主动视频监控中若干问题的研究

论文摘要

随着人们安全防范意识的增强,视频监控得到了广泛的普及,越来越多的摄像机被安装在机场、商店、停车场、交通路口等场所。为了提高监控的准确性和监控效率,视频监控需要向智能化方向上发展,产生了所谓的智能视频监控。这一技术包括在视频图像序列中自动地进行运动目标的检测、目标跟踪、目标分类和行为理解等方面的内容,目的是在图像及图像描述之间建立映射关系,从而使计算机能够理解视频画面中的内容。本文将可移动的动态摄像机引入到由静止摄像机构成的监控系统中,讨论该系统所涉及到的摄像机标定、手眼关系的标定、移动目标的提取和跟踪、两个摄像机之间目标的匹配以及对动态摄像机运动平台的伺服控制等问题。首先讨论了摄像机标定问题和手眼关系的标定问题,这方面的具体工作如下:(1)提出的一种利用环境中目标物体运动的已知信息,求解摄像机的内参数问题的方法。该方法的基本思想是:让被摄物体作三个不在同一平面的平移运动,然后,根据每次平移运动前后摄像机获取的两幅不同图像特征点的对应关系,建立方程,求解摄像机的内部参数。通过引入了中间变量,以避免求解非线性方程,在物体上选择多个特征点,可以得到一个线性方程组。并且考虑未知量之间的约束条件,利用Lagrange乘数法对方程组求解。(2)提出了一种内参数异构情况下摄像机平移位置的测定方法。该方法核心是给出了焦距变化时图像平面极点的求解方法,进而可求出摄像机的运动方向,并实现摄像机平移位置的测定,同时也给出了在摄像机焦距调整后,焦距检测的简单方法。(3)提出了一种新的手眼关系的标定方法。该方法是一种自标定方法。需要场景中两个特征点,通过控制摄像机运动平台的做两次平移和两次旋转运动,即可通过图像之间的对应关系求出手眼关系的旋转矩阵和平移向量。与以往算法的不同之处在于,在计算手眼关系的平移向量时,让摄像机平台进行纯旋转运动,再对摄像机坐标系进行虚设旋转变换使旋转转化为平移问题。同时,也给出了基于主动视觉的空间点深度值计算方法。其次,由于复杂的环境因素,使得背景模型越来越复杂。为了提高运动目标检测的执行效率,提出了一种基于图像块的多像素背景模型的构建方法,该方法将视频图像分块,以图像块的特征来构建背景模型。并给出了基于图像块的高斯混合背景模型和LOTS背景模型。并进行了实验验证。最后,为了克服由静止摄像机组成的监控系统对目标跟踪的不足,将手眼系统引入到视频监控中。提出了一种主动的视频监控系统,它是由一个固定的静止摄像机加上一个可移动的动态摄像机组成的双摄像机监控系统。其目的是对异常目标进行实时的跟踪并控制动态摄像机运动平台使所要跟踪移动目标总是出现在动态摄像机图像的中心位置。该系统在标定摄像机和手眼关系的基础上,利用所监控的环境特点,给出两个摄像机图像平面之间的近似的单应性关系,并以此为基础,建立两个摄像机之间目标匹配的方法。系统在静态摄像机的图像平面上建立目标的2D运动模型,采用卡尔曼滤波实现目标运动位置的预测,然后再利用单应性关系,得到在动态摄像机图像平面上对应目标的位置预测,计算动态摄像机平台所要旋转的角度,实现对该摄像机的运动控制,同时也讨论了系统的误差补偿等技术问题。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 视频监控与智能视频监控
• 1.1.1 视频监控
• 1.1.2 智能视频监控
• 1.1.3 智能视频的应用前景
• 1.2 计算机视觉
• 1.2.1 Marr 的视觉理论框架
• 1.2.2 主动视觉
• 1.3 智能视频监控技术综述
• 1.3.1 智能视频监控一般框架
• 1.3.2 移动目标的检测
• 1.3.3 目标的分类
• 1.3.4 运动目标的跟踪
• 1.3.5 行为的理解和描述
• 1.3.6 多摄像机监控问题
• 1.3.7 基于主动视觉的视频监控
• 1.4 研究内容
• 1.5 论文的结构
• 第2章 摄像机标定问题的研究
• 2.1 引言
• 2.2 摄像机的几何模型
• 2.2.1 摄像机的线性模型（针孔模型）
• 2.2.2 非线性摄像机模型
• 2.3 摄像机的标定算法
• 2.3.1 线性求解方法
• 2.3.2 非线性求解方法
• 2.3.3 两步法
• 2.3.4 摄像机自标定方法
• 2.4 基于目标纯平移运动的内参数的求解方程
• 2.5 内参数的求解
• 2.6 手眼系统
• 2.7 摄像机调整焦距后内参数的标定
• 2.8 内参数异构情况下摄像机平移位置的测定
• 2.9 实验
• 2.9.1 模拟实验
• 2.9.2 真实图像实验
• 2.10 本章小结
• 第3章 手眼关系标定算法的研究
• 3.1 引言
• 3.2 手眼系统传统的标定方法
• 3.3 手眼关系中的旋转矩阵的标定
• 3.4 手眼关系中的平移量的标定
• 3.4.1 深度值的计算问题
• 3.4.2 基于机械手纯旋转的平移向量的确定
• 3.5 实验
• 3.5.1 模拟实验
• 3.5.2 真实图像实验
• 3.6 本章小结
• 第4章 基于图像分块背景模型的构建方法
• 4.1 引言
• 4.2 前期的相关工作
• 4.3 图像分块方式及图像块特征
• 4.3.1 图像分块
• 4.3.2 图像块特征的选取
• 4.4 基于图像块特征的自适应的高斯混合模型
• 4.5 基于图像分块的LOTS 方法
• 4.6 数学形态学
• 4.7 目标的分割
• 4.8 实验
• 4.8.1 实验参数的选择
• 4.8.2 实验结果分析
• 4.9 本章小结
• 第5章 双摄像机系统移动目标的跟踪
• 5.1 引言
• 5.2 系统的构成与功能设置
• 5.3 系统摄像机的标定
• 5.4 摄像机投影的近似模型以及图像平面的单应性关系
• 5.5 卡尔曼滤波
• 5.6 静止摄像机移动目标的跟踪
• 5.6.1 目标的检测
• 5.6.2 目标的选择
• 5.6.3 目标的定位和跟踪
• 5.7 动态摄像机移动目标的跟踪
• 5.7.1 动态摄像机目标的提取
• 5.7.2 摄像机之间目标的匹配
• 5.7.3 目标的动态跟踪
• 5.7.4 摄像机旋转角度
• 5.8 系统实现
• 5.9 本章小结
• 结论
• 参考文献
• 攻读博士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介