一种回收机器内置摄像头拍照控制方法、装置及系统与流程

1.本发明属于相机拍照技术领域，具体涉及一种回收机器内置摄像头拍照控制方法、装置及系统。


背景技术：

2.智能视频监控系统能够在不依赖人的情况下，通过计算机自动检测与跟踪目标，精准采集场景信息，实现目标的识别与跟踪，但在监控区域视野范围较小、监控设备智能化水平较低、监控视野狭窄、视野范围受限、运动目标交接失败、多视角协同监控较差等场景中对运动目标进行检测和跟踪时，容易导致运动目标丢失，出现追踪失败，不能实现目标跟踪。现阶段，采用单摄像头进行目标跟踪时实现较好的目标跟踪，但在多视角协同的地理场景中进行目标跟踪时跟踪效果较差，难以实现运动目标的连续跟踪。由于现有的多摄像头监控系统存在诸多问题：一方面，多摄像头之间的信息交互依赖人工，多摄像头之间的信息联系不足，缺乏快速有效的智能整合机制；另一方面，多摄像头系统采集的视频信息较多，如何有效地提取信息、高效利用多摄像头监控视频之间的关联信息仍然存在困难。


技术实现要素：

3.有鉴于此，本发明提供了一种回收机器内置摄像头拍照控制方法、装置及系统，通过每个摄像头对监控区域进行实时监控，提取运动目标并跟踪，对多个摄像头下的运动目标位置进行判定，若为同一目标再进行颜色纹理匹配，从而将空间中的一个运动目标再不同摄像头的监控画面中进行匹配，确定为同一目标，当某一个摄像头下的运动目标发生丢失或遮挡时，可以通过其他摄像头拍摄的目标位置进行位置标注，从而实现对多摄像头监控区域下的同一运动目标的持续跟踪，具体采用以下技术方案来实现。
4.第一方面，本发明提供了一种回收机器内置摄像头拍照控制方法，包括以下步骤：
5.建立多相机空间模型，分别获取多摄像头之间的单应性矩阵，以确定多个摄像头监控区域下目标的相对位置关系，对监控区域下的运动目标进行分别检测；
6.计算每个目标在空间中的位置与运动信息，通过多个摄像头之间的单应性矩阵对机器内的多摄像头的同一目标的位置进行确定，通过目标的空间位置进行约束，以人体行走时的模型外接矩形框下边界中点作为是否为同一目标的判定条件，选取合适的阈值；
7.当不同角度监控图像中目标的空间位置距离小于阈值时，判断为同一目标，当满足空间位置关系时，通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，进行同一目标再判断，完成对目标的持续跟踪；
8.对运动目标的关联区域进行颜色纹理匹配识别并对同一目标的识别与匹配，将不同视角的拍摄画面进行像素坐标转换，以实现目标再多摄像头的不同视角下的定位。
9.作为上述技术方案的进一步改进，当满足空间位置关系时，再通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，包括：
10.通过rgb颜色空间获取目标的颜色特征，并转换到hsv颜色空间进行颜色特征量
化，选择合适的颜色名对颜色特征进行量化降维处理，建立颜色名量化表，对目标进行颜色名量化以达到快速颜色特征匹配；
11.从rgb颜色空间到hsv颜色空间的转换的表达式为
[0012][0013]
s＝(max(r,g,b)-min(r,g,b))/max(r,g,b)，v＝max(r,g,b)/255，其中h∈[0,360]，s∈[0,1]，v∈[0,1]，max(r,g,b)为rgb颜色空间下像素的最大值，min(r,g,b)为rgb颜色空间下像素的最小值，当max(r,g,b)＝ min(r,g,b)时，设定h＝s＝0，v＝r/255。
[0014]
作为上述技术方案的进一步改进，分别选取不同颜色对应的hsv阈值，建立颜色名与hsv三个特征分量之间的相互关系，建立hsv颜色空间下的颜色名量化表；
[0015]
将图像中得颜色特征映射到颜色名特征中建立占比直方图进行目标匹配，其中颜色名cn的表达式为cn＝{p(cn1|x),p(cn2|x),..p(cni|x)}，其中 x为每个像素点的值，p(cni}x)为该像素点映射到第i(i＝1,2...11)个颜色名中的概率，建立颜色直方图表示颜色名特征。
[0016]
作为上述技术方案的进一步改进，建立颜色直方图表示颜色名特征，包括：
[0017]
构建颜色名直方图并对采集的颜色名直方图进行归一化处理，采用欧氏距离对颜色名直方图数据进行计算，对训练集的每张图像提取特征并与测试图像的特征进行匹配；
[0018]
求取欧氏距离，值越低表示相似度越大，欧式距离的表达式为其中ha(k)和hb(k)分别为原图像a和对比图像b的直方图，l为颜色名直方图中的颜色种类。
[0019]
作为上述技术方案的进一步改进，当目标发生遮挡时，从两个目标的空间位置进行判断，当某一摄像头下的两个目标外界矩形发生一定程度的重叠时，发生遮挡现象，对比同一目标原本的颜色特征，求取颜色特征的欧式距离；
[0020]
当该目标的欧式距离大于阈值时，判定目标发生遮挡，通过其他角度的摄像头对目标进行跟踪补偿，标记出该目标在被遮挡摄像头中得相对未知，完成目标的识别和定位。
[0021]
作为上述技术方案的进一步改进，通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，进行同一目标再判断，包括：
[0022]
采用角点响应函数r的值对视频帧像素点进行判断，判断该特征是否为角点，当视频帧图像中的外界条件变化强度大时，特征角点检测出现不敏感；
[0023]
通过设置阈值判断窗口内灰度值变化范围与阈值进行对比，当比较差值为正时，得出该窗口存在特征角点；当比较差值为负时，得出该窗口不存在特征角点。
[0024]
作为上述技术方案的进一步改进，通过图像连续变换所产生的尺度参数得到空间序列，将特征向量用该在尺度空间所提取序列的主轮廓进行表示，已实现图像中特征点的检测和提取，其中尺度空间在图像中时，f(x,y,σ) 表示变化尺度在图像中得高斯函数g(x,y,σ)与未处理的原图像i(x,y)的卷积，则f(x,y,σ)＝g(x,y,σ)*i(x,y),其中*表示卷积运
算，则算，则图像的像素位置为 (x,y)，尺度表示图像中的特征信息，σ表示空间因子，尺度空间所在因子值与图像平滑程度成正比，高斯模板维度为m、n。
[0025]
作为上述技术方案的进一步改进，计算每个目标在空间中的位置与运动信息，包括：
[0026]
采用摄像头计算求得摄像头的内外参数，对其内外参数进行相机标定，以实现世界坐标系与其他坐标系之间的相互转换，建立标定信息与坐标系之间的数学模型；
[0027]
对目标所在的第一帧图像建立相对应的目标模型，通过计算当前目标的数据点密集特征概率密度，计算多个目标概率模型和目标特征值向量，通过目标在初始帧和真实位置之间的目标移动向量之间的相似度。
[0028]
第二方面，本发明还提供了一种回收机器内置摄像头拍照控制装置，包括：
[0029]
构建单元，用于建立多相机空间模型，分别获取多摄像头之间的单应性矩阵，以确定多个摄像头监控区域下目标的相对位置关系，对监控区域下的运动目标进行分别检测；
[0030]
确定单元，用于计算每个目标在空间中的位置与运动信息，通过多个摄像头之间的单应性矩阵对机器内的多摄像头的同一目标的位置进行确定，通过目标的空间位置进行约束，以人体行走时的模型外接矩形框下边界中点作为是否为同一目标的判定条件，选取合适的阈值；
[0031]
判断单元，用于当不同角度监控图像中目标的空间位置距离小于阈值时，判断为同一目标，当满足空间位置关系时，通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，进行同一目标再判断，完成对目标的持续跟踪；
[0032]
识
[0033]
定位单元，用于对运动目标的关联区域进行颜色纹理匹配识别并对同一目标的识别与匹配，将不同视角的拍摄画面进行像素坐标转换，以实现目标再多摄像头的不同视角下的定位。
[0034]
第三方面，本发明还提供了一种回收机器内置摄像头拍照控制系统，包括上述的回收机器内置摄像头拍照控制装置。
[0035]
本发明提供了一种回收机器内置摄像头拍照控制方法、装置及系统，通过建立多相机空间模型，分别获取多摄像头之间的单应性矩阵，以确定多个摄像头监控区域下目标的相对位置关系，对监控区域下的运动目标进行分别检测，计算每个目标在空间中的位置与运动信息，通过多个摄像头之间的单应性矩阵对机器内的多摄像头的同一目标的位置进行确定，通过目标的空间位置进行约束，以人体行走时的模型外接矩形框下边界中点作为是否为同一目标的判定条件，选取合适的阈值，对运动目标的关联区域进行颜色纹理匹配识别并对同一目标的识别与匹配，将不同视角的拍摄画面进行像素坐标转换，以实现目标再多摄像头的不同视角下的定位。通过建立多摄像头之间的空间数据模型，确定多个摄像头与监控区域下运动目标的位置相互关系，对运动目标进行分别提取，通过同一运动目标在不同摄像头下拍摄画面的空间约束关系，对同一目标进行识别跟踪与跟踪丢失补偿，从而实现多摄像头下的运动目标识别定位于跟踪，使得系统具有高度的鲁棒性。
附图说明
[0036]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0037]
图1为本发明的回收机器内置摄像头拍照控制方法的流程图；
[0038]
图2为本发明的颜色特征匹配的过程图；
[0039]
图3为本发明的目标定位的过程图；
[0040]
图4为本发明的回收机器内置摄像头拍照控制装置的结构框图。
具体实施方式
[0041]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0042]
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。相反，当元件被称作“直接在”另一元件“上”时，不存在中间元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0043]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0044]
参阅图1，本发明提供了一种回收机器内置摄像头拍照控制方法，包括以下步骤：
[0045]
s10：建立多相机空间模型，分别获取多摄像头之间的单应性矩阵，以确定多个摄像头监控区域下目标的相对位置关系，对监控区域下的运动目标进行分别检测；
[0046]
s11：计算每个目标在空间中的位置与运动信息，通过多个摄像头之间的单应性矩阵对机器内的多摄像头的同一目标的位置进行确定，通过目标的空间位置进行约束，以人体行走时的模型外接矩形框下边界中点作为是否为同一目标的判定条件，选取合适的阈值；
[0047]
s12：当不同角度监控图像中目标的空间位置距离小于阈值时，判断为同一目标，当满足空间位置关系时，通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，进行同一目标再判断，完成对目标的持续跟踪；
[0048]
s13：对运动目标的关联区域进行颜色纹理匹配识别并对同一目标的识别与匹配，将不同视角的拍摄画面进行像素坐标转换，以实现目标再多摄像头的不同视角下的定位。
[0049]
本实施例中，当满足空间位置关系时，再通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，包括：通过rgb颜色空间获取目标的颜色特征，并转换到hsv颜色空间进行颜色特征量化，选择合适的颜色名对颜色特征进行量化降维处理，建立颜色名量化表，对
目标进行颜色名量化以达到快速颜色特征匹配；
[0050]
从rgb颜色空间到hsv颜色空间的转换的表达式为
[0051]
s＝(max(r,g,b)-min(r,g,b))/max(r,g,b)，v＝max(r,g,b)/255，其中h∈[0,360]，s∈[0,1]，v∈[0,1]，max(r,g,b)为rgb颜色空间下像素的最大值，min(r,g,b)为rgb颜色空间下像素的最小值，当max(r,g,b)＝ min(r,g,b)时，设定h＝s＝0，v＝r/255。
[0052]
需要说明的是，分别选取不同颜色对应的hsv阈值，建立颜色名与 hsv三个特征分量之间的相互关系，建立hsv颜色空间下的颜色名量化表；将图像中得颜色特征映射到颜色名特征中建立占比直方图进行目标匹配，其中颜色名cn的表达式为cn＝{p(cn1|x),p(cn2|x),..p(cni|x)}，其中x为每个像素点的值，p(cni}x)为该像素点映射到第i(i＝1,2...11)个颜色名中的概率，建立颜色直方图表示颜色名特征。当目标发生遮挡时，从两个目标的空间位置进行判断，当某一摄像头下的两个目标外界矩形发生一定程度的重叠时，发生遮挡现象，对比同一目标原本的颜色特征，求取颜色特征的欧式距离；当该目标的欧式距离大于阈值时，判定目标发生遮挡，通过其他角度的摄像头对目标进行跟踪补偿，标记出该目标在被遮挡摄像头中得相对未知，完成目标的识别和定位。
[0053]
应理解，当运动目标出现运动信息残缺时，如在视频帧图像中运动目标被干扰目标所遮挡出现特征信息丢失或在采集视频数据过程中运动目标的特征信息采集不全，在这种情况下能够利用运动目标的特征信息对运动目标实现实时跟踪，不受运动特征信息丢失的干扰。可以获取运动目标所在场景的所有特征匹配点，运动目标跟踪过程中不受形状和质量的影响，目标在视频帧图像中跟踪方式较为简单，对目标跟踪过程较为简洁，能够较好的匹配效果和匹配精度。
[0054]
可选地，建立颜色直方图表示颜色名特征，包括：
[0055]
构建颜色名直方图并对采集的颜色名直方图进行归一化处理，采用欧氏距离对颜色名直方图数据进行计算，对训练集的每张图像提取特征并与测试图像的特征进行匹配；
[0056]
求取欧氏距离，值越低表示相似度越大，欧式距离的表达式为其中ha(k)和hb(k)分别为原图像a和对比图像b的直方图，l为颜色名直方图中的颜色种类。
[0057]
参阅图2，通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，进行同一目标再判断，包括：
[0058]
s20：采用角点响应函数r的值对视频帧像素点进行判断，判断该特征是否为角点，当视频帧图像中的外界条件变化强度大时，特征角点检测出现不敏感；
[0059]
s21：通过设置阈值判断窗口内灰度值变化范围与阈值进行对比，当比较差值为正
时，得出该窗口存在特征角点；当比较差值为负时，得出该窗口不存在特征角点。
[0060]
本实施例中，通过图像连续变换所产生的尺度参数得到空间序列，将特征向量用该在尺度空间所提取序列的主轮廓进行表示，已实现图像中特征点的检测和提取，其中尺度空间在图像中时，f(x,y,σ)表示变化尺度在图像中得高斯函数g(x,y,σ)与未处理的原图像i(x,y)的卷积，则 f(x,y,σ)＝g(x,y,σ)*i(x,y),其中*表示卷积运算，则图像的像素位置为(x,y)，尺度表示图像中的特征信息，σ表示空间因子，尺度空间所在因子值与图像平滑程度成正比，高斯模板维度为m、n。
[0061]
需要说明的是，通过图像降阶采样得出一系列图像，可以增强尺度空间相互之间的连续性，对所在区域的特征点进行分区，计算该分区范围内的梯度直方图，生成具有梯度信息的特征向量并进行表示，提高特征点正确匹配概率。
[0062]
参阅图3，计算每个目标在空间中的位置与运动信息，包括：
[0063]
s30：采用摄像头计算求得摄像头的内外参数，对其内外参数进行相机标定，以实现世界坐标系与其他坐标系之间的相互转换，建立标定信息与坐标系之间的数学模型；
[0064]
s31：对目标所在的第一帧图像建立相对应的目标模型，通过计算当前目标的数据点密集特征概率密度，计算多个目标概率模型和目标特征值向量，通过目标在初始帧和真实位置之间的目标移动向量之间的相似度。
[0065]
本实施例中，运动目标交接即多视角重叠视域之间的协同工作，通过在多视角协同工作，利用摄像机之间的信息融合，让运动目标始终处于多视角监控视野范围内，实现多个摄像头之间的目标交接过程，完成多视角视域状态下的运动目标检测和跟踪，运动目标交接又称为运动目标标识，将不同视角状态下的相同的运动目标进行赋予同一标识，不同的运动目标赋予不同标识，运动目标交接是目标跟踪的重要环节，能够为运动目标再多视角重叠视域运动目标跟踪提供重要前提和保障。
[0066]
需要和面的是，将运动目标的头部特征作为目标特征，建立目标特征模型与运动目标进行匹配，对运动目标进行监控的摄像头与该摄像头所在的地理位置的物理坐标系建立映射关系，也可以通过目标的纹理等不变的特征信息等外形因素，或者运动速度、运动方向等信息建立模型，模型目标交接的实现通过其匹配来确定实现运动目标模型交接，实现光滑边缘特征点的提取，降低误匹配精度，提高了特征点匹配效率。
[0067]
参阅图4，本发明还提供了一种回收机器内置摄像头拍照控制装置，包括：
[0068]
构建单元，用于建立多相机空间模型，分别获取多摄像头之间的单应性矩阵，以确定多个摄像头监控区域下目标的相对位置关系，对监控区域下的运动目标进行分别检测；
[0069]
确定单元，用于计算每个目标在空间中的位置与运动信息，通过多个摄像头之间的单应性矩阵对机器内的多摄像头的同一目标的位置进行确定，通过目标的空间位置进行约束，以人体行走时的模型外接矩形框下边界中点作为是否为同一目标的判定条件，选取合适的阈值；
[0070]
判断单元，用于当不同角度监控图像中目标的空间位置距离小于阈值时，判断为同一目标，当满足空间位置关系时，通过对相邻的摄像头下的同一目标区域进行颜色特征匹配，进行同一目标再判断，完成对目标的持续跟踪；
[0071]
识
[0072]
定位单元，用于对运动目标的关联区域进行颜色纹理匹配识别并对同一目标的识别与匹配，将不同视角的拍摄画面进行像素坐标转换，以实现目标再多摄像头的不同视角下的定位。
[0073]
在另一可行的实施例中，本发明还提供了一种回收机器内置摄像头拍照控制系统，包括上述的回收机器内置摄像头拍照控制装置。
[0074]
本实施例中，当不发生目标重叠时，选取整个目标的像素区域，即目标跟踪时的外界矩形框区域进行颜色特征提取匹配，当发生目标重叠时，通过目标的位置，比较两个目标距离摄像头的距离，靠近摄像头的目标选取外界矩形框进行颜色特征匹配，离摄像头较远的目标选取外界矩形框减去与摄像头较近的目标重叠的区域，然后再进行目标颜色特征提取匹配，完成目标是否发生遮挡的判断。单应性矩阵通常采用认为标定方法求取匹配点，人工标定会产生误差，从而产生了单应性矩阵的求取误差，目标的颜色特征可以直观反映目标的全区信息，采用rgb颜色空间与hsv颜色空间来表示图像，但两个颜色空间具有不同的特征，rgb颜色空间能够更好地获取颜色特征，hsv颜色空间可以被人眼更直观的观察。hsv颜色空间进行量化，降低颜色空间的特征维数，可以减少颜色种类，降低特征维数，从而减少特征提取匹配的计算量，以提高算法运算效率。
[0075]
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
[0076]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0077]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。