CN101894366A - 一种获取标定参数的方法、装置及一种视频监控系统 - Google Patents

一种获取标定参数的方法、装置及一种视频监控系统 Download PDF

Info

Publication number
CN101894366A
CN101894366A CN2009100841650A CN200910084165A CN101894366A CN 101894366 A CN101894366 A CN 101894366A CN 2009100841650 A CN2009100841650 A CN 2009100841650A CN 200910084165 A CN200910084165 A CN 200910084165A CN 101894366 A CN101894366 A CN 101894366A
Authority
CN
China
Prior art keywords
information
line
vanishing
calculating
extracting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2009100841650A
Other languages
English (en)
Other versions
CN101894366B (zh
Inventor
谢东海
王磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGDONG ZHONGXING ELECTRONICS Co Ltd
Original Assignee
Vimicro Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Vimicro Corp filed Critical Vimicro Corp
Priority to CN200910084165.0A priority Critical patent/CN101894366B/zh
Priority to US12/785,084 priority patent/US8872925B2/en
Publication of CN101894366A publication Critical patent/CN101894366A/zh
Application granted granted Critical
Publication of CN101894366B publication Critical patent/CN101894366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种获取标定参数的方法，包括在视频图像数据中没有标定控制场时执行的以下步骤：检测视频图像数据中的特定目标，并提取所述特定目标的特征信息；依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线，由所述空间平行线形成的灭点确定相应的灭线；按照预置规则依据所述灭点和/或灭线计算对应的标定参数。本发明可以简化传统的摄像机标定方法的操作复杂度；以及，提高不依赖于标定参照物的摄像机自标定方法的标定精度。

Description

一种获取标定参数的方法、装置及一种视频监控系统
技术领域
本发明涉及摄像机标定的技术领域，特别是涉及一种基于单视图的获取标定参数的方法、装置及一种视频监控系统。
背景技术
摄像机标定的目的是从摄像机获取的图像信息出发，计算三维空间中物体的几何信息，并由此重建和识别物体。而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，是由摄像机成像的几何模型决定的，这些几何模型参数就是标定参数。具体而言，标定参数包括外方位元素和内方位元素，其中，外方位元素包括摄像机的位置、姿态等几何信息，内方位元素包括摄像机的焦距，主点、以及镜头变形参数等光学参数，用外方位元素和内方位元素来建立空间中的任意点和其在图像上的成像点之间的对应关系，这个过程就是摄像机标定的过程。通常，空间中的任意点和其在图像上的成像点之间的对应关系用小孔成像模型来描述。
传统的摄像机标定是在一定的摄像机模型下，基于特定的实验条件，如形状、尺寸已知的标定物，经过对其进行图像处理，利用一系列数学变换和计算方法，求取摄像机模型的外方位元素和内方位元素。基于单视图的摄像机标定一般是基于三维控制场来实现的，具体的操作方式为：用摄像机对布设在空间中已知三维控制点摄像，并从拍摄得到的图像中找到三维点对应的二维成像点；然后将已知的三维控制点和二维成像点代入小孔成像模型中，反算出成像模型中的未知参数。
这种基于三维控制场的计算方法所获得的标定精度比较高，所以在应用场合所要求的精度很高且摄像机的参数不经常变化时，这种传统的摄像机标定方法为首选。但由于实际的场景往往比较复杂，标定时需要确定控制点在图像上的成像点位置，并和控制点建立对应关系，操作比较复杂；尤其当布设的三维控制点数量较多时，操作将非常繁琐。
为了提高标定的自动化程度，现有技术中提出了不依赖于标定参照物的摄像机自标定方法，即仅利用摄像机在运动过程中周围环境的图像与图像之间的对应关系对摄像机进行标定。这种自标定方法非常地灵活，但它并不是很成熟，因为未知参数太多，很难得到稳定的结果。所以目前这种自标定方法主要应用于精度要求不高的场合，如通讯、虚拟现实等。
然而，在视频监控中，由于监控的区域常常是人无法达到或者不能放置标定参考物的区域，比如高速公路，危险区域和禁止人员进入的区域等，所以采用传统的建立控制场的标定方法无法适用；而采用上述不依赖于标定参照物的摄像机自标定方法，标定精度又达不到视频监控的要求。
因此，目前需要本领域技术人员迫切解决的一个技术问题就是：如何能够创新地提出一种基于单视图的摄像机标定机制，以简化传统的摄像机标定方法的操作复杂度；以及，提高不依赖于标定参照物的摄像机自标定方法的标定精度。
发明内容
本发明所要解决的技术问题是提供一种获取标定参数的方法，用以简化传统的摄像机标定方法的操作复杂度；以及，提高不依赖于标定参照物的摄像机自标定方法的标定精度。
本发明还提供了一种获取标定参数的装置及一种视频监控系统，用
以保证上述方法在实际中的实现及应用。
为了解决上述技术问题，本发明实施例公开了一种获取标定参数的方法，包括在视频图像数据中没有标定控制场时执行的以下步骤：
检测视频图像数据中的特定目标，并提取所述特定目标的特征信息；
依据所述特征信息提取视频图像数据中的至少两对水平方向的空间
平行线，由所述空间平行线形成的灭点确定相应的灭线；
按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
优选的，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息，所述空间平行线的提取步骤包括：
在所述运动轨迹信息为直线信息时，提取经直线拟合的运动轨迹信息为空间平行线。
优选的，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息、顶部信息和底部信息，所述空间平行线的提取步骤包括：
在所述运动轨迹信息不是直线信息时，提取所述运动目标在运动轨迹中不同位置点的顶部连线和底部连线为空间平行线。
优选的，所述特定目标包括静止目标，以及，与所述静止目标位置不同、高度相近的相似目标，所述特征信息包括所述静止目标和相似目标的位置信息、顶部信息和底部信息，所述空间平行线的提取步骤包括：
提取所述不同位置的静止目标与相似目标的顶部连线和底部连线为空间平行线。
优选的，所述特定目标包括静止目标，所述特征信息还包括静止目标的边缘信息和/或直线信息，所述空间平行线的提取步骤包括：
提取所述边缘信息和/或直线信息上特征点的拟合直线为空间平行线。
优选的，所述的方法还包括：提取所述视频图像数据中参照目标的真实尺度信息；
所述计算标定参数的步骤包括：
根据当前设置的倾角tilt angle计算标定参数，所述标定参数包括所述参照目标的参考尺度信息；
计算所述真实尺度信息和参考尺度信息的误差值；
若所述误差值为遍历倾角tilt angle的多个预设值后，所获得的最小误差值，则确定依据该倾角tilt angle计算的标定参数为所述视频图像数据的标定参数。
优选的，所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，所述根据当前设置的倾角tilt angle计算标定参数的步骤进一步包括：
根据当前设置的倾角tilt angle计算焦距和垂直方向上的灭点；
根据所述灭线确定偏航角yaw angle，并提取灭线上任一位置的灭点，由所述灭点计算左右转动角pan angle；
依据所述灭线、垂直方向上的灭点和参照目标的尺度信息，计算摄像机的高度信息；
根据所述焦距、三个旋转角和摄像机的高度信息确定所述视频图像数据的三维成像矩阵；
采用所述三维成像矩阵计算所述参照目标的参考尺度信息。
优选的，所述标定参数包括参照目标的真实高度信息；所述的方法还包括：提取所述视频图像数据中参照目标的顶部信息和底部信息；
所述计算标定参数的步骤包括：
依据所述灭线以及参照目标的顶部信息和底部信息计算参照目标的真实高度信息。
优选的，所述标定参数包括参照目标的真实高度信息和/或长度信息；所述的方法还包括：提取所述视频图像数据中参照目标的尺度信息和/或角度信息；
所述计算标定参数的步骤为：依据所述灭线以及参照目标的尺度信息和/或角度信息，计算参照目标的高度信息和/或长度信息。
优选的，所述方法还包括：提取所述视频图像数据的主点，以及，参照目标的高度信息；
所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，当由所述空间平行线形成的灭点为互相垂直的三个方向上的灭点，所述计算标定参数的步骤包括：
依据至少两对水平方向的空间平行线形成的灭点计算灭线，并依据该灭线确定偏航角yaw angle；
依据垂直方向上的空间平行线形成的灭点计算焦距；
依据所述焦距和灭线计算倾角tilt angle；
依据所述主点、焦距和灭线上的任一灭点计算左右转动角pan angle；
依据所述灭线和参照目标的高度信息计算摄像机的高度信息。
本发明实施例还公开了一种获取标定参数的装置，该装置包括在视频图像数据中没有标定控制场时执行的以下模块：
特定目标检测模块，用于检测视频图像数据中的特定目标；
特征信息提取模块，用于提取所述特定目标的特征信息；
空间平行线提取模块，用于依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线；
灭点灭线确定模块，用于依据所述空间平行线形成的灭点确定相应的灭线；
标定参数计算模块，用于按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
优选的，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息，所述空间平行线提取模块包括：
第一提取子模块，用于在所述运动轨迹信息为直线信息时，提取经直线拟合的运动轨迹信息为空间平行线。
优选的，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息、顶部信息和底部信息，所述空间平行线提取模块包括：
第二提取子模块，用于在所述运动轨迹信息不是直线信息时，提取所述运动目标在运动轨迹中不同位置点的顶部连线和底部连线为空间平行线。
优选的，所述特定目标包括静止目标，以及，与所述静止目标位置不同、高度相近的相似目标，所述特征信息包括所述静止目标和相似目标的位置信息、顶部信息和底部信息，所述空间平行线提取模块包括：
第三提取子模块，用于提取所述不同位置的静止目标与相似目标的顶部连线和底部连线为空间平行线。
优选的，所述特定目标包括静止目标，所述特征信息还包括静止目标的边缘信息和/或直线信息，所述空间平行线提取模块包括：
第四提取子模块，用于提取所述边缘信息和/或直线信息上特征点的拟合直线为空间平行线。
优选的，所述的装置，还包括：
第一参照信息提取模块，用于提取所述视频图像数据中参照目标的真实尺度信息；
所述标定参数计算模块包括：
参考尺度计算子模块，用于根据当前设置的倾角tilt angle计算标定参数，所述标定参数包括所述参照目标的参考尺度信息；
误差提取子模块，用于计算所述真实尺度信息和参考尺度信息的误差值；
标定参数确定子模块，用于若所述误差值为遍历倾角tilt angle的多个预设值后，所获得的最小误差值，则确定依据该倾角tilt angle计算的标定参数为所述视频图像数据的标定参数。
优选的，所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，所述参考尺度计算子模块进一步包括：
焦距及灭点计算单元，用于根据当前设置的倾角tilt angle计算焦距和垂直方向上的灭点；
旋转角计算单元，用于根据所述灭线确定偏航角yaw angle，并提取灭线上任一位置的灭点，由所述灭点计算左右转动角pan angle；
摄像机高度确定单元，用于依据所述灭线、垂直方向上的灭点和参照目标的尺度信息，计算摄像机的高度信息；
矩阵生成单元，用于根据所述焦距、三个旋转角和摄像机的高度信息确定所述视频图像数据的三维成像矩阵；
参考尺度计算单元，用于采用所述三维成像矩阵计算所述参照目标的参考尺度信息。
优选的，所述标定参数包括参照目标的真实高度信息；所述的装置还包括：
第二参照信息提取模块，用于提取所述视频图像数据中参照目标的顶部信息和底部信息；
所述标定参数计算模块包括：
第一计算子模块，用于依据所述灭线以及参照目标的顶部信息和底部信息计算参照目标的真实高度信息。
优选的，所述标定参数包括参照目标的真实高度信息和/或长度信息；所述的装置还包括：
第三参照信息提取模块，用于提取所述视频图像数据中参照目标的尺度信息和/或角度信息；
所述标定参数计算模块包括：
第二计算子模块，用于依据所述灭线以及参照目标的尺度信息和/或角度信息，计算参照目标的高度信息和/或长度信息。
本发明实施例还公开了一种视频监控系统，包括用于采集视频图像数据的视频采集模块，以及，用于依据标定参数分析三维成像信息的处理模块，所述系统还包括获取标定参数的装置，该装置包括在视频图像数据中没有标定控制场时执行的以下模块：
特定目标检测模块，用于检测视频图像数据中的特定目标；
特征信息提取模块，用于提取所述特定目标的特征信息；
空间平行线提取模块，用于依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线；
灭点灭线确定模块，用于依据所述空间平行线形成的灭点确定相应的灭线；
标定参数计算模块，用于按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
与现有技术相比，本发明具有以下优点：
本发明通过充分利用单视图场景中特定目标的特征信息，如几何信息、运动信息或人为的控制信息等，更准确、合理地提取视频图像中的空间平行线，并根据由当前空间平行线所确定的灭点和灭线的不同情况，按照预置规则相应地组合各种信息进行处理，以在视频图像数据中没有标定控制场的条件下，仍能获得精度较高的标定参数。
附图说明
图1是本发明的一种获取标定参数的方法实施例1的流程图；
图2是本发明的一种获取标定参数的方法实施例2的流程图；
图3是本发明的一种获取标定参数的方法实施例3的流程图；
图4是一种空间平行线、灭点和灭线的示意图；
图5是本发明的一种获取标定参数的方法实施例4的流程图；
图6是本发明的一种获取标定参数的方法实施例5的流程图；
图7是一种β角与灭线VL，垂直灭点VVY之间的关系示意图；
图8是一种灭线、主点和γ角的关系示意图；
图9是一种灭点、灭线的示意图；
图10是一种参照目标的示意图；
图11是本发明的一种获取标定参数装置实施例的结构框图；
图12是本发明的一种视频监控系统实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明实施例的核心构思之一在于，通过充分利用单视图场景中特定目标的特征信息，如几何信息、运动信息或人为的控制信息等，更准确、合理地提取视频图像中的空间平行线，并根据由当前空间平行线所确定的灭点和灭线的不同情况，按照预置规则相应地组合各种信息进行处理，以在视频图像数据中没有标定控制场的条件下，仍能获得精度较高的标定参数。
参考图1，示出了本发明的一种获取标定参数的方法实施例1的流程图，具体可以包括以下步骤：
步骤101、判断视频图像数据中是否有标定控制场，若没有，则执行步骤102-104：
步骤102、检测视频图像数据中的特定目标，并提取所述特定目标的特征信息；
步骤103、依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线，由所述空间平行线形成的灭点确定相应的灭线；
步骤104、按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
为使本领域技术人员更好地理解本发明，本说明书将以视频监控为例详细说明各实施例。
在视频图像数据中，地面上的空间平行线和/或平行于地面的空间平行线，是计算标定参数最有用的几何信息，也就是说，决定标定参数精高低的主要因素之一在于，空间平行线提取得是否准确、合理。
现有技术中，空间平行线的提取方式一般是基于视频监控场景中平行于地面的直线信息(如马路边缘，车道线等)来提取，这种方式的局限性较大，尤其是对那些没有道路信息的监控场景，采用现有技术很难提取到空间平行线，在这种情况下，则只能通过人工标识来提取。
然而，本专利发明人注意到，视频监控的目标一般都位于地面上，而位于地面上的目标总能形成与地面平行的空间平行线。例如，当目标是人或车辆时，其直线运动轨迹可以形成与地面平行的空间平行线；或者，某个人在不同位置点的顶部连线和底部连线同样可以形成与地面平行的空间平行线等；故提出采用视频图像数据中特定目标的特征信息来提取空间平行线，可以看出，所获得的空间平行线不仅准确、合理，并且完全不受监控场景的限制，即使监控场景中没有道路信息，也能通过图像中特定目标的特征信息，将平行于地面的空间平行线确定出来。
当然，本领域技术人员采用任一种获取所述特定目标及其特征信息的方式都是可行的，如运动检测、人体检测方式等，本发明对此无需加以限制。此外，本领域技术人员还可以根据实际情况，从一帧或多帧视频图像数据中获取特定目标及其特征信息，例如，对于静止目标的特征信息可以仅从一帧视频图像中提取；对于运动目标的特征信息可以从多帧图像中提取，本发明对此亦无需加以限制。
当获得视频图像数据中至少两对水平方向的空间平行线时，则可依据这些空间平行线确定出灭点及相应的灭线。然而，由于空间平行线的提取受到视频图像数据、特定目标及特征信息的影响，由空间平行线所确定的灭点及灭线可能出现不同的情况，例如，有时可以获得三个互相垂直方向上的灭点；有时仅仅可以获得灭线；此时，则需要判断当前情况属于哪种类型的标定，然后采用相应的计算规则计算出对应的标定参数即可。
作为另一实施例，本发明还可以包括在视频图像数据中存在标定控制场时的处理步骤，本领域技术人员采用任一种基于控制场的标定方式都是可行的，例如，采用经典的数值分析算法来计算出标定参数；采用基于三维控制场的标定方法等。由于视频监控中关心的目标一般都位于地面上，因此优选可以采用在平面上布设二维控制场的方法来获取标定参数，特别当需要对图像中地面上的目标进行长度度量时，可以仅用4个点来计算欧式空间中的地面和图像中的地面成像面之间的单应性矩阵(Homography Matrix)。通过该单应性矩阵即可获得完全标定。
参考图2，示出了本发明的一种获取标定参数的方法实施例2的流程图，具体可以包括在视频图像数据中没有标定控制场时执行的以下步骤：
步骤201、检测视频图像数据中的运动目标，并提取所述运动目标的运动轨迹信息；
从视频图像数据中检测出运动目标的方法可以采用当前帧图像减背景图像的方法，例如，可以包括以下子步骤：
子步骤A1、建立视频图像数据的背景图像，该背景图像通常对应的是场景中的静止目标；
子步骤A2、用当前帧图像(该图像中包含了运动目标)与背景图像相减并进行二值化，则可以得到所有运动目标所覆盖的区域；
子步骤A3、对二值化图像进行连通域分析，则可以得到每个运动目标的位置和形状信息。
对所述运动目标进行跟踪即可获得其运动轨迹信息。所谓跟踪就是建立同一个运动目标在相邻帧之间的对应关系，即运动目标在按照若干帧中的所有对应位置排列起来就是运动目标的运动轨迹。运动目标轨迹信息的获取方法有很多，其区别主要在于跟踪方式的不同，以下通过两个具体例子进行说明。
例1，根据位置最接近的方法来进行跟踪：
这种方法的思想是同一个运动目标在相邻帧之间的位置变化较小，对前一帧中的每个目标，计算其与后一帧中每个运动目标的距离。跟踪时，首先在前后相邻帧之间找到距离最小的一对运动目标，认为它们对应了同一个运动目标，并将这两个目标分别从目标集合中删除。然后在前后帧剩余的目标中找距离最小的对应目标，直到前后两帧包含的运动目标集合中有一个为空。如果前一帧中还有运动目标没有找到对应，那么就认为该目标在后一帧中没有被跟踪上，如果后一帧中还有运动目标没有找到对应，那么就认为该目标是一个新出现的目标。
例2，根据颜色信息来进行跟踪。
上述的方法1只用到目标的位置信息，是一种比较简单但是速度很快的方法，这种方法的缺点是如果多个运动目标靠的较近，那么仅用位置信息就可能导致跟踪错误。基于颜色信息来进行跟踪可以得到更好的跟踪效果，如很著名的mean shift算法就可以基于颜色来对目标进行跟踪。
当然，上述运动目标检测及运动轨迹信息的提取方法仅仅用作示例，本领域技术人员采用任一种方法实现都是可行的，本发明对此不作限制。
步骤202、依据所述运动轨迹信息提取视频图像数据中的至少两对水平方向的空间平行线；
优选的，在本实施例中，本步骤可以包括以下子步骤：
在所述运动轨迹信息为直线信息时，提取经直线拟合的运动轨迹信息为空间平行线。
例如，在高速公路的视频监控场景中，作为运动目标的车辆一般都是沿着高速公路的方向直线匀速行驶，本发明通过检测行驶的车辆并进行跟踪，记录其轨迹，当车辆轨迹达到一定长度时，用直线拟合的方式来将轨迹拟合为一条直线，根据不同车道的多辆车的运动轨迹拟合成的直线，就可以形成多条水平方向的空间平行线。
所述直线拟合处理可以采用现有技术中的任一种方法，例如，最小二乘法、RANSAC算法等，本发明对此无需加以限制。
步骤203、由所述空间平行线形成的灭点确定相应的灭线；
步骤204、按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
根据运动轨迹信息提取空间平行线的好处在于，无需相关技术人员参与，自动化程度很高。
参考图3，示出了本发明的一种获取标定参数的方法实施例3的流程图，具体可以包括在视频图像数据中没有标定控制场时执行的以下步骤：
步骤301、检测视频图像数据中的运动目标，并提取所述运动目标的运动轨迹信息、顶部信息和底部信息；
所述运动目标顶部信息和底部信息提取的方式可以采用任一种智能检测的方法，例如，针对作为运动目标的行人而言，可以采用如下人体检测方法：
步骤B1、计算检测图像的边缘强度和离散化边缘方向；
步骤B2、根据所述边缘强度和离散化边缘方向，计算预设的检测框内图像的边缘方向直方图；
步骤B3、利用层次型自适应增强算法分类器对所述边缘方向直方图进行验证，得到所述检测框内的人体位置。
或如，针对作为运动目标的车辆而言，可以采用如下车辆检测方法：
步骤C1、采集路面图像/视频；
步骤C2、提取所述路面图像/视频内的尺度不变特征变换(SIFT)特征；
步骤C3、对尺度不变特征变换(SIFT)特征进行有序化处理，并通过网络传送到分类器，其中，所述分类器通过事先训练得出；以及所述分类器根据经过有序化处理的尺度不变特征变换(SIFT)特征对路面图像进行车辆检测。
基于诸如此类的物体检测方法获得运动目标后，可以进一步对该运动目标进行主成分分析(PCA，Principal Component Analysis)，以获得运动目标的顶部和底部信息。主成分分析是现有技术中一种常用的数据压缩方法，它基于变量之间的相互关系，在尽量不丢失信息的前提下来实现压缩。通过主成分分析可以得到一个主轴，主轴代表了数据分布的主方向。视频监控中的行人或车辆一般都是与地面垂直的，在视频中的成像大致和y轴平行。通过对检测到的运动目标所包含的像素点坐标进行主成分分析，可以较为准确的提取出运动目标的顶部和底部信息。
由于物体检测方法一般都是基于统计的方式来完成，当训练样本完备时，可以取得较好的检测效果，从而进一步方便空间平行线的提取，使本发明可应用于更多监控场景中。当然，上述方法仅仅用作示例，本发明对所述运动目标顶部信息和底部信息的提取方式并不进行限定。
步骤302、依据所述运动目标的运动轨迹信息、顶部信息和底部信息，提取视频图像数据中的至少两对水平方向的空间平行线；
优选的，在本实施例中，本步骤可以包括以下子步骤：
在所述运动轨迹信息不是直线信息时，提取所述运动目标在运动轨迹中不同位置点的顶部连线和底部连线为空间平行线。
例如，参考图4所示的空间平行线、灭点和灭线的示意图，假设从视频图像数据中获取的行人的运动轨迹信息并不是直线，在这种情况下，提取行人在运动轨迹中A点、B点和C点位置的成像，将不同位置点上该行人的顶部和底部相连，即可获取相应的顶部连线和底部连线，如图4中A点与B点位置的行人顶底部连线形成的空间平行线41和42；C点与B点位置的行人顶底部连线形成的空间平行线43和44。
步骤303、由所述空间平行线形成的灭点确定相应的灭线；
依据灭点理论，图4中的空间平行线41和42可以定位一个灭点P1，空间平行线43和44可以定位一个灭点P2，由所述灭点P1和灭点P2即可确定出灭线VL。
步骤304、按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
采用运动目标顶部和底部信息的好处在于，实现简单，并且不受监控场景的限制。即使提取到非直线的运动轨迹信息时，也可以通过运动目标在不同位置点的成像获得空间平行线。
参考图5，示出了本发明的一种获取标定参数的方法实施例4的流程图，具体可以包括在视频图像数据中没有标定控制场时执行的以下步骤：
步骤401、检测视频图像数据中的静止目标，以及，与所述静止目标位置不同、高度相近的相似目标，并提取所述静止目标和相似目标的位置信息、顶部信息和底部信息；
步骤402、依据所述静止目标和相似目标的位置信息、顶部信息和底部信息，提取视频图像数据中的至少两对水平方向的空间平行线；
优选的，在本实施例中，本步骤可以包括以下子步骤：
提取所述不同位置的静止目标与相似目标的顶部连线和底部连线为空间平行线。
步骤403、由所述空间平行线形成的灭点确定相应的灭线；
步骤404、按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
当视频监控场景中没有明显的运动目标，或者，不能提取出足够数量的空间平行线时，采用本实施例提取静止目标及其相似目标的顶部信息和底部信息是一种非常有效的方法。
可以理解的是，静止目标与相似目标实质为监控场景中不同位置、相同高度的目标。在具体实现中，如果视频监控场景中有多个垂直于地面并且高度相同的目标，那么将其顶部和底部分别相连，就可以得到两条平行于地面的直线。比如高度相同但位置不同的车辆，地面上高度相同的电线杆，花台等都可以用来提取空间平行线。
采用静止目标及相似目标的位置、顶部和底部信息的好处在于，实现简单，并且不受监控场景的限制。即使场景中没有任何目标信息，只要有多个与静止目标位置不同的相似目标，即可获得空间平行线。
参考图6，示出了本发明的一种获取标定参数的方法实施例5的流程图，具体可以包括在视频图像数据中没有标定控制场时执行的以下步骤：
步骤501、检测视频图像数据中的静止目标，并提取所述静止目标的边缘信息和/或直线信息；
步骤502、依据所述静止目标的边缘信息和/或直线信息，提取视频图像数据中的至少两对水平方向的空间平行线；
优选的，在本实施例中，本步骤可以包括以下子步骤：
提取所述边缘信息和/或直线信息上特征点的拟合直线为空间平行线。
步骤503、由所述空间平行线形成的灭点确定相应的灭线；
步骤504、按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
例如，可以采用Canny算子来提取视频图像数据中静止目标的边缘信息，如果边缘信息量丰富，那么就用Hough变换来提取图像中所有的直线线段；否则直接在原始图像上用Live-ware算法提取直线边缘并拟合成直线，然后从直线线段中选择平行于地面的空间平行线。
一种Live-ware算法的示例如下所示：
Live-ware算法将图搜索的方法应用到图像边缘提取和跟踪当中。图像中的每个像素点都被看做是图中的一个节点p，每个像素的8个邻域像素点看作是与该节点连通的8个节点，8个邻域节点和p的连线可以看作是图中的边。p点到其中一个邻域点q的边的权重可以根据以下公式来计算：
l(p，q)＝ωZ·fZ(q)+ωG·fG(q)+ωD·fD(p，q)
其中，fZ(q)代表了像素点q的拉普拉斯算子计算的值，其几何意义是边缘点对应的拉普拉斯算子值较小。fG(q)则是根据梯度来计算，像素点的梯度越大，该值越小，其计算公式为：
G = I x 2 + I y 2 f G = max ( G ) - G max ( G ) = 1 - G max ( G )
其中，Ix，Iy代表了像素点在x，y方向上的导数值；fD(p，q)代表了梯度方向，该项的作用是为权重增加一个平滑影响因子。边缘变化剧烈的地方该值就大。
具体步骤为：在搜索时，从种子点开始，计算种子点和每个邻域点构成的边的权重，将邻域点坐标和权重值都保存到一个集合A中。从A中取出权重最小的像素点，重复上述的邻域搜索过程，直到所有的边都被遍历。当搜索完成后，可以获得该种子点到所有节点之间的最短路径。
当然，本领域技术人员采用任一种空间平行线的提取方法都是可行的，例如，采用基于边缘点的跟踪算法，首先提取出图像中的边缘点(如使用Canny算子)，然后利用跟踪算法将离散的点连成线段；或者，采用基于特征点提取的直线拟合算法，首先提取直线上的图像特征点，然后对直线上所有的点进行最小二乘拟合来得到直线方程等，本发明对此无需加以限制。
在具体实现中，由于灭点数量越多，往往能够达到的标定精度就更高，因此，本领域技术人员对上述实施例2-实施例5任意组合应用都是可行的，故上述实施例2-实施例5之间的任意组合都是本发明的实施例，但是由于篇幅限制，本说明书在此就不一一详述了。
在具体实现中，根据灭点数量的不同，以及是否有地面上的尺度和/或角度信息来判断属于哪种类型的标定，并按照相应的计算规则计算出对应的标定参数。具体可以包括以下计算规则：
第一种、能够获得灭线和图像中一个参照目标的尺度信息；
在这种情况下，作为本发明的一种优选实施例，本发明还可以包括步骤：
提取所述视频图像数据中参照目标的真实尺度信息；
所述计算标定参数的步骤可以包括以下子步骤：
子步骤D1、根据当前设置的倾角tilt angle计算标定参数，所述标定参数包括所述参照目标的参考尺度信息；
子步骤D2、计算所述真实尺度信息和参考尺度信息的误差值；
子步骤D3、若所述误差值为遍历倾角tilt angle的多个预设值后，所获得的最小误差值，则确定依据该倾角tilt angle计算的标定参数为所述视频图像数据的标定参数。
优选的，所述标定参数可以包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，所述根据当前设置的旋转角β计算标定参数的子步骤D1可以进一步包括：
根据当前设置的倾角tilt angle计算焦距和垂直方向上的灭点；
根据所述灭线确定偏航角yaw angle，并提取灭线上任一位置的灭点，由所述灭点计算左右转动角pan angle；
依据所述灭线、垂直方向上的灭点和参照目标的尺度信息，计算摄像机的高度信息；
根据所述焦距、三个旋转角和摄像机的高度信息确定所述视频图像数据的三维成像矩阵；
采用所述三维成像矩阵计算所述参照目标的参考尺度信息。
本实施例的核心构思之一在于，对倾角可能的取值进行遍历，然后找到最符合已有尺度信息的倾角。其优点是可以减少标定的限制，并保证标定的精度。
在本实施例的一种具体示例中，可以包括如下步骤：
第1步、计算灭线；
当已知两对水平方向的空间平行线时，就可以计算出灭线的值。在投影几何中，灭线的值就是一个三维的矢量。
第2步、依次对倾角β进行赋值；
在实际中，β的取值一般在0-90度之间；
第3步、根据设定的β来计算焦距和垂直方向上的灭点：
其中，β角与灭线VL，垂直灭点VVY之间的关系如图7所示，从图7中可以看出：
tgβ = v 0 - v vx f
tgβ = f v vy - v 0
其中，VL是灭线，O是主点，v0是主点的纵坐标，vvx是x方向上的灭点与灭线的交点的纵坐标。该公式的实现基础是灭线已经经过旋转，与x轴平行。因此旋转前的vvx的值等于主点到灭线的距离。
参考图8所示的灭线、主点和γ角的关系示意图，如果灭线没有经过旋转，灭线和x轴的夹角就是γ。在灭线已知时，根据β的可以计算出焦距f的值，然后根据f和β的值就可以计算出垂直方向上的灭点的值。
第4步、设定灭线上一个灭点的位置，根据该位置来计算α；
计算α时，需要知道灭线上的一个灭点的横坐标。
α＝c tan-1((uvx-u0)cos(β)/f)
即：
Figure B2009100841650D0000191
该灭点的坐标可以任意选取。
第5步、根据灭线，垂直方向上的灭点和参照目标的真实尺度信息(如地面上一个目标的长度)来计算摄像机的高度，具体可以采用如下公式计算：
H H c = 1 - d ( x ′ , c ) d ( x , v ) d ( x , c ) d ( x ′ , v )
第6步、根据计算得到的焦距、旋转角和摄像机的高度来计算地面点与其成像点之间的单应性矩阵；
假设地面位于Z＝0的平面上，那么地面上的点与其成像之间的联系可以用一个3*3的矩阵来表示，如：
u v 1 = λA R T X Y 0 1 = λA r 1 r 2 T X Y 1
令：H＝A[r1r2T]，H就是单应性矩阵。从公式可以看出，利用单应性矩阵可以直接从图像坐标来计算地面点的空间坐标。
第7步、利用单应性矩阵来将视频图像数据中参照目标的真实尺度信息反算到欧式空间，并计算其参考尺度信息。用计算出来的参考尺度信息和真实尺度信息相减得到误差值，并记录该误差值；
第8步、返回到第2步，依次遍历所有β的可能取值。
第9步、从所有的误差值中，取出最小误差值对应的标定结果作为最终的标定结果。
第二种、仅能获得灭线的信息；
在实际中，从图像中找到地面无穷远处对应的灭线信息相对来说比较容易。在一些监控场景中，可以直接从图片上找到地平线，地平线就是地面无穷远处的灭线；还可以通过图像中地面上或与地面平行的至少两对空间平行线，计算出两个或者多个灭点，根据灭点的连线就能计算出灭线信息。
在这种情况下，作为本发明的又一种优选实施例，所述标定参数可以包括参照目标的真实高度信息；本发明还可以包括以下步骤：
提取所述视频图像数据中参照目标的顶部信息和底部信息；
本发明中所述计算标定参数的步骤可以进一步包括以下子步骤：
依据所述灭线以及参照目标的顶部信息和底部信息计算参照目标的真实高度信息。
具体可以采用以下公式计算：
αZ = - | | b × t | | ( l ^ . b ) | | v × t | |
其中，
Figure B2009100841650D0000202
是归一化后的灭线矢量，v是垂直方向上的灭点矢量。b，t是图像上的某个已知高度的目标的底部和顶部的坐标，Z是该目标的真实高度。
具体而言，灭线
Figure B2009100841650D0000203
可以根据两组平行线的交点来计算。参考图9所示的灭点、灭线示意图，图像左边的一组平行线可以确定出灭点P3，右边的一组平行线可以确定出灭点P4，由这两个灭点获得灭线L1。v是垂直方向上的灭点，可以用一组和地面垂直的直线目标的交点来计算，如图中的垂直线条93。当摄像机的光轴和地平面平行时，v点就位于无穷远处，即如图中的垂直线条互相平行，没有交点，即意味着v点就位于无穷远处。b，t是图像上的某个已知高度的参照目标的底部和顶部的坐标，Z是该参照目标的真实高度。如图10中房檐下直立站立的人，b，t可以从图中直接得到，计算出Z＝178.8cm，即这个人(参照目标)的真实身高。
可以看出，公式中灭线
Figure B2009100841650D0000211
垂直方向上的灭点v，b，t，Z都可以从图像中的几何线索来获得，根据这些已知量，就可以计算出摄像机旋转角的左右转动角α。一旦α计算出来，就可以根据图像中任意目标的b，t值来计算出该目标的真实高度Z。
当然，上述方法仅仅用作示例，本领域技术人员采用任一种基于灭线和参照目标顶底信息计算目标真实高度的方法都是可行的，本发明对此不作限制。
第三种、能够获得灭线信息和图像中参照目标的尺度和/或角度信息；
参照第二种计算规则中的描述可以得知，当已知灭线时，可以计算出参照目标的高度信息，但很难计算出地面上一个目标的长度。然而，如果能从视频图像数据中得到参照目标的尺度信息和/或角度信息，就可以计算出地面上目标的真实高度信息和/或长度信息。
在这种情况下，作为本发明的又一种优选实施例，所述标定参数可以包括参照目标的真实高度信息和/或长度信息；本发明还可以包括步骤：
提取所述视频图像数据中参照目标的尺度信息和/或角度信息；
本发明中所述计算标定参数的步骤可以进一步包括以下子步骤：
依据所述灭线以及参照目标的尺度信息和/或角度信息，计算参照目标的高度信息和/或长度信息。
由于地面上的尺度和角度信息一般比较少，因此可以将已知尺度或者角度的参照目标放置在地面进行拍摄。在这种情况下，参照目标的高度和长度信息都可以获得。参照目标长度的恢复可以利用分层纠正的方法来实现。因为地面上的参照目标和成像后的目标之间的投影关系可以写为：
X＝SAPx
其中，X是真实欧式空间中的坐标值，x是图像坐标值。P是投影矩阵，A是仿射矩阵，S是相似变换矩阵。三个矩阵的内部形式为：
P = 1 0 0 0 1 0 l 1 l 2 l 3
A = 1 / β - α / β 0 0 1 0 0 0 1
S = sr 1 sr 2 t x sr 3 sr 4 t y 0 0 1 = sR t → 0 → T 1
P矩阵中的(l1，l2，l3)就是灭线的坐标，所以可以根据灭线来恢复P。根据地面上参照目标的角度和尺度可以恢复A。S矩阵只有旋转，平移和一个比例因子，其中旋转和平移不会影响长度，比例因子可以根据已知的尺度信息来恢复。
第四种、能够获得互相垂直的三个方向上的灭点；
在这种情况下，作为本发明的又一种优选实施例，本发明还可以包括以下步骤：
提取所述视频图像数据的主点，以及，参照目标的高度信息；
在本实施例中，所述标定参数包括摄像机的三个旋转角：倾角tiltangle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，当由所述空间平行线形成的灭点为互相垂直的三个方向上的灭点，所述计算标定参数的步骤可以进一步包括以下子步骤：
子步骤E1、依据至少两对水平方向的空间平行线形成的灭点计算灭线，并依据该灭线确定偏航角yaw angle；
子步骤E2、依据垂直方向上的空间平行线形成的灭点计算焦距；
子步骤E3、依据所述焦距和灭线计算倾角tilt angle；
子步骤E4、依据所述主点、焦距和灭线上的任一灭点计算左右转动角pan angle；
子步骤E5、依据所述灭线和参照目标的高度信息计算摄像机的高度信息。
这是单视图标定最理想的情况，如果能从视频图像数据中找到地面上互相垂直的两个方向上的灭点和垂直于地面的灭点后，则可以采用现有技术中的任一种根据三个互相垂直方向上的灭点来计算所有内外方位元素的方法。根据这些参数可以建立监控设备的小孔成像模型，可以用来进行规则几何目标的外形重建。如果假定地平面位于z＝0的平面上，那么可以计算出图像上的目标在地平面上的位置。即这种情况下可以获得完全标定。
公知的是，摄像机标定中的内方位元素主要是指摄像机的焦距和主点位置，外方位元素是指摄像机的三个旋转角(γ，β，α)和摄像机的空间位置。摄像机标定的目的就是计算内外方位元素的值，从而建立空间点和其在图像上的成像点之间的对应关系。
在本实施例的一种具体示例中，可以采用如下公式计算：
M = f 0 u 0 0 f v 0 0 0 1 R T P
上述公式即为三维点P和其成像点M之间的投影公式。其中，f是摄像机的焦距，(u0，v0)是主点，R是摄像机三个旋转角度构成的旋转矩阵，T是摄像机的空间位置。主点位置位于图像的中心。
根据三个互相垂直方向上的灭点来反算除了主点之外所有内外方位元素的步骤如下：
第1步、根据平行与地平面的两组平行线来计算灭线；
第2步、根据灭线和图像横轴的夹角来计算γ角的值；
第3步、根据垂直于地面的一组平行线得到的灭点来计算出焦距；
第4步、根据焦距值、灭线坐标来计算出β角的值；
第5步、根据主点、焦距、灭线上一个灭点的坐标来计算α；
第6步、根据灭线和地面上一个已知高度的参照目标来计算出摄像机的高度；
在具体实现，根据标定的类型采用相应的计算规则获得标定参数后，即可确定相应的视频监控设备可以提取哪些三维信息及进行其它处理。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
参考图11，示出了本发明的一种获取标定参数装置实施例的结构框图，该装置具体可以包括在视频图像数据中没有标定控制场时执行的以下模块：
特定目标检测模块1001，用于检测视频图像数据中的特定目标；
特征信息提取模块1002，用于提取所述特定目标的特征信息；
空间平行线提取模块1003，用于依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线；
灭点灭线确定模块1004，用于依据所述空间平行线形成的灭点确定相应的灭线；
标定参数计算模块1005，用于按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
在本发明的一种优选实施例中，所述特定目标可以包括运动目标，所述特征信息可以包括所述运动目标的运动轨迹信息，所述空间平行线提取模块1003可以包括以下子模块：
第一提取子模块，用于在所述运动轨迹信息为直线信息时，提取经直线拟合的运动轨迹信息为空间平行线。
作为本发明的另一种优选实施例，所述特征信息还可以包括所述运动目标的顶部信息和底部信息，所述空间平行线提取模块1003可以包括以下子模块：
第二提取子模块，用于在所述运动轨迹信息不是直线信息时，提取所述运动目标在运动轨迹中不同位置点的顶部连线和底部连线为空间平行线。
作为本发明的另一种优选实施例，所述特定目标还可以包括静止目标，以及，与所述静止目标位置不同、高度相近的相似目标，所述特征信息可以包括所述静止目标和相似目标的位置信息、顶部信息和底部信息，所述空间平行线提取模块1003可以包括以下子模块：
第三提取子模块，用于提取所述不同位置的静止目标与相似目标的顶部连线和底部连线为空间平行线。
作为本发明的另一种优选实施例，所述特定目标还可以包括静止目标，所述特征信息还可以包括静止目标的边缘信息和/或直线信息，所述空间平行线提取模块1003可以包括以下子模块：
第四提取子模块，用于提取所述边缘信息和/或直线信息上特征点的拟合直线为空间平行线。
在具体实现中，根据灭点数量的不同，以及是否有地面上的尺度和/或角度信息来判断属于哪种类型的标定，并按照相应的计算规则计算出对应的标定参数。具体可以包括以下计算规则：
第一种、能够获得灭线和图像中一个参照目标的尺度信息；
在这种情况下，作为本发明的一种优选实施例，本发明还可以包括第一参照信息提取模块，用于提取所述视频图像数据中参照目标的真实尺度信息；
所述标定参数计算模块1005可以进一步包括以下子模块：
参考尺度计算子模块，用于根据当前设置的倾角tilt angle计算标定参数，所述标定参数包括所述参照目标的参考尺度信息；
误差提取子模块，用于计算所述真实尺度信息和参考尺度信息的误差值；
标定参数确定子模块，用于若所述误差值为遍历倾角tilt angle的多个预设值后，所获得的最小误差值，则确定依据该倾角tilt angle计算的标定参数为所述视频图像数据的标定参数。
更为优选的是，所述标定参数可以包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，所述参考尺度计算子模块进一步包括以下单元：
焦距及灭点计算单元，用于根据当前设置的倾角tilt angle计算焦距和垂直方向上的灭点；
旋转角计算单元，用于根据所述灭线确定偏航角yaw angle，并提取灭线上任一位置的灭点，由所述灭点计算左右转动角pan angle；
摄像机高度确定单元，用于依据所述灭线、垂直方向上的灭点和参照目标的尺度信息，计算摄像机的高度信息；
矩阵生成单元，用于根据所述焦距、三个旋转角和摄像机的高度信息确定所述视频图像数据的三维成像矩阵；
参考尺度计算单元，用于采用所述三维成像矩阵计算所述参照目标的参考尺度信息。
第二种、仅能获得灭线的信息；
在这种情况下，作为本发明的另一种优选实施例，所述标定参数可以包括参照目标的真实高度信息；所述的装置还可以包括第二参照信息提取模块，用于提取所述视频图像数据中参照目标的顶部信息和底部信息；
所述标定参数计算模块1005可以进一步包括以下子模块：
第一计算子模块，用于依据所述灭线以及参照目标的顶部信息和底部信息计算参照目标的真实高度信息。
第三种、能够获得灭线信息和图像中参照目标的尺度和/或角度信息；
在这种情况下，作为本发明的另一种优选实施例，所述标定参数可以包括参照目标的真实高度信息和/或长度信息；所述的装置还可以包括第三参照信息提取模块，用于提取所述视频图像数据中参照目标的尺度信息和/或角度信息；
所述标定参数计算模块1005可以进一步包括以下子模块：
第二计算子模块，用于依据所述灭线以及参照目标的尺度信息和/或角度信息，计算参照目标的高度信息和/或长度信息。
第四种、能够获得互相垂直的三个方向上的灭点；
在这种情况下，作为本发明的另一种优选实施例，所述的装置还可以包括第四参照信息提取模块，用于提取所述视频图像数据的主点，以及，参照目标的高度信息；
所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，当由所述空间平行线形成的灭点为互相垂直的三个方向上的灭点，所述标定参数计算模块1005可以进一步包括以下子模块：
偏航角确定子模块，用于依据至少两对水平方向的空间平行线形成的灭点计算灭线，并依据该灭线确定偏航角yaw angle；
焦距计算子模块，用于依据垂直方向上的空间平行线形成的灭点计算焦距；
倾角计算子模块，用于依据所述焦距和灭线计算倾角tilt angle；
左右转动角计算子模块，用于依据所述主点、焦距和灭线上的任一灭点计算左右转动角pan angle；
摄像机高度计算子模块，用于依据所述灭线和参照目标的高度信息计算摄像机的高度信息。
由于本发明的装置实施例基本相应于前述方法实施例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此就不赘述了。
参考图12，示出了本发明的一种视频监控系统实施例的结构框图，包括用于采集视频图像数据的视频采集模块111，以及，用于依据标定参数分析三维成像信息的处理模块112，所述系统还包括获取标定参数的装置113，该装置具体可以包括在视频图像数据中没有标定控制场时执行的以下模块：
特定目标检测模块131，用于检测视频图像数据中的特定目标；
特征信息提取模块132，用于提取所述特定目标的特征信息；
空间平行线提取模块133，用于依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线；
灭点灭线确定模块134，用于依据所述空间平行线形成的灭点确定相应的灭线；
标定参数计算模块135，用于按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
在本发明的一种优选实施例中，所述特定目标可以包括运动目标，所述特征信息可以包括所述运动目标的运动轨迹信息，所述空间平行线提取模块133可以包括以下子模块：
第一提取子模块，用于在所述运动轨迹信息为直线信息时，提取经直线拟合的运动轨迹信息为空间平行线。
作为本发明的另一种优选实施例，所述特征信息还可以包括所述运动目标的顶部信息和底部信息，所述空间平行线提取模块133可以包括以下子模块：
第二提取子模块，用于在所述运动轨迹信息不是直线信息时，提取所述运动目标在运动轨迹中不同位置点的顶部连线和底部连线为空间平行线。
作为本发明的另一种优选实施例，所述特定目标还可以包括静止目标，以及，与所述静止目标位置不同、高度相近的相似目标，所述特征信息可以包括所述静止目标和相似目标的位置信息、顶部信息和底部信息，所述空间平行线提取模块133可以包括以下子模块：
第三提取子模块，用于提取所述不同位置的静止目标与相似目标的顶部连线和底部连线为空间平行线。
作为本发明的另一种优选实施例，所述特定目标还可以包括静止目标，所述特征信息还可以包括静止目标的边缘信息和/或直线信息，所述空间平行线提取模块133可以包括以下子模块：
第四提取子模块，用于提取所述边缘信息和/或直线信息上特征点的拟合直线为空间平行线。
在具体实现中，根据灭点数量的不同，以及是否有地面上的尺度和/或角度信息来判断属于哪种类型的标定，并按照相应的计算规则计算出对应的标定参数。具体可以包括以下计算规则：
第一种、能够获得灭线和图像中一个参照目标的尺度信息；
在这种情况下，作为本发明的一种优选实施例，本发明还可以包括第一参照信息提取模块，用于提取所述视频图像数据中参照目标的真实尺度信息；
所述标定参数计算模块135可以进一步包括以下子模块：
参考尺度计算子模块，用于根据当前设置的倾角tilt angle计算标定参数，所述标定参数包括所述参照目标的参考尺度信息；
误差提取子模块，用于计算所述真实尺度信息和参考尺度信息的误差值；
标定参数确定子模块，用于若所述误差值为遍历倾角tilt angle的多个预设值后，所获得的最小误差值，则确定依据该倾角tilt angle计算的标定参数为所述视频图像数据的标定参数。
更为优选的是，所述标定参数可以包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，所述参考尺度计算子模块进一步包括以下单元：
焦距及灭点计算单元，用于根据当前设置的倾角tilt angle计算焦距和垂直方向上的灭点；
旋转角计算单元，用于根据所述灭线确定偏航角yaw angle，并提取灭线上任一位置的灭点，由所述灭点计算左右转动角pan angle；
摄像机高度确定单元，用于依据所述灭线、垂直方向上的灭点和参照目标的尺度信息，计算摄像机的高度信息；
矩阵生成单元，用于根据所述焦距、三个旋转角和摄像机的高度信息确定所述视频图像数据的三维成像矩阵；
参考尺度计算单元，用于采用所述三维成像矩阵计算所述参照目标的参考尺度信息。
第二种、仅能获得灭线的信息；
在这种情况下，作为本发明的另一种优选实施例，所述标定参数可以包括参照目标的真实高度信息；所述的装置还可以包括第二参照信息提取模块，用于提取所述视频图像数据中参照目标的顶部信息和底部信息；
所述标定参数计算模块135可以进一步包括以下子模块：
第一计算子模块，用于依据所述灭线以及参照目标的顶部信息和底部信息计算参照目标的真实高度信息。
第三种、能够获得灭线信息和图像中参照目标的尺度和/或角度信息；
在这种情况下，作为本发明的另一种优选实施例，所述标定参数可以包括参照目标的真实高度信息和/或长度信息；所述的装置还可以包括第三参照信息提取模块，用于提取所述视频图像数据中参照目标的尺度信息和/或角度信息；
所述标定参数计算模块135可以进一步包括以下子模块：
第二计算子模块，用于依据所述灭线以及参照目标的尺度信息和/或角度信息，计算参照目标的高度信息和/或长度信息。
第四种、能够获得互相垂直的三个方向上的灭点；
在这种情况下，作为本发明的另一种优选实施例，所述的装置还可以包括第四参照信息提取模块，用于提取所述视频图像数据的主点，以及，参照目标的高度信息；
所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，当由所述空间平行线形成的灭点为互相垂直的三个方向上的灭点，所述标定参数计算模块135可以进一步包括以下子模块：
偏航角确定子模块，用于依据至少两对水平方向的空间平行线形成的灭点计算灭线，并依据该灭线确定偏航角yaw angle；
焦距计算子模块，用于依据垂直方向上的空间平行线形成的灭点计算焦距；
倾角计算子模块，用于依据所述焦距和灭线计算倾角tilt angle；
左右转动角计算子模块，用于依据所述主点、焦距和灭线上的任一灭点计算左右转动角pan angle；
摄像机高度计算子模块，用于依据所述灭线和参照目标的高度信息计算摄像机的高度信息。
由于本发明的系统实施例基本相应于前述方法实施例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此就不赘述了。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上对本发明所提供的一种获取标定参数的方法、装置及一种视频监控系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (20)

1.一种获取标定参数的方法，其特征在于，包括在视频图像数据中没有标定控制场时执行的以下步骤：
检测视频图像数据中的特定目标，并提取所述特定目标的特征信息；
依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线，由所述空间平行线形成的灭点确定相应的灭线；
按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
2.如权利要求1所述的方法，其特征在于，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息，所述空间平行线的提取步骤包括：
在所述运动轨迹信息为直线信息时，提取经直线拟合的运动轨迹信息为空间平行线。
3.如权利要求1所述的方法，其特征在于，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息、顶部信息和底部信息，所述空间平行线的提取步骤包括：
在所述运动轨迹信息不是直线信息时，提取所述运动目标在运动轨迹中不同位置点的顶部连线和底部连线为空间平行线。
4.如权利要求1、2或3所述的方法，其特征在于，所述特定目标包括静止目标，以及，与所述静止目标位置不同、高度相近的相似目标，所述特征信息包括所述静止目标和相似目标的位置信息、顶部信息和底部信息，所述空间平行线的提取步骤包括：
提取所述不同位置的静止目标与相似目标的顶部连线和底部连线为空间平行线。
5.如权利要求4所述的方法，其特征在于，所述特定目标包括静止目标，所述特征信息还包括静止目标的边缘信息和/或直线信息，所述空间平行线的提取步骤包括：
提取所述边缘信息和/或直线信息上特征点的拟合直线为空间平行线。
6.如权利要求1所述的方法，其特征在于，所述的方法还包括：提取所述视频图像数据中参照目标的真实尺度信息；
所述计算标定参数的步骤包括：
根据当前设置的倾角tilt angle计算标定参数，所述标定参数包括所述参照目标的参考尺度信息；
计算所述真实尺度信息和参考尺度信息的误差值；
若所述误差值为遍历倾角tilt angle的多个预设值后，所获得的最小误差值，则确定依据该倾角tilt angle计算的标定参数为所述视频图像数据的标定参数。
7.如权利要求6所述的方法，其特征在于，所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yawangle、焦距和摄像机的高度信息，所述根据当前设置的倾角tilt angle计算标定参数的步骤进一步包括：
根据当前设置的倾角tilt angle计算焦距和垂直方向上的灭点；
根据所述灭线确定偏航角yaw angle，并提取灭线上任一位置的灭点，由所述灭点计算左右转动角pan angle；
依据所述灭线、垂直方向上的灭点和参照目标的尺度信息，计算摄像机的高度信息；
根据所述焦距、三个旋转角和摄像机的高度信息确定所述视频图像数据的三维成像矩阵；
采用所述三维成像矩阵计算所述参照目标的参考尺度信息。
8.如权利要求1所述的方法，其特征在于，所述标定参数包括参照目标的真实高度信息；所述的方法还包括：提取所述视频图像数据中参照目标的顶部信息和底部信息；
所述计算标定参数的步骤包括：
依据所述灭线以及参照目标的顶部信息和底部信息计算参照目标的真实高度信息。
9.如权利要求1所述的方法，其特征在于，所述标定参数包括参照目标的真实高度信息和/或长度信息；所述的方法还包括：提取所述视频图像数据中参照目标的尺度信息和/或角度信息；
所述计算标定参数的步骤为：依据所述灭线以及参照目标的尺度信息和/或角度信息，计算参照目标的高度信息和/或长度信息。
10.如权利要求1所述的方法，其特征在于，所述方法还包括：提取所述视频图像数据的主点，以及，参照目标的高度信息；
所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yaw angle、焦距和摄像机的高度信息，当由所述空间平行线形成的灭点为互相垂直的三个方向上的灭点，所述计算标定参数的步骤包括：
依据至少两对水平方向的空间平行线形成的灭点计算灭线，并依据该灭线确定偏航角yaw angle；
依据垂直方向上的空间平行线形成的灭点计算焦距；
依据所述焦距和灭线计算倾角tilt angle；
依据所述主点、焦距和灭线上的任一灭点计算左右转动角pan angle；
依据所述灭线和参照目标的高度信息计算摄像机的高度信息。
11.一种获取标定参数的装置，其特征在于，该装置包括在视频图像数据中没有标定控制场时执行的以下模块：
特定目标检测模块，用于检测视频图像数据中的特定目标；
特征信息提取模块，用于提取所述特定目标的特征信息；
空间平行线提取模块，用于依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线；
灭点灭线确定模块，用于依据所述空间平行线形成的灭点确定相应的灭线；
标定参数计算模块，用于按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
12.如权利要求11所述的装置，其特征在于，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息，所述空间平行线提取模块包括：
第一提取子模块，用于在所述运动轨迹信息为直线信息时，提取经直线拟合的运动轨迹信息为空间平行线。
13.如权利要求11所述的装置，其特征在于，所述特定目标包括运动目标，所述特征信息包括所述运动目标的运动轨迹信息、顶部信息和底部信息，所述空间平行线提取模块包括：
第二提取子模块，用于在所述运动轨迹信息不是直线信息时，提取所述运动目标在运动轨迹中不同位置点的顶部连线和底部连线为空间平行线。
14.如权利要求11、12或13所述的装置，其特征在于，所述特定目标包括静止目标，以及，与所述静止目标位置不同、高度相近的相似目标，所述特征信息包括所述静止目标和相似目标的位置信息、顶部信息和底部信息，所述空间平行线提取模块包括：
第三提取子模块，用于提取所述不同位置的静止目标与相似目标的顶部连线和底部连线为空间平行线。
15.如权利要求14所述的装置，其特征在于，所述特定目标包括静止目标，所述特征信息还包括静止目标的边缘信息和/或直线信息，所述空间平行线提取模块包括：
第四提取子模块，用于提取所述边缘信息和/或直线信息上特征点的拟合直线为空间平行线。
16.如权利要求11所述的装置，其特征在于，还包括：
第一参照信息提取模块，用于提取所述视频图像数据中参照目标的真实尺度信息；
所述标定参数计算模块包括：
参考尺度计算子模块，用于根据当前设置的倾角tilt angle计算标定参数，所述标定参数包括所述参照目标的参考尺度信息；
误差提取子模块，用于计算所述真实尺度信息和参考尺度信息的误差值；
标定参数确定子模块，用于若所述误差值为遍历倾角tilt angle的多个预设值后，所获得的最小误差值，则确定依据该倾角tilt angle计算的标定参数为所述视频图像数据的标定参数。
17.如权利要求16所述的装置，其特征在于，所述标定参数包括摄像机的三个旋转角：倾角tilt angle、左右转动角pan angle和偏航角yawangle、焦距和摄像机的高度信息，所述参考尺度计算子模块进一步包括：
焦距及灭点计算单元，用于根据当前设置的倾角tilt angle计算焦距和垂直方向上的灭点；
旋转角计算单元，用于根据所述灭线确定偏航角yaw angle，并提取灭线上任一位置的灭点，由所述灭点计算左右转动角pan angle；
摄像机高度确定单元，用于依据所述灭线、垂直方向上的灭点和参照目标的尺度信息，计算摄像机的高度信息；
矩阵生成单元，用于根据所述焦距、三个旋转角和摄像机的高度信息确定所述视频图像数据的三维成像矩阵；
参考尺度计算单元，用于采用所述三维成像矩阵计算所述参照目标的参考尺度信息。
18.如权利要求11所述的装置，其特征在于，所述标定参数包括参照目标的真实高度信息；所述的装置还包括：
第二参照信息提取模块，用于提取所述视频图像数据中参照目标的顶部信息和底部信息；
所述标定参数计算模块包括：
第一计算子模块，用于依据所述灭线以及参照目标的顶部信息和底部信息计算参照目标的真实高度信息。
19.如权利要求11所述的装置，其特征在于，所述标定参数包括参照目标的真实高度信息和/或长度信息；所述的装置还包括：
第三参照信息提取模块，用于提取所述视频图像数据中参照目标的尺度信息和/或角度信息；
所述标定参数计算模块包括：
第二计算子模块，用于依据所述灭线以及参照目标的尺度信息和/或角度信息，计算参照目标的高度信息和/或长度信息。
20.一种视频监控系统，其特征在于，包括用于采集视频图像数据的视频采集模块，以及，用于依据标定参数分析三维成像信息的处理模块，所述系统还包括获取标定参数的装置，该装置包括在视频图像数据中没有标定控制场时执行的以下模块：
特定目标检测模块，用于检测视频图像数据中的特定目标；
特征信息提取模块，用于提取所述特定目标的特征信息；
空间平行线提取模块，用于依据所述特征信息提取视频图像数据中的至少两对水平方向的空间平行线；
灭点灭线确定模块，用于依据所述空间平行线形成的灭点确定相应的灭线；
标定参数计算模块，用于按照预置规则依据所述灭点和/或灭线计算对应的标定参数。
CN200910084165.0A 2009-05-21 2009-05-21 一种获取标定参数的方法、装置及一种视频监控系统 Active CN101894366B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN200910084165.0A CN101894366B (zh) 2009-05-21 2009-05-21 一种获取标定参数的方法、装置及一种视频监控系统
US12/785,084 US8872925B2 (en) 2009-05-21 2010-05-21 Method and device for camera calibration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200910084165.0A CN101894366B (zh) 2009-05-21 2009-05-21 一种获取标定参数的方法、装置及一种视频监控系统

Publications (2)

Publication Number Publication Date
CN101894366A true CN101894366A (zh) 2010-11-24
CN101894366B CN101894366B (zh) 2014-01-29

Family

ID=43103549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200910084165.0A Active CN101894366B (zh) 2009-05-21 2009-05-21 一种获取标定参数的方法、装置及一种视频监控系统

Country Status (2)

Country Link
US (1) US8872925B2 (zh)
CN (1) CN101894366B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682467A (zh) * 2011-03-15 2012-09-19 云南大学 基于平面和直线的三维重建方法
CN103324927A (zh) * 2012-03-19 2013-09-25 株式会社Pfu 图像处理装置以及文字识别方法
CN103763047A (zh) * 2014-01-14 2014-04-30 西安电子科技大学 一种基于单视图几何原理的室内环境重构方法
CN103778639A (zh) * 2014-02-19 2014-05-07 重庆科技学院 用于智能视频监控的快速标定方法
CN104034269A (zh) * 2014-06-24 2014-09-10 深圳市赛为智能股份有限公司 一种单目视觉测量方法与装置
CN104050669A (zh) * 2014-06-18 2014-09-17 北京博思廷科技有限公司 一种基于灭点和单目相机成像原理的在线标定方法
CN104361599A (zh) * 2014-11-25 2015-02-18 深圳市哈工大交通电子技术有限公司 云台摄像机的标定及拍摄方法
CN104378622A (zh) * 2013-08-13 2015-02-25 三星泰科威株式会社 用于检测监视相机的姿态的方法和设备
CN104766291A (zh) * 2014-01-02 2015-07-08 株式会社理光 多台摄像机标定方法和系统
CN107680035A (zh) * 2017-09-29 2018-02-09 广东中星微电子有限公司 一种参数标定方法和装置、服务器及可读存储介质
CN107845104A (zh) * 2016-09-20 2018-03-27 意法半导体股份有限公司 一种检测超车车辆的方法、相关处理系统、超车车辆检测系统以及车辆
CN109445455A (zh) * 2018-09-21 2019-03-08 深圳供电局有限公司 一种无人飞行器自主降落方法及其控制系统
CN109945831A (zh) * 2019-03-28 2019-06-28 东南大学 一种简易的建筑物高度测量方法及装置
CN110084236A (zh) * 2019-04-29 2019-08-02 北京朗镜科技有限责任公司 一种图像的矫正方法及装置
CN110310335A (zh) * 2018-03-27 2019-10-08 杭州海康威视数字技术股份有限公司 一种相机角度确定方法、装置、设备及系统
CN111192287A (zh) * 2018-10-29 2020-05-22 可利爱驰有限公司 用于计算拍摄对象的运动轨迹的方法、系统及存储介质
CN111260722A (zh) * 2020-01-17 2020-06-09 北京百度网讯科技有限公司 车辆定位方法、设备及存储介质
CN111380872A (zh) * 2020-03-18 2020-07-07 深圳科瑞技术股份有限公司 终端中框的等距轨迹规划方法、系统及控制器
CN111462249A (zh) * 2020-04-02 2020-07-28 北京迈格威科技有限公司 一种交通摄像头的标定数据获取方法、标定方法及装置
CN111652831A (zh) * 2020-06-28 2020-09-11 腾讯科技（深圳）有限公司 对象融合方法、装置、计算机可读存储介质及电子设备
CN112150559A (zh) * 2020-09-24 2020-12-29 深圳佑驾创新科技有限公司 图像采集装置的标定方法、计算机设备及存储介质
WO2021179772A1 (zh) * 2020-03-13 2021-09-16 商汤集团有限公司 标定方法、位置确定方法、装置、电子设备及存储介质
CN113490967A (zh) * 2020-09-22 2021-10-08 深圳市锐明技术股份有限公司 一种相机的标定方法、标定装置及电子设备
CN113658265A (zh) * 2021-07-16 2021-11-16 北京迈格威科技有限公司 相机标定方法、装置、电子设备及存储介质

Families Citing this family (76)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5267891B2 (ja) * 2010-09-30 2013-08-21 横河電機株式会社 シートに形成されたパターンの位置および形状測定装置および塗工パターン測定装置
US8818132B2 (en) 2010-11-29 2014-08-26 Microsoft Corporation Camera calibration with lens distortion from low-rank textures
TWI490768B (zh) * 2011-04-25 2015-07-01 Chiun Mai Comm Systems Inc 虛擬鍵盤控制系統和方法
US9357208B2 (en) 2011-04-25 2016-05-31 Magna Electronics Inc. Method and system for dynamically calibrating vehicular cameras
US9834153B2 (en) * 2011-04-25 2017-12-05 Magna Electronics Inc. Method and system for dynamically calibrating vehicular cameras
US9191650B2 (en) * 2011-06-20 2015-11-17 National Chiao Tung University Video object localization method using multiple cameras
JP2013098644A (ja) * 2011-10-28 2013-05-20 Sony Corp ノイズ検出装置、ノイズ検出方法及びプログラム
US9432633B2 (en) 2011-12-28 2016-08-30 Pelco, Inc. Visual command processing
US8886449B2 (en) 2012-01-13 2014-11-11 Qualcomm Incorporated Calibrated hardware sensors for estimating real-world distances
EP2615580B1 (en) * 2012-01-13 2016-08-17 Softkinetic Software Automatic scene calibration
FI20125281L (fi) * 2012-03-14 2013-09-15 Mirasys Business Analytics Oy Menetelmä, laite ja tietokoneohjelma kuvaparametrin määrittämiseksi
EP3401879B1 (fr) * 2012-03-19 2021-02-17 Fittingbox Procédé de modélisation d'un objet tridimensionnel à partir d'images bidimensionnelles de cet objet prises sous différents angles
DE112013002200T5 (de) 2012-04-27 2015-01-08 Adobe Systems Incorporated Automatische Anpassung von Bildern
EP2662828B1 (en) * 2012-05-11 2020-05-06 Veoneer Sweden AB A vision system and method for a motor vehicle
CN102722894B (zh) * 2012-05-23 2014-10-15 浙江捷尚视觉科技股份有限公司 一种基于摄像机自动标定的智能视频监控方法
US9135705B2 (en) 2012-10-16 2015-09-15 Qualcomm Incorporated Sensor calibration and position estimation based on vanishing point determination
US20140133753A1 (en) * 2012-11-09 2014-05-15 Ge Aviation Systems Llc Spectral scene simplification through background subtraction
JP6107081B2 (ja) * 2012-11-21 2017-04-05 富士通株式会社 画像処理装置、画像処理方法及びプログラム
US9113077B2 (en) * 2013-01-17 2015-08-18 Qualcomm Incorporated Orientation determination based on vanishing point computation
EP2779102A1 (en) * 2013-03-12 2014-09-17 E.sigma Systems GmbH Method of generating an animated video sequence
CN103810697A (zh) * 2013-11-01 2014-05-21 云南大学 空间四条不平行直线的像标定抛物折反射摄像机内参数
KR102225620B1 (ko) * 2014-04-03 2021-03-12 한화테크윈 주식회사 카메라 모델링 시스템
CN103942784A (zh) * 2014-04-03 2014-07-23 云南大学 棋盘格中三条互不平行直线求解抛物折反射摄像机内参数
US9460562B2 (en) 2015-01-09 2016-10-04 International Business Machines Corporation Providing volume indicators based on received images of containers
KR102248459B1 (ko) * 2015-02-03 2021-05-06 한국전자통신연구원 카메라 캘리브레이션 장치 및 방법
US9781412B2 (en) * 2015-02-04 2017-10-03 Sony Corporation Calibration methods for thick lens model
EP3057062A1 (en) 2015-02-16 2016-08-17 Application Solutions (Electronics and Vision) Limited Method and device for stabilization of a surround view image
US9576204B2 (en) * 2015-03-24 2017-02-21 Qognify Ltd. System and method for automatic calculation of scene geometry in crowded video scenes
US10373338B2 (en) * 2015-05-27 2019-08-06 Kyocera Corporation Calculation device, camera device, vehicle, and calibration method
CN106323240B (zh) * 2015-06-27 2019-03-01 腾讯科技（深圳）有限公司 一种图像物体测量方法和装置
US10104282B2 (en) 2015-09-30 2018-10-16 Ricoh Co., Ltd. Yaw user interface
US9986150B2 (en) * 2015-09-30 2018-05-29 Ricoh Co., Ltd. Algorithm to estimate yaw errors in camera pose
CN105405134B (zh) * 2015-11-05 2018-07-03 山东科技大学 一种相机检校标志中心坐标提取方法
US10861177B2 (en) 2015-11-11 2020-12-08 Zhejiang Dahua Technology Co., Ltd. Methods and systems for binocular stereo vision
AT518020A1 (de) * 2015-11-19 2017-06-15 Pke Electronics Ag Verfahren zum Rektifizieren einer Bildaufnahme
EP3173979A1 (en) 2015-11-30 2017-05-31 Delphi Technologies, Inc. Method for identification of characteristic points of a calibration pattern within a set of candidate points in an image of the calibration pattern
EP3174007A1 (en) * 2015-11-30 2017-05-31 Delphi Technologies, Inc. Method for calibrating the orientation of a camera mounted to a vehicle
US20170280130A1 (en) * 2016-03-25 2017-09-28 Microsoft Technology Licensing, Llc 2d video analysis for 3d modeling
US10339662B2 (en) 2016-05-23 2019-07-02 Microsoft Technology Licensing, Llc Registering cameras with virtual fiducials
US10326979B2 (en) 2016-05-23 2019-06-18 Microsoft Technology Licensing, Llc Imaging system comprising real-time image registration
US10027954B2 (en) * 2016-05-23 2018-07-17 Microsoft Technology Licensing, Llc Registering cameras in a multi-camera imager
CN105809706B (zh) * 2016-05-25 2018-10-30 北京航空航天大学 一种分布式多像机系统的全局标定方法
EP3497405B1 (en) * 2016-08-09 2022-06-15 Nauto, Inc. System and method for precision localization and mapping
JP2018032253A (ja) * 2016-08-25 2018-03-01 クラリオン株式会社 キャリブレーション装置、キャリブレーション方法、キャリブレーションプログラム
US9996752B2 (en) 2016-08-30 2018-06-12 Canon Kabushiki Kaisha Method, system and apparatus for processing an image
JP6764533B2 (ja) * 2017-06-20 2020-09-30 株式会社ソニー・インタラクティブエンタテインメント キャリブレーション装置、キャリブレーション用チャート、チャートパターン生成装置、およびキャリブレーション方法
CN109367483A (zh) * 2017-08-09 2019-02-22 安波福电子(苏州)有限公司 一种角度自适应的车载鸟瞰系统及其实现方法
US10636137B1 (en) * 2017-10-23 2020-04-28 Amazon Technologies, Inc. System for determining object orientations in an image
TWI711870B (zh) 2018-01-28 2020-12-01 鈺立微電子股份有限公司 具有可調光強度的深度產生系統
EP3534333A1 (en) 2018-02-28 2019-09-04 Aptiv Technologies Limited Method for calibrating the position and orientation of a camera relative to a calibration pattern
EP3534334B1 (en) 2018-02-28 2022-04-13 Aptiv Technologies Limited Method for identification of characteristic points of a calibration pattern within a set of candidate points derived from an image of the calibration pattern
CN108665499B (zh) * 2018-05-04 2021-08-10 北京航空航天大学 一种基于视差法的近距飞机位姿测量方法
US11582402B2 (en) * 2018-06-07 2023-02-14 Eys3D Microelectronics, Co. Image processing device
WO2020014683A1 (en) * 2018-07-13 2020-01-16 Kache.AI Systems and methods for autonomous object detection and vehicle following
US11282225B2 (en) * 2018-09-10 2022-03-22 Mapbox, Inc. Calibration for vision in navigation systems
GB2579843A (en) 2018-12-18 2020-07-08 Continental Automotive Gmbh Method and apparatus for calibrating the extrinsic parameter of an image sensor
EP3906540A1 (en) * 2018-12-31 2021-11-10 Flir Belgium BVBA Image sensor mapping for traffic control systems and methods
US11094083B2 (en) * 2019-01-25 2021-08-17 Adobe Inc. Utilizing a critical edge detection neural network and a geometric model to determine camera parameters from a single digital image
US11010641B2 (en) 2019-03-14 2021-05-18 Mapbox, Inc. Low power consumption deep neural network for simultaneous object detection and semantic segmentation in images on a mobile computing device
CN109903346B (zh) * 2019-05-13 2019-09-06 长沙智能驾驶研究院有限公司 相机姿态检测方法、装置、设备及存储介质
US11321872B2 (en) * 2019-07-19 2022-05-03 Avigilon Corporation Method for calibrating a camera using bounding boxes, and camera configured to perform that method
US11544872B2 (en) 2019-10-07 2023-01-03 Sony Group Corporation Camera calibration method using human joint points
CN110807815B (zh) * 2019-10-30 2023-05-09 扬州大学 基于两组相互正交平行线对应消失点的快速水下标定方法
CN110969802B (zh) * 2019-11-11 2021-07-09 中国铁塔股份有限公司廊坊市分公司 基于移动信号塔点的定位监控方法及智能监管平台
CN111223150A (zh) * 2020-01-15 2020-06-02 电子科技大学 一种基于双消失点的车载摄像头外参数标定方法
CN111028299A (zh) * 2020-02-18 2020-04-17 吴怡锦 基于图像中点属性数据集计算标定点空间距的系统和方法
CN111726527B (zh) * 2020-06-23 2021-11-16 上海摩勤智能技术有限公司 一种焦点测试方法和装置
CN111862624B (zh) * 2020-07-29 2022-05-03 浙江大华技术股份有限公司 车辆匹配方法、装置、存储介质及电子装置
CN112489113B (zh) * 2020-11-25 2024-06-11 深圳地平线机器人科技有限公司 相机外参标定方法、装置及相机外参标定系统
CN112668505A (zh) * 2020-12-30 2021-04-16 北京百度网讯科技有限公司 基于路侧相机的外参的三维感知信息获取方法和路侧设备
CN112950726B (zh) * 2021-03-25 2022-11-11 深圳市商汤科技有限公司 摄像头朝向标定方法及相关产品
US20240265567A1 (en) * 2021-06-14 2024-08-08 Omnieye Holdings Limited Method and system for livestock monitoring and management
CN113436273A (zh) * 2021-06-28 2021-09-24 南京冲浪智行科技有限公司 一种3d场景定标方法、定标装置及其定标应用
CN115546311B (zh) * 2022-09-28 2023-07-25 中国传媒大学 一种基于场景信息的投影仪标定方法
US12094172B2 (en) 2022-12-22 2024-09-17 Industrial Technology Research Institute Camera calibration method and camera calibration system
CN117032617B (zh) * 2023-10-07 2024-02-02 启迪数字科技(深圳)有限公司 基于多屏幕的网格拾取方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1851752A (zh) * 2006-03-30 2006-10-25 东南大学 三维重构系统中双摄像机标定方法
CN101320473A (zh) * 2008-07-01 2008-12-10 上海大学 自由多视角、实时的三维重建系统和方法
CN101320474A (zh) * 2008-06-25 2008-12-10 浙江工业大学 一种旋转立体视觉的摄像机外参数自标定方法
CN101382497A (zh) * 2008-10-06 2009-03-11 南京大学 基于路况监控视频的能见度检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7853038B2 (en) * 2007-01-04 2010-12-14 Industrial Technology Research Institute Systems and methods for object dimension estimation
US20090110267A1 (en) * 2007-09-21 2009-04-30 The Regents Of The University Of California Automated texture mapping system for 3D models

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1851752A (zh) * 2006-03-30 2006-10-25 东南大学 三维重构系统中双摄像机标定方法
CN101320474A (zh) * 2008-06-25 2008-12-10 浙江工业大学 一种旋转立体视觉的摄像机外参数自标定方法
CN101320473A (zh) * 2008-07-01 2008-12-10 上海大学 自由多视角、实时的三维重建系统和方法
CN101382497A (zh) * 2008-10-06 2009-03-11 南京大学 基于路况监控视频的能见度检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FENGJUN LV, ET AL: "Self-calibration of a camera from video of a walking human", 《16TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION, 2002. PROCEEDINGS.》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682467A (zh) * 2011-03-15 2012-09-19 云南大学 基于平面和直线的三维重建方法
CN103324927A (zh) * 2012-03-19 2013-09-25 株式会社Pfu 图像处理装置以及文字识别方法
CN103324927B (zh) * 2012-03-19 2017-04-12 株式会社Pfu 图像处理装置以及文字识别方法
CN104378622B (zh) * 2013-08-13 2018-05-25 韩华泰科株式会社 用于检测监视相机的姿态的方法和设备
CN104378622A (zh) * 2013-08-13 2015-02-25 三星泰科威株式会社 用于检测监视相机的姿态的方法和设备
CN104766291A (zh) * 2014-01-02 2015-07-08 株式会社理光 多台摄像机标定方法和系统
CN104766291B (zh) * 2014-01-02 2018-04-10 株式会社理光 多台摄像机标定方法和系统
CN103763047A (zh) * 2014-01-14 2014-04-30 西安电子科技大学 一种基于单视图几何原理的室内环境重构方法
CN103778639A (zh) * 2014-02-19 2014-05-07 重庆科技学院 用于智能视频监控的快速标定方法
CN104050669A (zh) * 2014-06-18 2014-09-17 北京博思廷科技有限公司 一种基于灭点和单目相机成像原理的在线标定方法
CN104034269A (zh) * 2014-06-24 2014-09-10 深圳市赛为智能股份有限公司 一种单目视觉测量方法与装置
CN104361599A (zh) * 2014-11-25 2015-02-18 深圳市哈工大交通电子技术有限公司 云台摄像机的标定及拍摄方法
CN104361599B (zh) * 2014-11-25 2017-08-01 深圳市哈工大交通电子技术有限公司 云台摄像机的标定及拍摄方法
CN107845104B (zh) * 2016-09-20 2022-02-18 意法半导体股份有限公司 一种检测超车车辆的方法、相关处理系统、超车车辆检测系统以及车辆
CN107845104A (zh) * 2016-09-20 2018-03-27 意法半导体股份有限公司 一种检测超车车辆的方法、相关处理系统、超车车辆检测系统以及车辆
CN107680035B (zh) * 2017-09-29 2021-08-17 广东中星微电子有限公司 一种参数标定方法和装置、服务器及可读存储介质
CN107680035A (zh) * 2017-09-29 2018-02-09 广东中星微电子有限公司 一种参数标定方法和装置、服务器及可读存储介质
CN110310335A (zh) * 2018-03-27 2019-10-08 杭州海康威视数字技术股份有限公司 一种相机角度确定方法、装置、设备及系统
CN110310335B (zh) * 2018-03-27 2021-11-05 杭州海康威视数字技术股份有限公司 一种相机角度确定方法、装置、设备及系统
CN109445455A (zh) * 2018-09-21 2019-03-08 深圳供电局有限公司 一种无人飞行器自主降落方法及其控制系统
CN111192287B (zh) * 2018-10-29 2023-11-24 可利爱驰有限公司 用于计算拍摄对象的运动轨迹的方法、系统及存储介质
CN111192287A (zh) * 2018-10-29 2020-05-22 可利爱驰有限公司 用于计算拍摄对象的运动轨迹的方法、系统及存储介质
CN109945831B (zh) * 2019-03-28 2021-03-30 东南大学 一种简易的建筑物高度测量方法及装置
CN109945831A (zh) * 2019-03-28 2019-06-28 东南大学 一种简易的建筑物高度测量方法及装置
CN110084236B (zh) * 2019-04-29 2021-05-28 北京朗镜科技有限责任公司 一种图像的矫正方法及装置
CN110084236A (zh) * 2019-04-29 2019-08-02 北京朗镜科技有限责任公司 一种图像的矫正方法及装置
CN111260722B (zh) * 2020-01-17 2023-12-26 北京百度网讯科技有限公司 车辆定位方法、设备及存储介质
CN111260722A (zh) * 2020-01-17 2020-06-09 北京百度网讯科技有限公司 车辆定位方法、设备及存储介质
WO2021179772A1 (zh) * 2020-03-13 2021-09-16 商汤集团有限公司 标定方法、位置确定方法、装置、电子设备及存储介质
CN111380872A (zh) * 2020-03-18 2020-07-07 深圳科瑞技术股份有限公司 终端中框的等距轨迹规划方法、系统及控制器
CN111380872B (zh) * 2020-03-18 2022-12-09 深圳科瑞技术股份有限公司 终端中框的等距轨迹规划方法、系统及控制器
CN111462249A (zh) * 2020-04-02 2020-07-28 北京迈格威科技有限公司 一种交通摄像头的标定数据获取方法、标定方法及装置
CN111652831A (zh) * 2020-06-28 2020-09-11 腾讯科技（深圳）有限公司 对象融合方法、装置、计算机可读存储介质及电子设备
CN113490967A (zh) * 2020-09-22 2021-10-08 深圳市锐明技术股份有限公司 一种相机的标定方法、标定装置及电子设备
CN112150559A (zh) * 2020-09-24 2020-12-29 深圳佑驾创新科技有限公司 图像采集装置的标定方法、计算机设备及存储介质
CN113658265A (zh) * 2021-07-16 2021-11-16 北京迈格威科技有限公司 相机标定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US8872925B2 (en) 2014-10-28
CN101894366B (zh) 2014-01-29
US20100295948A1 (en) 2010-11-25

Similar Documents

Publication Publication Date Title
CN101894366B (zh) 一种获取标定参数的方法、装置及一种视频监控系统
WO2021004312A1 (zh) 一种基于双目立体视觉系统的车辆智能测轨迹方法
CN104484648B (zh) 基于轮廓识别的机器人可变视角障碍物检测方法
CN104299244B (zh) 基于单目相机的障碍物检测方法及装置
CN111126304A (zh) 一种基于室内自然场景图像深度学习的增强现实导航方法
Tang et al. ESTHER: Joint camera self-calibration and automatic radial distortion correction from tracking of walking humans
CN108955718A (zh) 一种视觉里程计及其定位方法、机器人以及存储介质
You et al. An accurate and practical calibration method for roadside camera using two vanishing points
CN111169468A (zh) 一种自动泊车的系统及方法
CN109871739B (zh) 基于yolo-sioctl的机动站自动目标检测与空间定位方法
WO2021017211A1 (zh) 一种基于视觉的车辆定位方法、装置及车载终端
CN106530407A (zh) 一种用于虚拟现实的三维全景拼接方法、装置和系统
CN113793382A (zh) 视频图像的拼缝搜索方法、视频图像的拼接方法和装置
Zhang et al. Wide-area crowd counting: Multi-view fusion networks for counting in large scenes
Venator et al. Robust camera pose estimation for unordered road scene images in varying viewing conditions
Junejo et al. Euclidean path modeling for video surveillance
Tsaregorodtsev et al. Extrinsic camera calibration with semantic segmentation
Gao et al. Complete and accurate indoor scene capturing and reconstruction using a drone and a robot
CN109883400A (zh) 基于yolo-sitcol的固定站自动目标检测与空间定位方法
Revaud et al. Robust automatic monocular vehicle speed estimation for traffic surveillance
Zhang et al. Vehicle localisation and deep model for automatic calibration of monocular camera in expressway scenes
Liu et al. Automated vehicle wheelbase measurement using computer vision and view geometry
Kiran et al. Automatic hump detection and 3D view generation from a single road image
Song et al. 3D vehicle model-based PTZ camera auto-calibration for smart global village
Rabe Detection of moving objects by spatio-temporal motion analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160520

Address after: 519031 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105 -478

Patentee after: GUANGDONG ZHONGXING ELECTRONICS CO., LTD.

Address before: 100083 Haidian District, Xueyuan Road, No. 35, the world building, the second floor of the building on the ground floor, No. 16

Patentee before: Beijing Vimicro Corporation