单目摄像机场景深度估计及数字识别算法研究

论文摘要

随着全球经济与科技的不断发展,安防意识也因势而生,这对安防技术提出了更高的要求与挑战。当前典型的安防应用系统——视频监控系统存在一定的弊端。人工监控不但人工成本巨大、工作效率低,而且存在工作失误带来的风险。智能监控技术虽然在某些方面已初具格局,但存在自动化水平不高的缺陷,需要对视频内容进行智能化分析处理,从视频目标分割、目标行为分析、目标识别、以及相关分析结果的联动作用等开展新的研究,这些课题虽有成果却存在亟待解决的理论难题。本文讨论的深度信息估计是三维重建技术的基础和核心问题,它反映目标对象在三维空间的几何结构信息,是智能视频监控技术的重要辅助基础,因此具备一定的理论意义与应用价值。本文主要有两部分内容,单目摄像机场景深度算法估计与表盘数字识别算法研究。本文以实现智能化视频监控系统这一背景为基础,重点针对智能视频监控系统中场景深度信息估计进行研究,以期获得满足智能视频监控技术自动化提升的三维信息。主要做了以下几个方面的工作：首先研究了摄像机的光学成像模型以及散焦成像存在图像缩放与平移的偏差效应,通过图像数据处理与摄像机硬件改造消除该偏差带来的影响。接着对基于单目摄像机的散焦及聚焦深度获取方法进行了研究。对于散焦获取深度算法,本文通过改变像面位置得到散焦度不同的两幅图像利用最小方差模型与热扩散模型进行深度提取。对于聚焦获取深度算法,本文通过控制步进电机改变摄像机的像距逐幅拍摄图像,再进行图像像素点的清晰度计算,并通过改进的Fibonacci峰值搜索算法求取各个像素点的最佳聚焦位置来求取深度信息。本文的另一块内容是基于BF518的表盘数字识别系统设计,利用CMOS摄像头采集表盘图像在BF518核心板进行缓存,通过结合模板与骨架特征进行数字识别。与现有的数字识别方法相比,本文提出的数字识别算法在光线等环境因素较差的情况下,可以准确地识别出低分辨率表盘图像的读数。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 场景深度获取的研究现状
• 1.2.1 散焦获取深度的研究现状
• 1.2.2 聚焦获取深度的研究现状
• 1.3 表盘数字识别技术的研究现状
• 1.4 本文研究的主要内容及创新
• 1.5 本文的内容组织
• 1.6 本章小结
• 第2章 光学成像理论基础
• 2.1 摄像机成像理论基础
• 2.2 图像散焦过程
• 2.3 噪声模型
• 2.4 希尔伯特空间特性
• 2.5 图像偏差的矫正
• 2.5.1 图像处理矫正
• 2.5.2 光学矫正
• 2.6 摄像机参数获取
• 2.7 本章小结
• 第3章 散焦获取深度算法
• 3.1 背景综述
• 3.2 最小方差法深度获取[33]
• 3.2.1 代价函数化过程
• 3.2.2 最小方差模型
• 3.2.3 奇异值分解法（已知PSF模型）
• 3.2.4 图像学习法（未知PSF模型）
• 3.2.5 深度估计算法
• 3.3 热扩散法[33]
• 3.3.1 高斯点扩散函数
• 3.3.2 热扩散参数
• 3.3.4 深度估计算法
• 3.4 实验结果与分析
• 3.4.1 最小方差法结果
• 3.4.2 热扩散模型法结果
• 3.5 本章小结
• 第四章 聚焦获取深度算法
• 4.1 背景综述
• 4.2 清晰度评判
• 4.2.1 空域方法
• 4.2.2 频域方法
• 4.3 峰值搜索算法
• 4.3.1 穷尽法
• 4.3.2 爬坡法
• 4.3.3 Fibonacci搜索算法
• 4.3.4 转向法
• 4.3.5 改进的峰值搜索算法
• 4.4 实验结果
• 4.4.1 清晰度评价函数结果
• 4.4.2 聚焦获取深度结果
• 4.5 本章小结
• 第5章 表盘数字识别算法研究
• 5.1 背景综述
• 5.2 系统设计与概述
• 5.2.1 系统软件结构概述
• 5.2.2 硬件设计
• 5.3 表盘数字识别算法
• 5.3.1 算法概述
• 5.3.2 改进的骨架提取算法
• 5.3.3 自动定位字符区域
• 5.3.4 建立字符模板
• 5.3.5 识别表盘数字
• 5.4 实验结果与分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 全文总结
• 6.2 存在的问题与展望
• 参考文献