[发明专利]一种基于多视角的准确获取PFM的方法

说明书

技术领域

本发明涉及计算机视觉、多视图几何以及图像处理等技术领域，具体而言，本发明涉及一种基于多视角的准确获取PFM（Probability Fusion Map）的方法。

背景技术

最近几年，多视角跟踪系统得到研究者的很多关注，几年前，大多数的研究是基于单视角的，这种方式能够消耗比较低廉的成本，也能取得可以接受的性能。但是，单摄像机视觉技术受到了很多限制，由于摄像机制作的成本的降低，越来越多的监控系统使用多视角跟踪，多视角跟踪系统至少有以下两点优势：1、它能够扩大监控的视野；2、由于多个摄像头之间有重叠区域，这些区域提供了同一个物体的不同角度的信息，使得系统的鲁棒性增强，降低了被遮挡的概率，然而现在很多监控系统将多摄像头当作多个单摄像头使用。

现在越来越多的研究工作关于于融合不同视角的信息以得到更加准确的结果。多视角监控的一个研究难点就是如何将不同视角下的同一个物体对应起来。最简单的方法是通过颜色或者其他特征，卡尔曼滤波和贝叶斯网络可以在该策略中应用。然而，当不同视角的差距明显时，特征对应往往是不可靠的。如果每个摄像机都是标定的，则可以建立图像坐标和世界坐标的对应关系，则图像之间的对应关系也能建立，但是该方法的要求摄像机必须进行标定，操作起来复杂。Khan提出一种基于FOV(field of view)的方法提出，能够建立不同视角的对应关系，且该方法能够根据物体的进出摄像机的视野的变化自动找到FOV。另外一个需要解决的问题是如何将不同视野的图像信息融合起来，一般来说有三种融合方式：a.像素级别的融合；b.特征级别的融合；c.处理结果的融合。其中第一种方式的计算量最大，损失的信息最少，第三种方式的计算量最小，然而损失的信息确实最多的

PFM方法应用于多视角跟踪的研究方法引起了大家的注意，这种方法的计算量小，非常恰到好处的融合了不同视野的信息，然而这种方法的缺点是：如何使得保证得到点最大概率是前景点，而不是由于视角扭曲导致错误的将点作为前景点。

因而有必要提出一种有效的技术方案，能利用现有的设备以及现有的算法，实现对不同视角信息的有效的准确的结合。

发明内容

本发明的目的旨在解决单视角的鲁棒性不足以及PFM应用多视角跟踪产生的视角曲扭问题，利用多视图几何自身的约束来解决该问题，能够使得在不同视角一致性的基础之上，获得结果较好的PFM构成的silhouette，实验结果能够继续作为其他问题的输入，从而获得连续的性能的改进。

为了达到上述目的，本发明的采用的技术方案为：方案1、一种基于多视角的准确获取PFM的方法，该方法搭建多视角动态场景采集系统，所述多视角动态场景采集系统包括N个摄像机，所述N个摄像机离散分布于动态场景上，所述的摄像机的视角交叠区域内覆盖整个所述动态场景，其中N>2；包括以下步骤：

步骤（1）、求得每个视角和地平面之间的单应矩阵H_i，其中i＝1，2，3，…，n；

步骤（2）、根据所述的单应矩阵求得每个摄像机的拍摄范围；

步骤（3）、将预先用N个摄像机设备采集好的N路视频图像分别传到各自分控中心；

步骤（4）、对于N路视频图像中每路图像都进行高斯背景建模，获取每路视频图像的前景图像，并利用步骤（1）求得的单应矩阵将N个视角的视频图像转化为俯视图P_i，其中i=1，2，3，…，n；

步骤（5）、将各路视频图像转换后的前景图像同时传到总控中心；

步骤（6）、创建集合Ф，如果某个点A在t个转换后的前景图像上为前景，其中t<=N且t>2，且该点处于这N个摄像机中心与地面的垂点形成的凸边形中，则将A的坐标放入集合Ф中；

步骤（7）、集合Ф即为俯视图的前景，且可以保证该限制条件得到的PFM是正确的，不会发生错误的，将集合Ф保存后，清空；

步骤（8）、重复步骤（3）至（8），即可在每个时刻得到正确的PFM。

方案2、所述的方案1的步骤（2）中根据所述的单应矩阵求得每个摄像机的拍摄范围的具体步骤如下：对于视角Vi，某点坐标的图像坐标为T，则转化为俯视图后，该点对应的图像坐标为H_iT，如果H_iT位于俯视图的图像坐标的合法位置，即大于0，且没有超出图像的坐标范围，则将该点处于该视角的合法范围。