【技术实现步骤摘要】
用于目标追踪识别的多图像拼接方法、系统、设备及介质
[0001]本专利技术涉及图像处理
,尤其涉及一种用于目标追踪识别的多图像拼接方法、系统、设备及介质。
技术介绍
[0002]随着模式识别技术、视频分析处理技术的发展,人们对日常活动场合的安全性的需求日益强烈,智能视频监控系统已广泛应用于安防领域,为人们的财产、生命安全提供保障。基于视频序列的物体检测与识别是智能视频监控系统中的重要组成部分,并被应用于商场、停车场、银行、展览会、火车站等重要场所。通过物体检测识别其所处的状态来分析监控场景中是否有异常事件发生。
[0003]目前针对多个监控画面的实时目标追踪识别任务,受目标跨相机、跨区域,目标种类繁多,光照变化,遮挡问题,摄像头转移等诸多因素影响,容易出现目标误检、漏检,目标轨迹断开、串联,从而导致整个识别任务准确率较低。
技术实现思路
[0004](一)要解决的技术问题
[0005]鉴于现有技术的上述缺点、不足,本专利技术提供用于目标追踪识别的多图像拼接方法、系统、设备及介质,其解决了 ...
【技术保护点】
【技术特征摘要】
1.一种用于目标追踪识别的多图像拼接方法,其特征在于,包括:对获取的多个相机所采集的原始图像进行特征提取;依据每张所述原始图像的特征提取结果,得到每个相机的位姿信息;依据所述位姿信息得到每个相机的图像变换参数;将所述多个原始图像依据相对应的图像变换参数进行图像变换,得到多个第一类变换图像;将所述多个原始图像分辨率缩小预定倍数之后,依据相对应的图像变换参数进行图像变换得到多个第二类变换图像,并将多个所述第二类变换图像进行图像拼接预演得到拼接预演参数;依据所述拼接预演参数,将多个所述第一类变换图像进行图像拼接得到拼接图。2.如权利要求1所述的一种用于目标追踪识别的多图像拼接方法,其特征在于,每张所述原始图像提取了N个特征子,每个特征子均包括特征点坐标和特征向量。3.如权利要求2所述的一种用于目标追踪识别的多图像拼接方法,其特征在于,依据每张所述原始图像的特征提取结果,得到每个相机的位姿信息包括:通过计算每两个所述原始图像的特征向量之间的余弦距离,得到每两个原始图像的匹配度;依据所述匹配度确定每个相机之间的相邻关系;依据所述特征点坐标,通过内外参公式得到各个相机的内参初步矩阵和外参初步矩阵;通过光束平差法对内参初步矩阵和外参初步矩阵进行优化,得到各个相机的内参矩阵和外参矩阵;基于所述内参矩阵和外参矩阵得到每个相机的姿态信息;依据所述每个相机的姿态信息和所述每个相机之间的相邻关系,得到每个相机的位姿信息;其中,针对每一组相邻相机,所述内外参公式为:式(1)中,K1、K2分别是待求解的任一组相邻的相机1和相机2的内参矩阵,R1、R2分别是待求解的任一组相邻的相机1和相机2的外参矩阵,x
2n+1
和x
2n+2
是已知的一组匹配上的特征点坐标。4.如权利要求3所述的一种用于目标追踪识别的多图像拼接方法,其特征在于,依据所述位姿信息得到每个相机的图像变换参数包括:依据所述内参矩阵和所述外参矩阵,求解每个相机的矫正变换对应的重映射矩阵;基于每个相机的外参矩阵,通过求解每张所述原始图像的顶点坐标,得到拼接图的尺寸大小和每张所述原始图像平移到拼接图中对应位置所需的平移量;依据所述重映射矩阵、所述图像拼接规模以及所述平移量,得到图像变换参数;
其中,所述重映射矩阵为:式(2)中,u,v是变换后的像素坐标,x,y是与之对应的原图中的像素坐标,x=sin(π
‑
v)
·
sin(u),y=cos(π
‑
v),z=sin(π
‑
v)
·
cos(u);p=sin(π
‑
v)
·
sin(u),q=cos(π
‑
v),r=sin(π
‑
v)
·
cos(u)。5.如权利要求1所述的一种用于目标追踪识别的多图像拼接方法,其特征在于,将多个所述第二类变换图像进行图像拼接预演得到拼接预演参数包括:按照所述每个相机的位姿信息,将所述第二类变换图像进行图像拼接预演,得到拼接预演图;在所述拼接预演图中的各个图像的重叠区域中,通过最大流图割法确定接缝线;所述接缝线为所述重叠区域中满足预设相似程度的若干像素的连线;以所述接缝线为基准,在所述接缝线的左侧仅保留相邻左图的像素,在所述接缝线的右侧仅保留相邻右图的像素;将经所述接缝线优化之后的所述重叠区域的分辨率放大所述预定倍数;通过误差函数来为所述拼接预演图的每个部分赋予相应增益系数,来使得重叠区域的图像强度相等或相似;依据放大所述预定倍数的重叠区域和所述增益系数,得到拼接预演参数;其中,所述误差函数为:式(3)中,g
i
...
【专利技术属性】
技术研发人员:汝骏仁,郭长柱,郭星,
申请(专利权)人:无锡范特智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。