一种云数据中心机房实时宽场景监控合成方法

文档序号:7986654阅读:407来源:国知局
专利名称:一种云数据中心机房实时宽场景监控合成方法
技术领域
本发明涉及计算机应用领域,具体涉及一种云数据中心机房的实时宽场景监控合成方法。
背景技术
随着信息科技的发展,云计算逐步成为业界的发展热点,国内外各大厂商的云计算服务平台也开始纷纷投入到科学、教育、文化、卫生、政府、高性能计算、电子商务、物联网等多个领域进行使用。
为了保障机器设备的安全,大多数云计算数据中心的机房中安装了监控系统。但是由于硬件等方面的局限性,监控系统中每个摄像头的视角有限,只能拍摄到机房中的一小部分区域,无法获得更大区域的视频信息,造成视觉盲点。
目前,静态图像的宽场景合成技术已经十分成熟,但由于视频实时性要求对算法时间复杂度的限制,加上视频本身的复杂性,使得动态视频的宽场景合成成为一个难点问题。
针对这一问题,本发明提出一种实时宽场景监控合成方法,只需要两个摄像头,即可快速、精确、实时地生成宽场景广角度监控视频,方便地应用于云数据中心的机房中。发明内容
本发明针对现有的云数据中心机房监控系统存在监控盲点的缺点,提出一种使用程序方式实时获得宽场景监控视频的方法。
本发明的目的是按以下方式实现的,在云数据中心机房中设置两个普通摄像头摄像头通过1)摄像头标定与校正方法,2)关键帧匹配与融合方法;3)实时宽场景视频合成方法,将监控视频实时合成为宽场景广角度视频,其中1)摄像头标定与校正方法,是通过使用计算机视觉领域常用的棋盘法标定摄像头内、 外参数和畸变参数并校正,对摄像头的失真进行了较好的修正,结果更加科学、客观、真实。 摄像头标定与校正方法,是该方法的第一步。采用基于OpenCV的多个自由平面的标定算法,即手持7X7的棋盘图像,每个格子的长、宽均为2cm,将棋盘图像放在摄像机前平移、旋转,以获取不同方位的图像。当收集到足够图像时至少10张以上,使用OpenCV的摄像机标定函数,求出摄像机的内、外参数和畸变参数,进而对帧图像进行校正;2)关键帧匹配与融合方法,为了提高匹配的准确率、消除关键帧图像间的角度差异,需要首先对图像进行预处理,即将平面图像进行柱面投影。然后使用SIFT算法在两幅图像中分别提取具有尺度不变性,且不受噪声、亮度差等影响的特征点,得到1 维SIFT特征点描述符,进而采用目前应用最广泛的最近邻搜索算法寻找特征匹配点,并记录两幅图像间的重叠区域,最后使用渐进渐出法,将两幅图像的重叠区域进行融合、拼接,得到关键帧的宽场景图像;3)实时宽场景视频合成方法,是将静态图像转化为动态视频的过程,通过实时获取两摄像头的视频帧,将对应帧之间的重叠区域进行融合、拼接、连续播放,即可得到宽场景监控视频,由于经过前一步关键帧的拼接之后,两摄像头的各参数包括焦距、像素基本不变, 获得的图像位置基本不变,视野中各图像的特征点的位置基本不变,所以图像间重叠区域的位置也基本不变,于是,只需对之后的所有帧使用渐进渐出算法进行图像融合操作合成宽场景图并播放,即可实现监控视频的实时宽场景合成。
本发明的有益效果是本发明的创新之处就在于将现有的图像宽场景合成算法进行改进,降低时间复杂度,并较好地移植到实时监控系统中。经过实验验证,该方法具有实时性、准确性、高效性,且视觉效果良好,没有明显的滞后现象。


图1是视频合成流程示意图; 图2是针孔摄像机成像模型图; 图3是世界坐标与摄像机坐标之间的欧式变换图; 图4是SIFT特征点提取算法流程图; 图5是高斯差分空间(DOG)示意图; 图6是梯度方向直方图;图7由特征点邻域梯度信息生成特征点描述符示意图; 图8是图像融合示意图; 图9是合成前后效果对比视频截图。
具体实施方式
参照说明书附图对本发明的方法作以下详细地说明。
参照附图,对本发明的实施方式进行详细阐述。
本发明的方法包括1)摄像头标定与校正方法,2)关键帧匹配与融合方法和3)实时宽场景视频合成方法。
1)摄像头标定与校正方法,是该方法的第一步。采用基于OpenCV的多个自由平面的标定算法,即手持7X7的棋盘图像,每个格子的长、宽均为2cm,将棋盘图像放在摄像机前平移、旋转,以获取不同方位的图像。当收集到足够图像时(10张以上),使用OpenCV的摄像机标定函数,求出摄像机的内、外参数和畸变参数,进而对帧图像进行校正;内、外参数和畸变参数如下~mm7旋转变换矩阵
权利要求
1. 一种云数据中心机房实时宽场景监控合成方法,其特征在于在云数据中心机房中设置两个普通摄像头摄像头通过1)摄像头标定与校正方法,2)关键帧匹配;3)融合方法与实时宽场景视频合成方法,将监控视频实时合成为宽场景广角度视频,其中1)摄像头标定与校正方法,是通过使用计算机视觉领域常用的棋盘法标定摄像头内、 外参数和畸变参数并校正,对摄像头的失真进行了较好的修正,结果更加科学、客观、真实, 摄像头标定与校正方法,是该方法的第一步,采用基于OpenCV的多个自由平面的标定算法,即手持7X7的棋盘图像,每个格子的长、宽均为2cm,将棋盘图像放在摄像机前平移、旋转,以获取不同方位的图像,当收集到足够图像时,至少10张以上,使用OpenCV的摄像机标定函数,求出摄像机的内、外参数和畸变参数,进而对帧图像进行校正;2)关键帧匹配与融合方法,为了提高匹配的准确率、消除关键帧图像间的角度差异,需要首先对图像进行预处理,即将平面图像进行柱面投影,然后使用SIFT算法在两幅图像中分别提取具有尺度不变性,且不受噪声、亮度差影响的特征点,得到1 维SIFT特征点描述符,进而采用目前应用最广泛的最近邻搜索算法寻找特征匹配点,并记录两幅图像间的重叠区域,最后使用渐进渐出法,将两幅图像的重叠区域进行融合、拼接,得到关键帧的宽场景图像;3)实时宽场景视频合成方法,是将静态图像转化为动态视频的过程,通过实时获取两摄像头的视频帧,将对应帧之间的重叠区域进行融合、拼接、连续播放,即可得到宽场景监控视频,由于经过前一步关键帧的拼接之后,两摄像头的各参数包括焦距、像素基本不变, 获得的图像位置基本不变,视野中各图像的特征点的位置基本不变,所以图像间重叠区域的位置也基本不变,于是,只需对之后的所有帧使用渐进渐出算法进行图像融合操作合成宽场景图并播放,即可实现监控视频的实时宽场景合成。
全文摘要
本发明提供一种云数据中心机房实时宽场景监控合成方法是在云数据中心机房中设置两个普通摄像头摄像头通过1)摄像头标定与校正方法,2)关键帧匹配;3)融合方法与实时宽场景视频合成方法,将监控视频实时合成为宽场景广角度视频,其中1)摄像头标定与校正方法,是通过使用计算机视觉领域常用的棋盘法标定摄像头内、外参数和畸变参数并校正,对摄像头的失真进行了较好的修正,结果更加科学、客观、真实,摄像头标定与校正方法,是该方法的第一步,采用基于OpenCV的多个自由平面的标定算法,即手持7×7的棋盘图像,每个格子的长、宽均为2cm,将棋盘图像放在摄像机前平移、旋转,以获取不同方位的图像,当收集到足够图像时,至少10张以上,使用OpenCV的摄像机标定函数,求出摄像机的内、外参数和畸变参数,进而对帧图像进行校正。
文档编号H04N7/18GK102521816SQ201110380150
公开日2012年6月27日 申请日期2011年11月25日 优先权日2011年11月25日
发明者吕广杰, 朱波, 朱锦雷 申请人:浪潮电子信息产业股份有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1