社會公共安全領域中發(fā)揮越來越重要的作用，云臺相機廣泛應用，及時檢測到云臺相機姿態(tài)發(fā)生變化，是及時檢修、并確保社會公共安全的前提。但是現(xiàn)有的傳統(tǒng)的相機標定方法和自標定方法并不能十分恰當?shù)貞糜谠婆_相機姿態(tài)變化檢測。

技術實現(xiàn)要素：

發(fā)明目的：本發(fā)明的目的在于解決現(xiàn)有技術中存在的不足，提供一種基于SIFT匹配的云臺相機姿態(tài)變化檢測方法，本發(fā)明基于云臺相機拍攝的兩張圖像和SIFT匹配算法，確定云臺相機姿態(tài)變化，從而解決自動檢測云臺相機姿態(tài)變化的問題。

技術方案：本發(fā)明一種基于SIFT匹配的云臺相機姿態(tài)變化檢測方法，依次包括以下步驟：

(1)圖像提?。簭脑婆_相機拍攝的視頻中提取兩幀圖像；

(2)SIFT匹配：對步驟(1)中提取的兩幀圖像進行SIFT匹配；

(3)求距離圖像中心最近匹配點對：根據(jù)SIFT匹配結(jié)果，計算離圖像中心最近匹配點對在兩張圖像中的坐標；

(4)計算行向相對偏移量dr和列向相對偏移量dc；

(5)確定云臺相機的姿態(tài)變化程度，根據(jù)相對偏移量dr和dc，確定相機姿態(tài)變化程度。

進一步的，所述步驟(1)具體方法為：從待檢測的云臺相機拍攝的視頻中，提取某兩個時刻該相機拍攝的兩幀圖像；其中，兩幀圖像的來源是為：云臺相機拍攝并存儲在磁盤等外部存儲設備上的歷史視頻，或者是云臺相機實時拍攝的兩個連續(xù)時刻的圖像。

進一步的，所述步驟(2)具體方法為：利用計算機視覺中的SIFT匹配算法，對步驟(1)中提取的兩幀圖像做匹配，尋找兩張圖像中的對應點對以及對應點分別在兩張圖像中的圖像坐標；其中，同一空間目標點在兩張圖像中的像點，即為一組對應點。

進一步的，所述步驟(3)具體過程是：假設兩張圖像的分辨率都為hr×hc，hr為圖像行向像素，hc為圖像列向像素，則第一張圖像中心點在圖像坐標系中的坐標為O(hr/2，hc/2)，根據(jù)步驟(2)中SIFT匹配的結(jié)果，找到匹配點對中距離第一張圖像中心O最近點P₁(r₁，c₁)，及P₁在第二張圖像中的對應點P₂(r₂，c₂)。

進一步的，所述步驟(4)具體包括：根據(jù)匹配點對P₁(r₁，c₁)和P₂(r₂，c₂)計算相機相對偏移量，行向相對偏移量dr＝r₂-r₁，列向相對偏移量dc＝c₂-c₁。

進一步的，所述步驟(5)中，根據(jù)相對偏移量dr和dc的正負號及數(shù)值大小來確定云臺相機姿態(tài)的變化的具體過程為：

dr的符號表征在拍攝第二張圖片時，相對于拍攝第一張圖像的時刻，相機在豎直方向上的俯仰方向是向上還是向下，dc的數(shù)值表征俯仰程度的大??；dc的符號表征在拍攝第二張圖片時，相對于拍攝第一張圖像的時刻，相機在水平方向上偏移方向是向左還是向右，dr的數(shù)值表征偏移程度的大??；比值2*dr/hr定量表征云臺相機在拍攝第二張圖像時，相對于拍攝第一張圖像的時刻，相機在豎直方向上偏移量大??；比值2*dc/hc定量表征云臺相機在拍攝第二張圖像時，相對于拍攝第一張圖像的時刻，相機在水平方向上俯仰程度大??；2*dr/hr和2*dc/hc的比值越接近1，偏移程度越大；2*dr/hr和2*dc/hc的比值為0時，相對偏移量為0，則相機無偏移；

其中，圖像的分辨率為hr×hc，hr為圖像行向像素，hc為圖像列向像素。

有益效果：本發(fā)明只從相機拍攝的視頻中提取圖像，基于SIFT匹配和計算水平方向及豎直方向上的偏移量，從而確定相機姿態(tài)的變化，該確定過程中輸入數(shù)據(jù)只有相機拍攝的兩幀視頻，整個過程完全實現(xiàn)了自動操控，無需人工干預就可確定相機偏移程。

附圖說明

圖1為實施例1的流程圖；

圖2為實施例1中圖像提取結(jié)果示意圖；

圖3為實施例1中SIFT匹配結(jié)果示意圖。

具體實施方式

下面對本發(fā)明技術方案進行詳細說明，但是本發(fā)明的保護范圍不局限于所述實施例。

為便于進一步理解本發(fā)明，此處作以下說明：

SIFT(Scale-invariant feature transform，尺度不變特征轉(zhuǎn)換)匹配，是指David Lowe于1999年提出、2004年完善總結(jié)的一種計算機視覺的算法。SIFT特征匹配算法可以處理兩幅圖像之間發(fā)生平移、旋轉(zhuǎn)、仿射變換情況下的匹配問題，具有很強的匹配能力。該算法主要包括兩個階段：第一個階段是SIFT特征的生成，SIFT特征是基于物體上的一些局部外觀的興趣點而與影像的大小和旋轉(zhuǎn)無關；第二階段是SIFT特征向量的匹配，特征點向量相似的SIFT特征匹配到一起。

對應點是指，因云臺相機姿態(tài)可能變化，拍攝的兩張圖像中，同一空間目標點在圖像中的像點及像點位置(圖像坐標)不同，但它們對應于同一個空間目標，這樣的點就稱為對應點。

實施例1：

如圖1所示，實施例1的一種基于SIFT匹配的云臺相機姿態(tài)變化檢測方法，依次包括以下步驟：

(1)如圖2所示，從待檢測的云臺相機拍攝的視頻中，提取某兩個時刻該相機拍攝的兩幀圖像；其中，兩幀圖像的來源是為：云臺相機拍攝并存儲在磁盤等外部存儲設備上的歷史視頻，或者是云臺相機實時拍攝的兩個連續(xù)時刻的圖像；

(2)SIFT匹配：利用計算機視覺中的SIFT匹配算法，對步驟(1)中提取的兩幀圖像做匹配，尋找兩張圖像中的對應點對以及對應點分別在兩張圖像中的圖像坐標，匹配結(jié)果如圖3所示；

(3)求距離圖像中心最近匹配點對：本實施例中，兩張圖像的分辨率都為720×405，720為圖像行向像素，405為圖像列向像素，則第一張圖像中心點在圖像坐標系中的坐標為O(360，202.5)，根據(jù)步驟(2)中SIFT匹配的結(jié)果，找到匹配點對中距離第一張圖像中心O最近點P₁(211，423)，及P₁在第二張圖像中的對應點P₂(217，276)；

(4)根據(jù)匹配點對P₁和P₂計算相機相對偏移量，行向相對偏移量dr＝r₂-r₁＝6，列向相對偏移量dc＝c₂-c₁＝-147

(5)根據(jù)相對偏移量dr和dc的正負號及數(shù)值大小來確定云臺相機姿態(tài)的變化：本實施例中，dr>0，相機在豎直方向上向上偏移；dc<0，相機在水平方向上向右偏移；2*dr/hr＝2*6/405＝0.0296，相機在豎直方向上偏移很??；2*dc/hc＝2*(-147)/720＝-0.4083，相機在水平方向偏移較大。

這一結(jié)果可以從提取的兩張圖像中直觀地驗證。

實施例1的結(jié)果，進一步表明本發(fā)明只需要利用從PTZ相機拍攝的視頻中提取的兩幀圖像作為輸入數(shù)據(jù)，就可以計算任意兩個時刻，PTZ相機相對姿態(tài)變化程度，整個過程都實現(xiàn)了自動計算，無需人工干預，對于數(shù)量巨大的監(jiān)控攝像頭，本發(fā)明可解決自動實時檢測的問題。