一种目标物体动态跟踪与测量定位方法
【技术领域】
[0001 ]本发明涉及视频安防与人机交互技术领域，尤其涉及一种视频监控领域目标物体 动态跟踪与测量定位方法。
【背景技术】
[0002] 目前，视频监控应用日益普遍，在安防领域给人们的工作带来了不可估量的作用， 然而现有的监控技术智能化程度低，仍依赖于大量的人力资源来对视频内容识别，以应对 危险及突发事件。大多数传统的视频监控系统仅能够采集监控区域的视频信息，该监控方 式依赖于人工持续工作以检测监控区域突发及危险状况，缺乏对监控区域内的危险信息进 行智能预警，实际运行需投入大量人力进行实时或者事后分析，且该视频监控方式传回的 图像不能提供目标物体精确的位置信息，操控人员仅能够根据经验推测目标物体的大致位 置，使得目标物体的跟踪与定位不准确且缺乏智能性。
【发明内容】
[0003] 本发明提供一种目标物体动态跟踪与测量定位方法，弥补传统视频监控传回的画 面不能提供目标物体精确位置的不足，改善其依赖大量人力资源的现状，提高视频监控系 统的智能化水平。
[0004]为此，所采用的技术方案为： 一种目标物体动态跟踪与测量定位方法，该方法利用两个摄像头采集监控区域图像， 通过监控区域背景动态更新和目标物体提取，利用双目识别定位原理，生成视角区域三维 点云;结合目标物体提取和双目识别定位原理，动态跟踪定位目标物体。
[0005] 其具体步骤如下： 步骤1，目标物体提取:动态建立背景图库并实时更新，给不同动态程度的背景赋予不 同的阈值，根据当前图像和背景图库中图像的差分运算结果，区分当前图像中的前景与背 景部分，并将背景部分更新到背景图库中； 步骤2,双目测距： (1) 消除图像畸变与摄像头校正:利用泰勒级数展开并结合添加校正因子，校正所采集 图像畸变;采用16*12棋盘作为标定物对摄像头进行标定，通过距离最小化、投影最大化原 则来确保棋盘图像中的特征点均匀分布，利用棋盘特征点和图像特征点的几何关系得出坐 标点对方程，从而求解摄像头内外参数，通过内参数校正畸变图像，得出更加真实自然的图 像;通过外参数调整两副图像相对棋盘的角度和位置，输出行对准的校正图像； (2) 图像匹配:同时在不同视场拍摄目标物体的多幅图像，查找左右摄像头在同一时刻 不同视场所拍摄图像的相同特征，分析其中的差异，输出同一特征点在左右图像上的像素 坐标差值； (3) 重投影:将左右图像相同特征点像素坐标差分结果通过三角测量法转化成距离，输 出视角图像的三维点云； 步骤3,目标跟踪定位:将左右摄像头所拍摄图像中的任意一幅当前帧图像和相应背景 图像作差分，动态锁定图像中的目标，并提取其在当前帧的像素坐标，结合双目测距生成的 三维点云信息，确定该目标的三维点云，求得目标物体在世界坐标系中的坐标。
[0006] 所述步骤1中使用混合高斯模型，减弱图像中类似于树叶晃动的干扰因素，以减少 前景与背景的相互干扰;根据动态阈值有效分离当前帧前景及背景图像，并将当前图像的 背景部分更新到背景图库中；依据提取的前景图像，确定前景所处图像的像素坐标，为计算 前景图像的三维世界坐标提供科学依据。
[0007] 本发明将视觉测距与目标跟踪在视频监控领域相结合，通过目标动态跟踪，确定 目标所在图像的像素坐标，结合视觉测距生成的三维点云，锁定目标物体，并确定其三维坐 标。当目标物体进入警戒区域，系统便可发出警报，达到实时预警的目的；捕捉到的目标物 体的位置信息给后台工作人员的实际操控提供科学依据。
[0008] 综上，本发明与现有的视频监控相比，具有以下优点：（1)通过建立的动态背景图 库模型，经图像处理，可动态锁定进入监控区域的目标物体，为安防领域的实时预警提供支 撑。（2)采用双目测距原理，结合目标物体的前景提取，可准确获取目标物体的位置信息，弥 补传统视频监控不能提供目标物体精确位置信息的不足，提高视频监控的智能化水平。
【附图说明】
[0009] 图1为本发明总体原理示意图； 图2为本发明目标物体测量定位流程图 图3为摄像头成像模型图； 图4为三角测量法原理图。
【具体实施方式】
[0010]下面结合附图对本发明作进一步详细说明。
[0011]本发明的总体原理示意如图1所示，通过USB接口的左右摄像头采集双目图像信 息，经ARM11开发板对图像进行处理，捕捉目标物体位置和几何大小信息，为自动预警以及 后台工作人员采取相应措施提供依据。
[0012]本发明中目标物体测量定位流程如图2所示，通过左右摄像头采集双目图像信息， 以16*12棋盘为标定物，采用距离最小化、投影最大化原则立体标定摄像头，求得摄像头参 数并校正畸变图像，匹配左右图像特征点，并通过三角测量法生成图像的三维点云;动态设 置相似度阈值以便准确提取目标物体，获取目标物体像素坐标，结合已生成的三维点云，捕 捉目标物体位置和几何大小信息，为人机交互和智能预警提供依据。具体方法如下： 步骤1，目标物体提取:动态建立背景图库并实时更新，对不同的动态程度的背景赋予 不同的阈值，将当前图像和背景图库中图像作差分，当差分结果超过设定的阈值时，即可确 定当前图像和背景图像差分结果超过阈值部分为背景，其余部分则为前景。图像的背景部 分需要更新到背景图库中。
[0013] 步骤2,双目测距： (1)消除图像畸变与摄像头校正:理想摄像头成像模型是针孔模型，如图3所示，摄像头 在实际生产时为了增加透光量，使用了透镜，但透镜在制造和安装中会产生误差，导致摄像 头采集的图像发生畸变。为了尽量减少图像畸变对图像分析的影响，选择采用16*12棋盘作 为标定物对摄像头进行标定，求解摄像头内外参数。通过内参数校正畸变图像，使图像更加 真实自然;通过外参数调整两副图像相对棋盘的角度和位置，输出行对准图像。
[0014] (2)图像匹配：同时在不同视场拍摄目标物体的多幅图像，查找左右摄像头在同一 时刻不同视场所拍摄图像的相同特征，输出同一特征点在左右图像上的像素坐标差值。
[0015] (3)重投影:将左右图像相同特征点像素坐标差分结果通过三角测量法转化成距 离，输出视角图像的三维点云。
[0016] 步骤3,目标跟踪定位:将左右摄像头所拍摄图像中的任意一幅当如帧图像和相应 背景图像作差分，动态锁定图像中的目标，并提取其在当前帧的像素坐标，结合双目测距生 成的三维点云信息，确定该目标物体的三维点云，求得目标物体在世界坐标系中的坐标值。
[0017] (1)关于步骤1中目标物体提取作详细说明 视频监控中，动态的目标物体往往是人们关注的焦点，目标物体提取是智能监控的核 心步骤。基于背景模型，需要分析当前帧图像与背景图库中图像的差异，以便提取出当前帧 图像的前景部分;然而，实际提取中，背景图像往往受光照或者复杂场景的影响，使得用于 区分当前帧图像前景与背景部分的阈值不能固定，因此，需要实时更新背景模型，不断调整 区分图像前景与背景部分的阈值。本发明引入混合高斯模型来减弱图像中类似于树叶晃动 等干扰因素，以减少前景与背景的相互干扰。利用背景模型与当前帧图像的匹配结果s，动 态调整匹配相似度阈值K。匹配结果s及阈值K的关系如下：