[发明专利]一种视频全景化处理的方法及系统

权利要求书

1.一种视频全景化处理方法，其特征在于：包括以下步骤：

(1)将摄像机编号，并根据编号排列摄像机；

(2)每台摄像机采集视频中的静态图像；

(3)对相邻摄像机采集的同一时刻的静态图像进行图像匹配；

(4)采用步骤(3)中的方法对所有摄像机采集的静态图像进行图像匹配，完成静态图像的全景化处理，对每一时刻的静态图像进行上述处理，完成视频的全景化处理；

在步骤(3)中进行图像匹配的方法采用：首先对相邻摄像机采集的同一时刻的静态图像进行旋转度分析，得到图像旋转参数；然后根据图像旋转参数对所述静态图像进行修正；将修正后的图像进行图像匹配；

所述旋转度分析的方法为：将相邻两幅静态图像视为原图像和移位后图像，利用相邻两幅静态图像具有相同的互功率谱函数的原理，得到位移后图像相对于原图像的位移改变量；根据所述位移改变量，得到位移后图像相对于原图像的旋转角度；

所述匹配方法具体为：构建尺度空间，在尺度空间中确定关键点，采用直方图统计法确定关键点的主方向，根据关键点的主方向旋转静态图像，用以保证匹配后图像的旋转不变形，在具有旋转不变性的图像中，为所述关键点生成特征描述子，然后采用相似度检测函数通过所述特征描述子检验关键点的相似度，完成静态图像间的匹配；

剔除对不稳定的关键点并定位关键点，对不稳定的关键点的筛选采用利用关键点的Hessian矩阵H求解极值点处主曲率的方式进行剔除；Hessian矩阵H表示为：

设H的特征值为α、β，且α＝mβ，m为特征值α和β的比值，则H矩阵的秩Tr(H)的行列式Det(H)表示为：

Tr(H)＝D_xx+D_yy＝α+β，Det(H)＝D_xxD_yy-(D_xy)²＝αβ

则矩阵H的两个特征值α和β的比值m越大，Tr(H)和Det(H)的比值越大，在不稳定的关键点处，矩阵H的两个特征值与真值差距较大，将Tr(H)和Det(H)的比值和预设阈值进行比较间接剔除掉不稳定的关键点。

2.根据权利要求1所述方法，其特征在于：构建尺度空间的方法为：采用基于高斯算子的高斯差值算子构建尺度空间。

3.根据权利要求1所述方法，其特征在于：在尺度空间中确定关键点的方法为：在尺度空间中，将每一层尺度空间中除第一层和最后一层外的其他所有层中的像素点与周围的26个像素点比较，当该点的值比周围的所有26个点的值都大或者都小时即认为该点为关键点。

4.根据权利要求1所述方法，其特征在于：在确定关键点后，剔除对噪声不敏感的关键点以及稳定性不符合设定要求的关键点。

5.根据权利要求1所述方法，其特征在于：采用拟和三维二次方程法剔除对噪声不敏感的关键点；基于关键点处的Hessian矩阵，剔除稳定性不符合设定要求的关键点。

6.根据权利要求1所述方法，其特征在于：为所述关键点生成特征描述子的方法为：以关键点为中心选取一个M²*M²的邻域窗口，并将该邻域窗口划分为M²个M×M的子区域，在每个子区域中每W度划分一个方向，将360度划分为360/W个方向；然后以与关键点的距离为参数以高斯递减的方式进行直方图统计，统计出每个区域中各个方向的权重；在完成对M²个子区域的方向统计后，以各个子区域与关键的距离为参数再次以高斯递减的方式进行直方图统计，至此得到关键点的N维向量作为该关键点的特征描述子。

7.一种基于权利要求1的视频全景化处理系统，其特征在于：包括根据编号排列的各个摄像机；每台摄像机的输出与一处理器相连接，处理器获取各个摄像机采集的视频流中的静态图像，并进行图像匹配，并将匹配后的图像返回至各个摄像机，对每一时刻的静态图像进行上述处理，完成视频的全景化处理。