。二max{ Ot，t}表示，則目標丟失判斷式為
其 中gs為人為設定的判失閥值;當U = I時目標被穩(wěn)定跟蹤，當U = O時，目標丟失；
[0140] 當目標丟失時，定義仿射變換模型：
其中（xt，yt)和(xt-i，yt-i)分別為當前帖目標中某個SITF特征點的位置坐標和前一個帖目標 中對應匹配特征點的位置坐標，兩者均為已知量;S為尺度系數，0為旋轉系數，e和f代表了 平移系數，
'為溫度旋轉修正系數，
為溫度平移修正系數，化和化用于修正因為環(huán)境溫度偏差造成的圖像旋轉和平移誤差，I'd為 人為設定的標準溫度，設為20度，T為由溫度傳感器實時監(jiān)測得到的溫度值;采用Ransac估 計算法求取仿射變換模型的參數，最后在新的尺度S和旋轉系數0下采集正負樣本，更新分 類器；
[0141] 更新子模塊23,用于視覺字典的更新：
[0142] 在每帖圖像獲得目標位置W后，根據仿射變換參數的計算結果，收集所有滿足結 果參數的SIFT特征點扶;爲=1，經過F = 7帖W后，獲得新的特征點集備據苗，其中St-F代表 了從F帖圖像中得到的總特征點數；利用下式對新舊特征點重新進行K聚類：拘始=J.二
其中{巧巧=1表示新的視覺字典，視覺字典的大小保 持不變；巧G陽y是遺忘因子，表明了舊字典所占的比重，巧§小，新特征對目標丟失的判 斷貢獻越多，取
[0143] (3)識別輸出模塊3,用于圖像的識別和輸出：在待識別的圖像序列中利用跟蹤算 法獲取目標區(qū)域，將目標區(qū)域映射到已知訓練數據形成的子空間，計算子空間中目標區(qū)域 與訓練數據之間的距離，獲得相似性度量，判定目標類別，并輸出識別結果。
[0144] 優(yōu)選的，采用維納濾波來進行一級濾除后，此時圖像信息還包含有殘余的噪音，采 用W下的二級濾波器進行二次濾波：
[0145]
[0146] 其中，J(X，y)為經過濾波后的圖像;Pg(x+i，y+j)代表尺度為m X n的函數，且Pg(X+ i，y+j)=qXe邱(-(x2+y2)/?)，其中q是將函數歸一化的系數，即 JJqXe邱(-(x2+y2)/?) dxdy=1O
[0147] 此實施例的服務器機柜室，在圖像預處理階段，增強的圖像能夠根據模板的大小 自適應調整，提高增強效果，且在在不同模板大小時判斷條件能自動修正，且考慮了視覺習 慣W及人眼對不同色彩的感知度同色彩強度的非線性關系；充分利用了圖像的局部特征和 全局特征，具有自適應性，可W抑制過度增強，對復雜光照環(huán)境下獲取的圖像增強效果明 顯;將MXN個幕指數運算降低為256個，提高了計算效率，Z = 8，F = 7,巧-=0.20,計算平均帖率 為19FPS，計算量小于同類型的字典算法;在目標檢測和跟蹤階段，能夠消除不同溫度導致 圖像的旋轉和平移造成的誤差，提高識別率，經處理后的圖像細節(jié)更加清晰，且計算量相對 于傳統方法大幅度減少，能夠有效適應目標尺度變化，并能夠準確判定目標是否發(fā)生丟失， 在目標重新回到視場后能夠被重新檢測并穩(wěn)定跟蹤，直至130帖后仍能穩(wěn)定跟蹤目標。此 夕h該服務器機柜室具有實時性好、定位準確和魯棒性強的優(yōu)點，且在快速有遮擋的目標檢 測和跟蹤方面有很好的效果，取得了意想不到的效果。
【主權項】
1. 一種可增強對比度的服務器機柜室，包括服務器機柜室和安裝在服務器機柜室墻體 上的監(jiān)測裝置，監(jiān)測裝置用于對服務器機柜室內的活動進行視頻圖像監(jiān)測，其特征是，監(jiān)測 裝置包括預處理模塊、檢測跟蹤模塊、識別輸出模塊； (1) 預處理模塊，用于對接收到的圖像進行預處理，具體包括圖像轉化子模塊、圖像濾 波子模塊和圖像增強子模塊： 圖像轉化子模塊，用于將彩色圖像轉化為灰度圖像：其中，1?(1，7)、6(1，7)、8(1，7)分別代表像素(1，7)處的紅綠藍強度值，!1(1，7)代表坐標 (x，y)處的像素灰度值;圖像大小為mXn; 圖像濾波子模塊，用于對灰度圖像進行濾波： 采用維納濾波來進行一級濾除后，定義svlm圖像，記為Msvim(x，y)，具體定義公式為： Msvim(x，y) = aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中ai、a2、a3、a4為可變權值， α?=丨1+丨= 1，2,3,4;J(x，y)為經濾波后的圖像； 圖像增強子模塊： 蘭丨丨128 - m| > Vb - 50|時，L(x,y) = 255 x 其中，L(x，y)為增強后的灰 度值;Φ(Χ，7)是包含有局部信息的伽馬校正系數，此時；1 〇t,y) = /28_W^mfcy))，a是范圍為 〇到1的可變參數，α=1 - |^|;ω為模板尺度大小參量，尺度越大則模板中包含的鄰域 像素信息就越多，輸入圖像經過不同尺度ω,的模板，得到的圖像心將會包含不同范圍的鄰 域信息； 當丨 128 - ra| S \?\ω-50\ 且 ω > 5 0 時，啦,y) = 255 x (D * (X'y)X(1_j)，其中也 (X，y)=^(Msvlm(x，y))，a=l-|^^p^|， mH是圖像中灰度值高于128的所有像素的 均值，mL是灰度值低于128的所有像素的均值，且此時m = min(mH，mL)，在α值已知的情況下， 計算出256個Φ校正系數作為查找表，記為{ Φ 其中i為索引值，利用Msvlm(X，y)的灰 度值作為索引，根據扒^7)=札(18^(^7))快速獲得圖像中每個像素的伽馬校正系數扒^ y);l_^為模板修正系數； (2) 檢測跟蹤模塊，具體包括構建子模塊、丟失判別子模塊和更新子模塊： 構建子模塊，用于視覺字典的構建： 在初始幀獲取跟蹤目標的位置和尺度，在其周圍選取正負樣本訓練跟蹤器，將跟蹤結 果作為訓練集X = {XI，X2，......χΝ}τ;并對訓練集中的每幅目標圖像提取128維的SIFT特征 ?/rff，其中St表示訓練集中第t幅目標圖像中SIFT特征的個數;跟蹤N幀以后，通過聚類 v )m=± 算法將這些特征劃分為κ個簇，每個簇的中心構成特征單詞，記為能夠提取到的特 征總量％ = ΣΙΑ-，其中k<<fn，且κ 視覺字典構建好以后，每幅訓練圖像表 示為特征包的形式，用于表示視覺字典中特征單詞出現的頻率，用直方圖h(xt)表示，h(xt) 通過以下方式獲取:將一幅訓練圖像xt中的每一個特征fs(t)向視覺字典投影，用投影距離最 短的特征單詞表示該特征，對所有特征投影完畢后，統計每個特征單詞的出現頻率，并歸一 化得到訓練圖像x t的特征直方圖h(xt); 丟失判別子模塊，用于判別目標的丟失與否： 當新一幀圖像到來時，從K個直方圖柱中隨機選取Ζ<Κ個直方圖柱，且Z = 4,形成新的 大小為Z的子直方圖h(z)(Xt)，子直方圖的個數最多為紙=個:計筧候詵目標岡域和訓練 集中某個目標區(qū)域對應子直方圖的相似性Φ?_ζ，；中〖=1， 2，...，N，z = l，2，...，NS，然后計算總體相似性C>t=l- Π Z(l-C>t_z);候選目標區(qū)域與目標 的相似性用Φ =max{ C>t，t}表示，則目標丟失判斷式為：i中 gs為人為設定的判失閥值；當u=l時目標被穩(wěn)定跟蹤，當u = 0時，目標去失；當目標去失時， 定義仿射變換模型，其中（xt，yt)和（xt-i， yt-i)分別為當前幀目標中某個SITF特征點的位置坐標和前一個幀目標中對應匹配特征點 的位置坐標，兩者均為已知量；s為尺度系數，Θ為旋轉系數，e和f代表了平移系數，%溫度旋轉修正系數，i纟溫度 平移修正系數，μ#Ρμ2用于修正因為環(huán)境溫度偏差造成的圖像旋轉和平移誤差，To為人為設 定的標準溫度，設為20度，T為由溫度傳感器實時監(jiān)測得到的溫度值;采用Ransac估計算法 求取仿射變換模型的參數，最后在新的尺度s和旋轉系數Θ下采集正負樣本，更新分類器； 更新子模塊，用于視覺字典的更新： 在每幀圖像獲得目標位置以后，根據仿射變換參數的計算結果，收集所有滿足結果參 數的SI FT特征點i，經過F = 3幀以后，獲得新的特征點集{/ig j，其中St-F代表了從F 幀圖像中得到的總特征點數；利用下式對新舊特征點重新進行K聚類：{C(}f=1 = 其中{di表示新的視覺字典，視覺字典的大小保 持不變；φ e [0,1]是遺忘因子，表明了舊字典所占的比重，φ越小，新特征對目標丟失的判 斷貢獻越多，取<Ρ=〇.12; (3)識別輸出模塊，用于圖像的識別和輸出：在待識別的圖像序列中利用跟蹤算法獲取 目標區(qū)域，將目標區(qū)域映射到已知訓練數據形成的子空間，計算子空間中目標區(qū)域與訓練 數據之間的距離，獲得相似性度量，判定目標類別，并輸出識別結果。2.根據權利要求1所述的一種可增強對比度的服務器機柜室，其特征是，采用維納濾波 來進行一級濾除后，此時圖像信息還包含有殘余的噪音，采用以下的二級濾波器進行二次 濾波：其中，J(x，y)為經過濾波后的圖像;Pg(x+i，y+j)代表尺度為mXn的函數，且Pg(x+i，y+ j) = qXexp(_(x2+y2)/〇 )，其中q是將函數歸一化的系數，即:JJqXexp(_(x2+y2)/ω )dxdy =1〇
【專利摘要】本發(fā)明公開了一種可增強對比度的服務器機柜室，包括服務器機柜室和安裝在服務器機柜室墻體上的監(jiān)控裝置，監(jiān)控裝置具體包括預處理模塊、檢測跟蹤模塊、識別輸出模塊，其中預處理模塊包含圖像轉化、圖像濾波、圖像增強三個子模塊，檢測跟蹤模塊包含構建、丟失判別、更新三個子模塊。本服務器機柜室將視頻圖像技術運用在服務器機柜室上，能有效監(jiān)控記錄對文物的惡意破壞行為，具有實時性好、定位準確、自適應能力強、圖像細節(jié)保留完整和魯棒性強等優(yōu)點。
【IPC分類】G06K9/62, G06K9/54, G06K9/00
【公開號】CN105718891
【申請?zhí)枴緾N201610045692
【發(fā)明人】孟玲
【申請人】孟玲
【公開日】2016年6月29日
【申請日】2016年1月22日