一种基于摄像机网络的室内单目标定位方法技术

本发明专利技术公开了一种基于摄像机网络的室内单目标定位方法，属于室内目标定位技术领域，包括以下步骤：首先，采用基于特征点识别的方法完成摄像机映射关系建模；其次，采用基于图像块相关性的方法判断视频中是否存在运动目标；第三，采用基于序列遗传算法的目标跟踪方法实现视频中的目标跟踪；最后，根据目标跟踪结果计算目标的图像坐标，并利用摄像机映射关系计算目标的物理坐标，完成目标定位。本发明专利技术基于摄像机网络的室内单目标定位方法具有实现成本低、定位精度高、运行稳定等特点。在室内导航、安全监控、基于位置的服务等领域具有广阔的应用前景。

【技术实现步骤摘要】
一种基于摄像机网络的室内单目标定位方法
本专利技术涉及的是一种室内定位
的方法，特别是一种基于摄像机网络的室内单目标定位方法。
技术介绍
室内定位是指定在建筑物和封闭的环境内定位和跟踪目标的技术，其在室内导航、安全监控、基于位置的服务、医疗监护等领域具有重要应用。近年来，随着移动互联网迅速发展，数据和多媒体业务快速增加，人们对于室内定位的需求日益增加。实现低成本且高精度的室内定位，具有非常重要的现实意义。根据使用的无线通信技术不同，目前室内定位技术主要包括超声波、红外线、超宽带、射频识别等四类。超声波定位技术可以实现全方位定位，但超声波容易受到空气密度、温度等因素影响，产生较大的误差；红外线技术具有相对较高的室内定位精度,但红外线只适合短距离传播，且容易被荧光灯或房间内的灯光干扰，在精确定位上有局限性；超宽带技术具有对信道衰落不敏感、安全性高、测距精度高等优点，但实现超宽带通信需要特制的射频器件，成本昂贵；射频识别技术的优点是标签的体积小、成本低，但该技术的定位精度不高，不适用于需要精确位置信息的应用场景。实现成本低、可靠性高的室内定位成为需要迫切解决的问题。随着摄像机硬件技术和计算机视觉技术的发展，基于摄像机的室内定位技术研究取得进展。相对于无线通信技术方法，基于摄像机的目标定位方法具备立体图像信息量大、判断精度较高、成本较低等特点。目前基于摄像机的室内目标定位方法主要包括基于单摄像机的目标定位和基于多摄像机的目标定位两类。(1)基于单摄像机的目标定位通过目标检测识别的方法寻找目标在图像平面中的位置和尺寸大小,目标位置可以用目标的中心位置表示。Hakan和Kemal借助目标的高度信息，基于单目视觉成像模型，利用单摄像机实现对目标的定位(文献1.HakanOztarak,KemalAkkaya,AdnanYazici.Lightweightobjectlocalizationwithasinglecamerainwirelessmultimediasensornetworks.IEEEGlobalTelecommunicationsConference.Honolulu,Hl,USA,2009:649-654.)。该类方法定位精度低，难以准确获取目标的实际物理位置，且无法实现目标位置的连续定位，无法满足实际应用需求。(2)基于多摄像机的目标定位方法根据目标与摄像机之间的角度关系、摄像机之间的标定关系和相对位置，通过融合多个摄像机之间的定位结果得到目标在公共平面的位置信息。Sharif和Jeoti提出利用3个以上的节点通过成像模型对目标进行测距，然后通过三边或多变进行定位(文献2.SharifSAM,JeotiV.Videowirelesssensornetwork:co-operativevisionbasedlocalizationmethod.ProceedingsoftheSecondAsiaInternationalConferenceonModeling&Simulation.Lumpur，Malaysia，2008:570-573)得到目标位置。Liu和Ma利用多个节点之间的互信息对目标实现定位(文献3.LiuLiang,MaHuadong,ZhangXi.Collaborativetargetlocalizationincamerasensornetworks.IEEEWirelessCommunicationsandNetworkingConference.LasVegas,USA,2008:2403-2407)。但该类方法需要准确的摄像机标定，常由于标定误差导致几何计算无解，系统稳定性差。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于摄像机网络的室内单目标定位方法，从而实现单目标室内连续稳定跟踪。为了解决上述技术问题，本专利技术公开了基于摄像机网络的室内单目标定位方法，包括以下步骤：步骤1，摄像机映射关系建模：采用基于特征点识别的摄像机映射关系建模方法，建立摄像机网络中C个摄像机的映射关系模型，C取值为自然数；步骤2，视频采集：采集摄像机网络中C个摄像机的视频Vc，c＝1,2,...,C；步骤3，目标发现：采用基于图像块相关性的目标检测方法，对采集得到的C个视频进行目标检测，如果有目标则执行步骤4，否则返回步骤2；步骤4，摄像机选择：在发现目标的视频中，选择目标面积最大的视频VT作为目标定位使用的视频，1≤T≤C；步骤5，目标跟踪：采用基于序列遗传算法的目标跟踪方法实现视频VT中的目标跟踪；步骤6，特征点计算：根据目标跟踪的结果，计算目标的图像坐标；步骤7，目标定位：根据目标的图像坐标，利用摄像机映射关系模型计算目标的物理坐标，并在物理平面图上完成目标标绘；步骤8，摄像机切换：执行摄像机切换判断，当不需要切换摄像机时执行步骤9，否则返回步骤2；步骤9，读取视频的下一帧。步骤1中基于特征点识别的摄像机映射关系建模方法的步骤为：步骤1-1，对于摄像机网络中的摄像机c，选择其采集的视频Vc中的初始帧图像采用SIFT算法检测中的尺度空间极值点，并通过拟和三维二次函数定位极值点，获得每个极值点的图像坐标；步骤1-2，从以上极值点中选择地平面上不处于一条直线的4个点p1，p2，p3，p4作为图像特征点，其图像坐标分别为(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)；步骤1-3，根据图像特征点坐标，在物理平面图中标定其对应的点P1，P2，P3，P4，其物理坐标分别为(X1,Y1,Z1)，(X2,Y2,Z2)，(X3,Y3,Z3)，(X4,Y4,Z4)；步骤1-4，利用图像坐标(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)和对应的物理坐标(X1,Y1,Z1)，(X2,Y2,Z2)，(X3,Y3,Z3)，(X4,Y4,Z4)，基于摄像机透视投影模型，建立图像坐标到物理坐标的映射关系模型Lc；步骤1-5，对摄像机网络中的每个摄像机c都执行步骤1-1至步骤1-4，得到映射关系模型Lc，c＝1,2,...,C，完成C个摄像机的映射关系建模。步骤3中基于图像块相关性的目标检测方法的步骤为：步骤3-1，对视频Vc的连续两帧图像和计算像素点(x,y)所在的图像块的相关性：式中(x,y)表示图像中像素的坐标，和分别表示第t-1帧和第t帧图像中坐标(x,y)处像素的灰度值；和表示像素(x,y)在图像和中所在的像素块的宽度，W为像素块的宽度，取值范围为4～10；m[]表示表示对像素块中的所有像素的灰度值求均值；v[]表示对像素块中的所有像素的灰度值求方差；步骤3-2，如果则判定像素点(x,y)是静态的点，否则判定像素点(x,y)是运动的点，其中，σ0为相关性阈值，取值范围为0.8～0.95；步骤3-3，统计运动的像素点的个数NS，如果NS＞N0，则认为图像中存在目标；否则认为图像中不存在目标，其中，N0为目标临界阈值，取值为|A*B|为图像的像素点个数，A*B为图像分辨率。步骤5中基于序列遗传算法的目标跟踪方法的步骤为：步骤5-1，初始化：根据目标检测结果，计算视频VT初始帧图像中运动像素点的外接矩形，记为((xa,0,ya,0),(本文档来自技高网...

【技术保护点】
一种基于摄像机网络的室内单目标定位方法，其特征在于，包括以下步骤：步骤1，摄像机映射关系建模：采用基于特征点识别的摄像机映射关系建模方法，建立摄像机网络中C个摄像机的映射关系模型，C取值为自然数；步骤2，视频采集：采集摄像机网络中C个摄像机的视频Vc，c＝1,2,...,C；步骤3，目标发现：采用基于图像块相关性的目标检测方法，对采集得到的C个视频进行目标检测，如果有目标则执行步骤4，否则返回步骤2；步骤4，摄像机选择：在发现目标的视频中，选择目标面积最大的视频VT作为目标定位使用的视频，1≤T≤C；步骤5，目标跟踪：采用基于序列遗传算法的目标跟踪方法实现视频VT中的目标跟踪；步骤6，特征点计算：根据目标跟踪的结果，计算目标的图像坐标；步骤7，目标定位：根据目标的图像坐标，利用摄像机映射关系模型计算目标的物理坐标，并在物理平面图上完成目标标绘；步骤8，摄像机切换：执行摄像机切换判断，当不需要切换摄像机时执行步骤9，否则返回步骤2；步骤9，读取视频的下一帧。

【技术特征摘要】
1.一种基于摄像机网络的室内单目标定位方法，其特征在于，包括以下步骤：步骤1，摄像机映射关系建模：采用基于特征点识别的摄像机映射关系建模方法，建立摄像机网络中C个摄像机的映射关系模型，C取值为自然数；步骤2，视频采集：采集摄像机网络中C个摄像机的视频Vc，c＝1,2,...,C；步骤3，目标发现：采用基于图像块相关性的目标检测方法，对采集得到的C个视频进行目标检测，如果有目标则执行步骤4，否则返回步骤2；步骤4，摄像机选择：在发现目标的视频中，选择目标面积最大的视频VT作为目标定位使用的视频，1≤T≤C；步骤5，目标跟踪：采用基于序列遗传算法的目标跟踪方法实现视频VT中的目标跟踪；步骤6，特征点计算：根据目标跟踪的结果，计算目标的图像坐标；步骤7，目标定位：根据目标的图像坐标，利用摄像机映射关系模型计算目标的物理坐标，并在物理平面图上完成目标标绘；步骤8，摄像机切换：执行摄像机切换判断，当不需要切换摄像机时执行步骤9，否则返回步骤2；步骤9，读取视频的下一帧；步骤1中基于特征点识别的摄像机映射关系建模方法的步骤为：步骤1-1，对于摄像机网络中的摄像机c，选择其采集的视频Vc中的初始帧图像采用SIFT算法检测中的尺度空间极值点，并通过拟和三维二次函数定位极值点，获得每个极值点的图像坐标；步骤1-2，从以上极值点中选择地平面上不处于一条直线的4个点p1，p2，p3，p4作为图像特征点，其图像坐标分别为(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)；步骤1-3，根据图像特征点坐标，在物理平面图中标定其对应的点P1，P2，P3，P4，其物理坐标分别为(X1,Y1,Z1)，(X2,Y2,Z2)，(X3,Y3,Z3)，(X4,Y4,Z4)；步骤1-4，利用图像坐标(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)和对应的物理坐标(X1,Y1,Z1)，(X2,Y2,Z2)，(X3,Y3,Z3)，(X4,Y4,Z4)，基于摄像机透视投影模型，建立图像坐标到物理坐标的映射关系模型Lc；步骤1-5，对摄像机网络中的每个摄像机c都执行步骤1-1至步骤1-4，得到映射关系模型Lc，完成C个摄像机的映射关系建模；步骤3中基于图像块相关性的目标检测方法的步骤为：步骤3-1，对视频Vc的连续两帧图像和计算像素点(x,y)所在的图像块的相关性式中(x,y)表示图像中像素的坐标，和分别表示第t-1帧和第t帧图像中坐标(x,y)处像素的灰度值；和表示像素(x,y)在图像和中所在的像素块的宽度；m[]表示对像素块中的所有像素的灰度值求均值；v[]表示对像素块中的所有像素的灰度值求方差；步骤3-2，如果则判定像素点(x,y)是静态的点，否则判定像素点(x,y)是运动的点，其中，σ0为相关性阈值，取值范围为0.8～0.95；步骤3-3，统计运动的像素点的个数NS，如果NS＞N0，则认为图像中存在目标；否则认为图像...

【专利技术属性】
技术研发人员：李毅，吴振锋，刘兴川，姜晓涛，贲伟，冯程，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏;32