[发明专利]一种基于嵌入式的片上径向失真校正方法

权利要求书

1.一种基于嵌入式的片上径向失真校正方法，其特征在于，包括以下步骤：

S1、设计基于像差理论的环视透镜：首先基于像差理论对光学系统中折反射透镜的像差进行分析计算，利用折反射透镜的特点，进行折反光学系统的建模；

S2、设计基于所述环视透镜的成像光学系统：通过面的曲率、通光口径及材料来改变光路的走向，利用合理选择设计光学系统结构来优化折反式成像系统，实现360°环视成像效果；

S3、基于嵌入式的片上径向失真校正：通过环视折反射透镜系统的图像投影模型，给出投影变换的数学模型，然后在计算机上采用MATLAB编写图像校正算法，验证图像投影模型的正确性和校正效果，最后结合FPGA和DSP的各自优势，分解校正算法，移植到嵌入式系统中；

S4、全景图像的运动检测和人体识别技术：首先从建立复杂环境下强鲁棒自适应背景模型出发，进行图像运动目标的分割检测，并采用Hog特征和轮廓特征融合的特征提取方法，结合SVM分类器和AdaBoost分类器完成人体识别。

2.根据权利要求1所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述S1中，在折反射透镜的像差分析计算后，研究整个折反光学系统的三级像差场理论，并探索像差场偏心矢量的计算方法。

3.根据权利要求1所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述S3中，FPGA的优势是时序控制能力强和控制能力较强，DSP的优势是数字信号处理及算法强。

4.根据权利要求1所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述S4中，人体识别分为人体识别或者非人体识别，识别模式的分类算法分为特征提取、特征学习和特征检测，其中人体模板图像通过特征提取后的正样本特征进行特征学习、训练，背景模板图像通过特征提取后的负样本特征进行特征学习、训练。

5.根据权利要求4所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述特征学习、训练后传输至AdaBoost分类器，最后得到识别结果。