本發(fā)明具體涉及一種應用于圖像監(jiān)控的兩路視頻重合方法。
背景技術：
：在實際圖像監(jiān)控應用時，經(jīng)常遇到由相距很近的兩個或多個攝像頭對同一場景拍攝然后又需要將兩路圖像疊加在一起顯示的情況。由于兩路攝像機的鏡頭光路不重合，造成了所拍攝到的圖像不會完全相同：場景中的同一物體在各攝像機的像場中存在一個和拍攝距離相關的偏移量。由于此偏移量隨拍攝距離不同而不同所以無法通過簡單的圖像平移而完成重合?，F(xiàn)有技術可通過計算機分析所拍攝的圖像內容找出同幀圖像具有相同或相近的特征部分完成重合。但是，當不同的攝像機所拍攝的圖像是不同光學波長的圖像時，由于同一被攝影物體的光波隨波長不同而不同，而在拍攝到的圖像內容可能存在很大差異，采用上述方式計算重合可能就找不到相同的特征點了。技術實現(xiàn)要素：本發(fā)明的目的在于解決目前圖像監(jiān)控時，兩路攝像頭對同一場景拍攝的圖像由于光路不重合無法疊加在一起顯示的缺陷，提供一種兩路視頻重合方法，其利用激光測距或其它已知方式測得拍攝距離，然后根據(jù)已經(jīng)確定的不同攝像機鏡頭光軸的偏移量以及鏡頭的焦距數(shù)據(jù)計算出所拍攝圖像的偏移量完成圖像的疊合處理。本發(fā)明是通過如下技術方案來實現(xiàn)的：即一種兩路視頻重合方法，其特征在于步驟如下：1)對兩路攝像機鏡頭拍攝的靜態(tài)圖像進行處理，利用兩路攝像機鏡頭焦距數(shù)據(jù)獲得兩幅圖像對應視場角大小數(shù)據(jù)，利用兩路攝像機已知的鏡頭光軸偏移數(shù)據(jù)和激光測距獲得兩幅圖像中對應的圖像中心點及每幅圖像的四個邊角點坐標偏移數(shù)據(jù)坐標數(shù)據(jù)；2)將兩幅圖像平移變換，使其圖像中心點會聚在一起，通過激光測距的輔助，兩路攝像機鏡頭光軸的偏移量以及鏡頭的焦距數(shù)據(jù)分別獲得每幅圖像會聚后的四個邊角點的坐標數(shù)據(jù)和圖像的偏移量；3)根據(jù)坐標數(shù)據(jù)和圖像偏移量的變化，生成坐標數(shù)據(jù)和圖像偏移量曲線關系圖，利用曲線關系圖擬合曲線方程；4)兩路攝像頭鏡頭連續(xù)拍攝，隨著拍攝物距離的不斷變化，標定的邊角點的空間三維坐標發(fā)生變化，利用曲線方程獲得圖像的偏移量，并通過標定矩陣獲取矩陣數(shù)據(jù)，兩路攝像頭鏡頭拍攝的圖像進行實時處理，會聚成一路視頻。本發(fā)明使用DateFit、MatLab、Origin等擬合軟件來擬合曲線方程。本發(fā)明的原理如下：通過靜態(tài)的兩幅圖像的坐標變化和偏移量變化，得出每個邊角點的曲線關系圖，再擬合成曲線方程，然后再利用獲得的曲線方程去反推兩路攝像頭獲取的不斷變化的圖像的邊角點的偏移量，獲得矩陣數(shù)據(jù)，實時會聚成一路視頻。本發(fā)明的兩路攝像機鏡頭拍攝的圖像，基于灰度分布和形狀特征，快速標定圖像四個邊角點的空間三維坐標。本發(fā)明根據(jù)激光測距輔助，兩路攝像機鏡頭光軸的偏移量以及鏡頭的焦距數(shù)，據(jù)使檢測目標在空間內呈現(xiàn)不同的空間三維坐標，從而完成在復雜背景下針對多個疑似目標的自動檢測及目標識別。如果要建立從2D空間到3D空間的映射關系，兩視圖幾何作為立體圖像處理的數(shù)學基礎，是解決問題的根本。會聚成像系統(tǒng)的兩視圖幾何，會聚成像系統(tǒng)得到的圖像轉換為平行成像系統(tǒng)的圖像，即使對極線平行的過程叫圖像矯正，圖像矯正是圖像合成的一種有效的方法。兩系統(tǒng)拍攝的照片，上面疊加了對應點和他們的對極線。使用基礎矩陣，基礎矩陣是對極幾何的代數(shù)表示，即描述了攝像機在兩個不同位置拍攝同一場景所獲得的兩幅圖像的幾何關系，存在一個從一幅圖像上的點到另一幅圖像上與之對應的對極線的映射，基礎矩陣正是這個映射的本質?；A矩陣描述了兩幅圖像之間存在的基本幾何關系，對于平行系統(tǒng)，一場點在兩幅圖像上的投影只有水平差異，沒有垂直差異。計算矩陣的方法有很多種，本發(fā)明采用標定矩陣，根據(jù)拍攝物分別在兩路視頻輸入形成的圖像信息進行手動標定圖像四個點的坐標，根據(jù)紅外激光測距輔助，在不同距離獲得兩幅圖像不同的會聚的坐標。根據(jù)獲得的數(shù)據(jù)坐標，擬合每個邊角點的曲線方程。隨著拍攝物距離的不斷變化，標定的坐標發(fā)生變化。標定坐標的變化，導致基礎矩陣發(fā)生變化，獲取不同的矩陣數(shù)據(jù)，兩幅圖像進行實時處理，會聚成一副圖像。至此空間中拍攝物，在兩路攝像機距離不同的變化下，進行圖像合成。本發(fā)明具有圖像合成效果好的優(yōu)點。附圖說明圖1為兩路攝像機鏡頭正常拍攝的圖像；圖2為兩路圖像簡單重合的示意圖；圖3為兩路圖像平移變換后的示意圖；圖4為其中一個邊角點的坐標位移量和圖像偏移量的曲線關系圖；具體實施方式如圖1所示：對兩路攝像機鏡頭拍攝的圖像進行灰度處理，利用目標區(qū)域灰度直方圖分布特征對圖像進行分塊搜索，獲得兩幅圖像中對應的圖像中心點A點和B點，獲得每幅圖像的四個邊角點坐標數(shù)據(jù)；如圖2所示：將圖像1和圖像2簡單合成后會發(fā)現(xiàn)A點和B點并不能重合。如圖3所示：采用平移變化，將圖像1的A點和圖像2的B點會聚在一起，此時通過激光測距的輔助，兩路攝像機鏡頭光軸的偏移量以及鏡頭的焦距數(shù)據(jù)分別獲得每幅圖像會聚后的四個邊角點的坐標數(shù)據(jù)；f1(x)，f1’(x)，f2(x)，f2’(x)，f3(x)，f3’(x)，f4(x)，f4’(x)為圖像偏移量根據(jù)邊角點的空間位移量變化和圖像偏移量變化，得出其中每一個邊角點的坐標位移量和圖像偏移量的曲線關系圖(共8條)，下面為其中一個邊角點的空間位移量變化和圖像偏移量的具體數(shù)據(jù)，表格中X為空間位移變化，Y為圖像偏移量。根據(jù)上述變化得出的坐標位移量和圖像偏移量的曲線關系圖如圖4所示。通過8條曲線關系圖，利用DateFit擬合曲線方程，方程如下：通過曲線方程，即可根據(jù)坐標位移量算出四個邊角點的偏移量，并通過標定矩陣獲取3*3的變換矩陣數(shù)據(jù)0.99843752,-1.30158725e-015,1.03891722e-013-4.18242846e-016,0.99791664,-3.66217473e-0141.84504952e-017,1.55662603e-017,1]]>至此，兩路攝像機鏡頭不斷拍攝圖像，隨著拍攝物距離的不斷變化，標定的坐標發(fā)生變化。標定坐標的變化，導致基礎矩陣發(fā)生變化，獲取不同的矩陣數(shù)據(jù)，兩幅圖像進行實時處理，會聚成一路視頻。當前第1頁1 2 3