CN107645634A

CN107645634A - 一种无畸变广角网络摄像机及安防监控系统

Info

Publication number: CN107645634A
Application number: CN201710931641.2A
Authority: CN
Inventors: 余毅鹏; 梁选勤; 温新峰; 陈家劭; 杨才宝; 张懋林; 刘钧剑
Original assignee: TOPSEE ELECTRONIC TECHNOLOGY COMPANY Ltd
Current assignee: TOPSEE ELECTRONIC TECHNOLOGY COMPANY Ltd
Priority date: 2017-10-09
Filing date: 2017-10-09
Publication date: 2018-01-30

Abstract

本发明公开一种无畸变广角网络摄像机及安防监控系统，无畸变广角网络摄像机包括：图像采集感应器和嵌入式处理器，所述图像采集感应器连接于所述嵌入式处理器，所述嵌入式处理器中设置有图像畸变纠正模块，所述图像采集感应器实时采集图像数据，并传输到嵌入式处理器，所述嵌入式处理器中的图像畸变纠正模块对图像数据进行畸变纠正，所述嵌入式处理器将畸变纠正后的图像数据对外输出。本发明中，由图像采集感应器实时采集图像数据，并传输到嵌入式处理器，由图像畸变纠正模块进行畸变纠正，然后输出纠正后的图像数据。

Description

一种无畸变广角网络摄像机及安防监控系统

技术领域

本发明涉及安防监控领域，尤其涉及一种无畸变广角网络摄像机及安防监控系统。

背景技术

随着网络监控摄像机的像素越来越高，可以监控的角度也随之越来越高，即现有技术一般都是采用广角网络摄像机来进行摄像，但广角网络摄像机，从镜头成像的原理上决定了，越广角的镜头，成像图形出现的垂直或者水平畸变就会越厉害，也就是导致图像出现畸变，所以目前市面上的广角网络摄像都避免不了不同程度的图像畸变。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种无畸变广角网络摄像机及安防监控系统，旨在解决现有广角网络摄像机拍摄的图像产生畸变的问题。

本发明的技术方案如下：

一种无畸变广角网络摄像机，其中，包括：图像采集感应器和嵌入式处理器，所述图像采集感应器连接于所述嵌入式处理器，所述嵌入式处理器中设置有图像畸变纠正模块，所述图像采集感应器实时采集图像数据，并传输到嵌入式处理器，所述嵌入式处理器中的图像畸变纠正模块对图像数据进行畸变纠正，所述嵌入式处理器将畸变纠正后的图像数据对外输出。

所述的无畸变广角网络摄像机，其中，所述图像畸变纠正模块具体包括：

对称中心获取单元，用于获取畸变图的对称中心，将畸变图代表的地址空间关系转换为以对称中心为原点的空间关系；

空间变换单元，用于对畸变图上的像素重新排列，将重新排列后空间上的每一个点与畸变图空间上的点一一对应；

灰度插值单元，用于对空间变换后的像素赋予相应的灰度值以恢复原位置的灰度值，形成校正图。

所述的无畸变广角网络摄像机，其中，所述灰度插值单元采用双线性插值方法实现。

所述的无畸变广角网络摄像机，其中，还包括网络模块，所述网络模块连接于所述嵌入式处理器。

所述的无畸变广角网络摄像机，其中，还包括硬件接口模块，所述硬件接口模块连接于所述嵌入式处理器。

所述的无畸变广角网络摄像机，其中，所述硬件接口模块为USB接口或I/O接口。

所述的无畸变广角网络摄像机，其中，所述空间变换单元中采用的变换包括平行移动、旋转、放大或缩小。

一种安防监控系统，其中，包括网络视频录像机、控制中心、云服务器以及多个无畸变广角网络摄像机，所述网络视频录像机、控制中心以及多个无畸变广角网络摄像机均连接于所述云服务器，所述无畸变广角网络摄像机为如上所述的无畸变广角网络摄像机。

所述的安防监控系统，其中，还包括移动终端，所述移动终端与云服务器通信连接。

所述的安防监控系统，其中，所述移动终端为手机或平板电脑。

有益效果：本发明中，由图像采集感应器实时采集图像数据，并传输到嵌入式处理器，由图像畸变纠正模块进行畸变纠正，然后输出纠正后的图像数据。

附图说明

图1为本发明一种无畸变广角网络摄像机较佳实施例的结构框图。

图2为本发明中的双线性插值原理流程图。

图3为本发明一种安防监控系统较佳实施例的结构框图。

具体实施方式

本发明提供一种无畸变广角网络摄像机及安防监控系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1为本发明一种无畸变广角网络摄像机50较佳实施例的结构框图，如图所示，其包括：图像采集感应器53和嵌入式处理器51，所述图像采集感应器53连接于所述嵌入式处理器51，所述嵌入式处理器51中设置有图像畸变纠正模块52，所述图像采集感应器53实时采集图像数据，并传输到嵌入式处理器51，所述嵌入式处理器51中的图像畸变纠正模块52对图像数据进行畸变纠正，所述嵌入式处理器51将畸变纠正后的图像数据对外输出。

传统的广角网络摄像机不具备图像畸变纠正能力，只能在后端软件实现临时的显示纠正。本发明是通过内嵌到“嵌入式处理器51”中的图像畸变纠正模块52来实现实时对畸变图像的纠正，不依赖于后端显示软件。

进一步，所述无畸变广角网络摄像机50还包括网络模块54，所述网络模块54连接于所述嵌入式处理器51。本发明主要是通过图像采集感应器53来采集图像数据，并通过嵌入式处理器51(包括图像畸变纠正模块52)来进行图像优化、增强、压缩，再通过网络模块54对外发送视频流。

进一步，所述无畸变广角网络摄像机50还包括硬件接口模块，所述硬件接口模块连接于所述嵌入式处理器51。例如，所述硬件接口模块为USB接口或I/O接口。通过所述USB接口可以连接一些USB设备，例如USB键盘或者USB鼠标等等。所述I/O接口则可提供I/O触发的输入和输出。

进一步，所述图像畸变纠正模块52具体包括：

具体来说，先利用对称中心获取单元找出畸变图对称中心，将畸变图代表的地址空间关系转换为以对称中心为原点的空间关系。

然后利用空间变换单元对输入图像(畸变图)上的像素重新排列以恢复原空间关系。即利用地址映射关系为校正图空间上的每一个点找到它们在畸变图空间上的对应点。

最后利用灰度插值单元对空间变换后的像素赋予相应的灰度值以恢复原位置的灰度值。所述空间变换单元中采用的变换包括平行移动、旋转、放大或缩小等等。

具体来说，在直角坐标系下的地址映射关系，使用矩阵坐标系。设[f(x,y)]是原图，[f(u,v)]是发生畸变后的图像。

畸变校正的基本思想是，找出由(u,v)→(x,y)的坐标变换T_α(地址映射),然后令：f(x,y)＝f(T_α(u,v))α为参数向量。若畸变只是简单的纵横比的改变和倾斜，那么仿射变换可以校正这种畸变。取：T_α:α＝{A,B,C,D,E,F}

x＝[Au+Bx+C] y＝[Du+Ev+F]，其中，[x]表示去最接近x的整数

若能得到参数α的值，便可直接进行校正处理。

但一般的畸变都不只是简单的纵横比的改变和倾斜，通常遇到的都是空间扭曲型几何畸变，俗语讲就是橡胶层面拉伸。它是曲线畸变，这里采用二次多项式来模拟它,可表示为：

u＝a₀+a₁x+a₂y+a₃x²+a₄xy+a₅y² (1)

v＝b₀+b₁x+b₂y+b₃x²+b₄xy+b₅y² (2)

同样，只要可以取得参数(a_i,b_i)的值，畸变函数便可知，那么原则上，可以通过上式多项式变换来获得修正的空间扭曲映射。

式(1)和(2)都是一个有6个参数的二元二次方程，那么只要在畸变图和校正图上各取六对对应点,就可以通过解方程组得到参数(a_i,b_i)的值，理论上，取的对应点对数越多得到的参数(a_i,b_i)值就越精确。设取m对对应点，用向量来表示为

U^t＝[u₁,u₂,...,u_m] V^t＝[v₁,v₂,...,v_m]

其系数a^t＝[a₀,a₁,...,a_m] b^t＝[b₀,b₁,...,b_m]

假设所取的m对对应点组成的矩阵A可逆，也就是说m对对应点线性不相关，则容易计算得到系数(a_i,b_i)：a＝A^-U b＝A-V

由于采用灰度插值，所以在校正的处理过程是对校正图上每一点映射到畸变图，然后通过灰度插值来得到这一点的灰度值。因此校正所采用的是地址逆映射：u＝[1,x,y,x²,xy,y²]*a v＝[1,x,y,x²,xy,y²]*b(△)

由地址逆映射(△)计算得到的(u,v)可能是非整数，而畸变图[f(u,v)]是数字图像，其像素值仅在坐标为整数处有定义，所以在非整数处的像素值要用其周围一些整数处的像素值来计算，称为灰度插值。灰度插值有邻近插值法、双线性插值法等等。邻近插值法得到的图像通常都会出现锯齿现象，而双线性插值法得到的图像比邻近插值法得到的图像精确得多。通常情况下，双线性插值的精确度已经可以满足一般图像处理的要求，并不需要更高精确度的灰度插值。因此本发明采用双线性插值法。

如图2所示，双线性插值利用(u,v)周围的四个最邻近像素的灰度值，根据下面方法来计算(u,v)处的灰度值。设(u,v)四个邻近像素点为A、B、C、D，坐标分别为(i,j),(i+1,j),(i,j+1),(i+1,j+1)。

设α＝u-i β＝v-j

首先计算出E，F两处的灰度值，f(E)和f(F)

f(E)＝β[f(C)-f(A)]+f(A) f(F)＝β[f(D)-f(B)]+f(B)

再计算(u,v)：f(u,v)＝α[f(F)-f(E)]+f(E)

此f(u,v)值代表的就是校正后图像中(x,y)处的灰度值。

本发明的畸变纠正具体包括如下步骤：

S1、开始；

S2、读取畸变图到矩阵A；

S3、取矩阵A的长、宽分别存放到h，w中；

S4、生成一个与矩阵A相同维数的矩阵sp存放校正图信息；

S5、求解a₀、b₀；

S6、1＝>I；

S7、1＝>J；

S8、构造逆向映射多项式：

x＝[1,j-og(1),i-og(2),(j-og(1))^2,(i-og(2))*(j-og(1)),(i-og(2))^2]

S9、用逆向映射求校正图在畸变图中的映射u＝x*a₀；v＝x*b₀；

S10、判断点(u,v)是否在畸变图中，若是则进入步骤S11，若否则进入步骤S15；

S11、对u，v取整；

S12、1＝>K；

S13、进行双线性插值；

S14、判断是否满足K<4，若否则进入步骤S15，若是则返回步骤S13；

S15、判断是否满足J<w+1；若否则进入步骤S16，若是则J+1＝>J，并转入步骤S8；

S16、判断是否满足I<h+1，若否则进入步骤S17，若是则I+1＝>I，并转入步骤S7；

S17、结束。

本发明还提供一种安防监控系统较佳实施例，如图3所示，包括网络视频录像机10、控制中心20、云服务器30以及多个无畸变广角网络摄像机50，所述网络视频录像机10、控制中心20以及多个无畸变广角网络摄像机50均连接于所述云服务器30，所述无畸变广角网络摄像机50为如上所述的无畸变广角网络摄像机50。

进一步，所述安防监控系统还包括移动终端40，所述移动终端40与云服务器30通信连接。

进一步，所述移动终端40为手机或平板电脑。

综上所述，本发明中，由图像采集感应器实时采集图像数据，并传输到嵌入式处理器，由图像畸变纠正模块进行畸变纠正，然后输出纠正后的图像数据。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims

1.一种无畸变广角网络摄像机，其特征在于，包括：图像采集感应器和嵌入式处理器，所述图像采集感应器连接于所述嵌入式处理器，所述嵌入式处理器中设置有图像畸变纠正模块，所述图像采集感应器实时采集图像数据，并传输到嵌入式处理器，所述嵌入式处理器中的图像畸变纠正模块对图像数据进行畸变纠正，所述嵌入式处理器将畸变纠正后的图像数据对外输出。

2.根据权利要求1所述的无畸变广角网络摄像机，其特征在于，所述图像畸变纠正模块具体包括：

3.根据权利要求1所述的无畸变广角网络摄像机，其特征在于，所述灰度插值单元采用双线性插值方法实现。

4.根据权利要求1所述的无畸变广角网络摄像机，其特征在于，还包括网络模块，所述网络模块连接于所述嵌入式处理器。

5.根据权利要求1所述的无畸变广角网络摄像机，其特征在于，还包括硬件接口模块，所述硬件接口模块连接于所述嵌入式处理器。

6.根据权利要求5所述的无畸变广角网络摄像机，其特征在于，所述硬件接口模块为USB接口或I/O接口。

7.根据权利要求1所述的无畸变广角网络摄像机，其特征在于，所述空间变换单元中采用的变换包括平行移动、旋转、放大或缩小。

8.一种安防监控系统，其特征在于，包括网络视频录像机、控制中心、云服务器以及多个无畸变广角网络摄像机，所述网络视频录像机、控制中心以及多个无畸变广角网络摄像机均连接于所述云服务器，所述无畸变广角网络摄像机为如权利要求1所述的无畸变广角网络摄像机。

9.根据权利要求8所述的安防监控系统，其特征在于，还包括移动终端，所述移动终端与云服务器通信连接。

10.根据权利要求9所述的安防监控系统，其特征在于，所述移动终端为手机或平板电脑。